권장 사항에 대한 콜드 스타트 전략

콜드 시작 시나리오

새 사이트

신규 고객이 온보딩하거나 새 카탈로그를 도입하고 참여 내역이 없는 경우

이 시나리오를 처리하기 위해 추천자는 제목, 설명, 범주, 기타 특성을 포함하여 콘텐츠에서 카탈로그에 대한 이해를 구축합니다. 이러한 특성은 각 항목의 의미를 수집하는 시맨틱 임베딩으로 변환됩니다. 사용자가 항목과 상호 작용하면 추천 프로그램이 의미적으로 유사한 항목을 반환합니다.

새 항목

설정된 사이트는 사용자가 아직 상호 작용하지 않은 항목을 추가합니다. 기존 추천자는 참여 내역이 없는 항목을 표시할 수 없습니다.

DLPR은 참여 내역 및 카탈로그 콘텐츠를 모두 사용하도록 교육을 받았습니다. 참여 항목의 경우 두 신호가 모두 항목 표현에 영향을 미칩니다. 새 항목의 경우 카탈로그 콘텐츠는 참여 데이터가 도착할 때까지 stand-in 역할을 합니다. 새 항목은 즉시 권장 사항을 사용할 수 있습니다.

참여 내역이 없는 프로모션 및 제안

프로모션 또는 제안을 권장하지만 사용자 응답에 대한 참여 데이터가 제한된 경우 권장자가 프로모션 메타데이터를 사용하여 의미적으로 유사한 프로모션을 권장합니다. 자세한 내용은 프로모션 및 프로모션 추천을 참조하십시오.

추천자가 콜드 스타트를 종료하는 방법

참여 데이터가 누적되면 추천 담당자가 콜드 스타트에서 전체 개인 설정으로 전환할 신호가 충분한지 여부를 지속적으로 평가합니다. 임계값이 충족되면 향후 교육 실행에서 참여 데이터를 사용하고 콜드 스타트 논리 단계를 다시 사용합니다.

전환은 자동입니다. 전환을 구성하지 않습니다. 사이트가 성숙되면 사용자에게 콘텐츠 기반 권장 사항에서 완전히 맞춤형 권장 사항으로의 원활한 진행이 표시됩니다.

카탈로그 지침

잘 구조화된 카탈로그는 조기에 권장 사항을 효율적으로 제공합니다.

• 모든 항목에 대한 전체 제목, 설명, 범주, 특성을 제공합니다.
• 새 제품 및 혜택을 추가할 때 카탈로그 메타데이터를 최신 상태로 유지합니다.
• 메타데이터가 적합한 항목은 즉시 권장할 자격이 있으므로 새 항목의 유입을 기다리지 마십시오.