Du er her:
Artikkelanbefalinger
En elementanbefaling presenterer elementer fra katalogen basert på hver brukers engasjementshistorikk. Et element kan være et produkt, en artikkel, en egenskapsoppføring, et kurs, en tjeneste eller en hvilken som helst annen enhet du betjener brukere. Elementanbefalingen er standardanbefalingskonfigurasjonen for tilpassede anbefalinger på tvers av nett, e-post, Agentforce og andre kanaler.
Slik fungerer artikkelanbefalinger
En elementanbefaling bruker DLPR sammen med engasjementssignalene du samler inn for elementene og elementkatalogen. Etter hvert som brukere oppdager, evaluerer og konverterer elementer, bygger DLPR en forståelse av hver bruker på reisenivå, og rangerer elementer på en måte som gjenspeiler både relevans for brukeren og samsvar med forretningsmålene dine.
Engasjementssignaler
En elementanbefalinger lærer fra alle interaksjoner som er knyttet til et element. De spesifikke signalene er avhengig av bransjen og artikkeltypen du anbefaler. Generelt sett kan signaler deles inn i tre kategorier:
- Oppdagelsesinteraksjoner: Hvordan brukere finner og viser elementer, som elementvisninger, visninger og kategorisporing.
- Vurderingsinteraksjoner: Hvordan brukere evaluerer elementer, som klikk, legg til i handlevogn, lagre senere, tid på side og deling.
- Konverteringsinteraksjoner: Hvordan brukere bekrefter elementer, som kjøp, innløsninger, abonnementer, bestillinger, søknader eller forespørsler.
- Tilpassede signaler: Eventuelle signaler knyttet til forretningsmålene som ikke dekkes ovenfor.
Signalerne du tilordner til anbefalingen, er den viktigste inndatabeslutningen du tar. De definerer hva DLPR behandler som et positivt engasjement.
Modelinndata
I tillegg til engasjementssignaler bruker en elementanbefaling disse inndataene.
- Artikkelkatalogmetadata: Titler, beskrivelser, kategorier og eventuelle attributter som beskriver elementene. For en produktkatalog inkluderer dette merkeprofilering, pris og SKU. For en artikkeltype inkluderer dette forfatter, emne og publiseringsdato. For en eiendomskatalog inkluderer dette plassering, soverom og fasiliteter.
- Målkonfigurasjon: Forretningsmålet som en anbefaling optimaliseres for.
Veiledning for katalogen
En omfattende, velstrukturert katalog forbedrer anbefalingskvaliteten, spesielt for nye elementer. Følg disse retningslinjene kan bidra til å forbedre anbefalingskvaliteten i tilpassede utdata.
- Oppgi fullstendige titler, beskrivelser, kategorier og attributter for hvert element.
- Hold katalogmetadata oppdatert når du legger til nye elementer.
- Konfigurer engasjementssignaler som gjenspeiler målet ditt og elementenes natur.
