Le strategie di raccomandazione forniscono la logica alla base della selezione degli articoli per i tuoi consigli sul web e tramite dispositivi mobili. La strategia determinerà quali elementi visualizzare dal tuo feed in base a un algoritmo selezionato e a eventuali filtri aggiuntivi che puoi definire per includere o escludere elementi specifici.
- Per i siti web, puoi accedere alle strategie dal percorso Asset › Strategie.
- Per i siti mobili, puoi accedere alle strategie da Personalizzazione dell'app › Consigli.
Creare una strategia
| Impostazioni | Descrizione |
| Nome, note ed etichette | Queste impostazioni ti aiuteranno a organizzare ed etichettare le tue strategie, ma non influiranno in alcun modo sulle prestazioni o sul comportamento di una strategia. Per saperne di più, puoi consultare la sezione dedicata a note ed etichette. |
| Algoritmi | Gli algoritmi determinano quali articoli consigliare (ad esempio i più popolari, gli elementi che l'utente ha visualizzato in passato e così via). Per ulteriori informazioni, consulta la sezione dedicata agli algoritmi. |
| Risultati in ordine casuale | Per ottenere migliori risultati con i consigli, puoi impostare un widget che cambierà articolo ad ogni visualizzazione di pagina. In questo modo puoi proporre più prodotti di quanto richiesto e selezionarne un sottoinsieme in modo casuale (pari a 4 volte il numero di elementi necessari, fino a un massimo di 50 articoli selezionati e rimescolati). Ad esempio, se il widget dovesse avere 4 slot, invece di mostrare gli stessi primi 4 prodotti in ogni pagina visualizzata, proporrà 4 articoli nella top 16. La selezione sarà casuale, con pesi impostati sul punteggio del prodotto. Questa opzione è disponibile per gli algoritmi di popolarità e con filtri collaborativi. |
| Filtri | Una serie di regole di esclusione/inclusione:
Nota: le categorie vanno selezionate solo nel filtro designato e non come parte del filtro delle proprietà. Per maggiori informazioni, consulta la sezione dedicata ai filtri per le raccomandazioni |
| Attivazione tramite API |
Puoi usare un'API lato client per attivare i consigli tramite Dynamic Yield e renderizzare il widget con il tuo CMS. Questa opzione consente anche di utilizzare filtri in tempo reale per filtrare i risultati in base ai dati ottenuti nell'ambito della sessione (ad esempio, per vedere prodotti con un prezzo superiore a quello dell'articolo attualmente visualizzato, oppure per presentare elementi in base alla selezione esplicita del visitatore). Per maggiori informazioni, puoi consultare la sezione dedicata alle API di raccomandazione – lato client. |
| Regole per i filtri personalizzati |
Filtri aggiuntivi che puoi applicare in base alle proprietà del prodotto, per tutti i widget o per la relativa somma:
Per maggiori informazioni, consulta la sezione dedicata alle regole per i filtri sulle raccomandazioni personalizzati |
Algoritmi
Dynamic Yield offre un'ampia gamma di algoritmi, adatti a vari casi.
| Algoritmo | Descrizione |
|---|---|
| Automatico |
Lascia che Experience OS selezioni l'algoritmo migliore per te in base alle procedure consigliate per il tipo di pagina selezionato. Algoritmi per tipo di pagina:
|
| Similarità | Consiglia articoli simili a quanto attualmente visualizzato, in base alla popolarità dei prodotti. L'algoritmo utilizza le categorie e le parole chiave del feed dei dati per valutare le somiglianze tra gli articoli, assegnando punteggi più alti alle parole chiave rare condivise tra una coppia di prodotti e punteggi più bassi a termini più comuni. Questo algoritmo è adatto alle pagine dei prodotti/ai post. I punteggi di somiglianza vengono ricalcolati ogni volta che il feed del prodotto si aggiorna. |
| Similarità visiva | Un algoritmo di raccomandazione con deep learning, ideato per identificare e consigliare articoli visivamente simili all'elemento attualmente visualizzato, abbinando fattori che l'utente non può descrivere e che i professionisti del marketing non hanno aggiunto ai tag dei metadati. |
| Visti insieme |
Consiglia gli articoli che sono stati consultati nella stessa sessione dell'elemento attualmente visualizzato. Assegna un punteggio agli articoli in base al numero di occorrenze in cui sono stati visualizzati insieme nella stessa sessione, ma declassa gli elementi che in genere vengono visualizzati insieme a molti altri, il che implica una connessione più debole. I punteggi vengono ricalcolati ogni 24 ore. Questo algoritmo è adatto alle pagine dei prodotti/ai post. |
| Acquistati insieme |
Consiglia prodotti che sono stati acquistati insieme all'elemento attualmente visualizzato. Assegna un punteggio agli articoli in base al numero di occorrenze in cui sono stati acquistati insieme nella stessa transazione, ma declassa i prodotti che in genere vengono comprati con molti altri elementi. Di conseguenza, raccomanda prodotti fortemente collegati tra loro piuttosto che articoli che hanno una connessione arbitraria a un prodotto popolare. Le raccomandazioni si basano sui dati degli ultimi 6 mesi. I punteggi vengono ricalcolati ogni 24 ore. Questo algoritmo è adatto per le pagine dei prodotti e i carrelli e non è disponibile per le sezioni relative ai media o agli istituti finanziari. |
| Acquistati insieme offline |
Consiglia i prodotti che sono stati acquistati offline insieme all'elemento attualmente visualizzato. Assegna un punteggio agli articoli in base al numero di volte in cui sono stati acquistati insieme nella stessa transazione, declassando i prodotti che in genere vengono comprati con molti altri elementi. Di conseguenza, raccomanda prodotti che sono fortemente collegati tra loro piuttosto che articoli che hanno una connessione arbitraria a un prodotto popolare. I punteggi vengono ricalcolati ogni 24 ore. Questo algoritmo è adatto alle pagine dei prodotti e non è disponibile per le sezioni relative ai media o agli istituti finanziari. Questo algoritmo richiede l'importazione dei dati sugli acquisti offline. Per maggiori informazioni, contatta il tuo responsabile del successo dei clienti. |
| Acquistati insieme offline o online |
Consiglia i prodotti che sono stati acquistati offline o online insieme all'articolo attualmente visualizzato. Assegna agli oggetti un punteggio in base al numero di volte in cui sono stati acquistati insieme nella stessa transazione, mentre declassa i prodotti che vengono in genere comprati con molti altri elementi. Di conseguenza, raccomanda prodotti che sono fortemente collegati tra loro piuttosto che articoli che hanno una connessione arbitraria a un elemento popolare. I punteggi vengono ricalcolati ogni 24 ore. Questo algoritmo è adatto alle pagine dei prodotti e non è disponibile per le sezioni relative ai media o agli istituti finanziari. Questo algoritmo richiede l'importazione dei dati sugli acquisti offline. Per maggiori informazioni, contatta il tuo responsabile del successo dei clienti. |
| Popolarità |
Assegna un punteggio agli articoli in base alla somma ponderata di tutte le interazioni, ad esempio, acquisti online e offline, prodotti aggiunti al carrello e visualizzazioni, favorendo le interazioni recenti rispetto a quelle storiche. I punteggi vengono ricalcolati ogni volta che il feed del prodotto si aggiorna. Questo algoritmo è adatto a tutti i tipi di pagina. |
| Più popolari nella categoria |
Restituisce gli articoli in base alla popolarità, ma include solo i prodotti della categoria specificata nel contesto della pagina della categoria. I punteggi vengono ricalcolati ogni volta che si aggiorna il feed del prodotto. Questo algoritmo è adatto solo alle pagine di categoria nei siti multimediali. Non è disponibile per le sezioni relative agli istituti finanziari. |
| Popolari nella località |
Assegna punteggi agli elementi calcolando una somma ponderata delle interazioni avvenute nei 30 giorni precedenti in una località specifica. Le azioni includono acquisti, aggiunta al carrello e visualizzazione dei prodotti. La "località" si riferisce a una suddivisione all'interno dell'indirizzo IP di un paese, che può corrispondere a diverse regioni amministrative, come province o stati, a seconda della struttura locale di ogni paese (puoi contattare l'assistenza per ottenere un elenco di zone per i tuoi paesi). Questo algoritmo funziona efficacemente anche in situazioni in cui gli utenti non hanno acconsentito all'uso dei cookie. |
| Visti di recente | Consiglia gli ultimi elementi visualizzati dall'utente corrente (i più recenti appariranno per primi). I consigli si basano sui dati degli ultimi 90 giorni. A differenza di altri algoritmi, questo sistema porta a visualizzare anche gli articoli esauriti. L'algoritmo si aggiorna in tempo reale, ogni volta che c'è una nuova richiesta di consigli. |
| Visti di recente | Elementi che di solito vengono visualizzati nella stessa sessione degli ultimi articoli visti dall'utente corrente. |
| Acquistati di recente |
Gli ultimi articoli acquistati dall'utente corrente (i più recenti appariranno per primi). I risultati si basano sui dati dell'anno passato. L' algoritmo si aggiorna in tempo reale, ogni volta che c'è una nuova richiesta di consigli. Questo algoritmo non è disponibile per la sezione dedicata a media o istituti finanziari. |
| Inviate di recente |
Le ultime candidature inviate dall'utente corrente (le più recenti appariranno per prime). I risultati si basano sui dati dell'anno passato. L'algoritmo si aggiorna in tempo reale, ogni volta che c'è una nuova richiesta di consigli. Questo algoritmo non è disponibile per i media o i siti di e-commerce. |
| Acquistati con acquisti recenti |
Articoli che di solito vengono acquistati insieme ai prodotti dell'ultimo elemento acquistato da parte dell'utente corrente. Questo algoritmo non è disponibile per la sezione dedicata a media o istituti finanziari. |
| Ultimo acquisto |
Presenta il contenuto del carrello dell'acquisto più recente effettuato dall'utente corrente. L'algoritmo si aggiorna in tempo reale, ogni volta che c'è una nuova richiesta di consigli. Questo algoritmo non è disponibile per la sezione dedicata a media o istituti finanziari. |
| Inviate di recente |
Propone le domande presentate più di recente dall'attuale utente. L'algoritmo si aggiorna in tempo reale, ogni volta che c'è una nuova richiesta di consigli. Questo algoritmo non è disponibile per i media o i siti di e-commerce. |
| Acquistati con l'ultimo acquisto |
Articoli che di solito vengono acquistati insieme ai prodotti dell'ultimo acquisto da parte dell'utente corrente. Questo algoritmo non è disponibile per la sezione dedicata a media o istituti finanziari. |
| Affinità utente |
Opzione personalizzata per ogni singolo utente, assegna un punteggio agli articoli in base alle preferenze derivate dal visitatore e alla popolarità del prodotto. L'algoritmo basa i suoi consigli sulle interazioni del visitatore con un articolo (visualizzazioni, aggiunta al carrello, acquisti online e offline) e ai relativi punteggi ponderati. A quel punto analizza gli attributi dei prodotti (marca, colore, stile, categoria e così via) e calcola il profilo di affinità utente. La strategia funziona in tempo reale ed è in grado di rilevare le variazioni delle preferenze nel tempo. Questo algoritmo è adatto a tutti i tipi di pagina. |
| Filtri collaborativi |
Articoli visualizzati, acquistati o aggiunti al carrello dagli utenti che sono simili alle scelte del visitatore corrente. Questo algoritmo è adatto a tutti i tipi di pagina, ma è supportato solo per feed di piccole dimensioni (meno di 50.000 prodotti). I punteggi vengono ricalcolati ogni 24 ore. Questo algoritmo non è disponibile per i siti multimediali. È disponibile per selezionare utenti che usano siti di e-commerce su richiesta al proprio responsabile del successo dei clienti. |
| Deep learning |
Prevede l'elemento successivo con cui è più probabile che un utente interagisca sulla base di modelli di coinvolgimento simili incentrati sugli utenti nel medesimo sistema locale. L'algoritmo viene ricalcolato in tempo reale, ogni volta che c'è una nuova richiesta di consigli. Questo algoritmo è disponibile per i seguenti tipi di pagina: homepage, categoria e qualsiasi per i clienti con sezioni di e-commerce. Per maggiori informazioni, contatta il tuo responsabile del successo dei clienti. |
Alcuni algoritmi sono rilevanti per tipi di pagina specifici (ad esempio, la similarità non è utile per una homepage con dei consigli), quindi, l'elenco si aggiornerà dopo la selezione del tipo di pagina.
Nota: gli algoritmi selezionano un "leader" da cui visualizzare ogni set di ID di gruppo, che ha il punteggio più alto in base all'algoritmo stesso. Ciò non è rilevante per gli algoritmi relativi a prodotti visti o acquistati di recente, che mostrano gli SKU visualizzati\acquistati dall'utente, anche se sono esauriti. Né è rilevante per i prodotti fissati in alto.
Fallback
Se una strategia dovesse restituire un numero di elementi inferiore agli slot dei widget, il sistema ignorerà gli algoritmi "includi solo elementi con proprietà simili" ed "escludi elementi con proprietà simili" in modo graduale.
Ad esempio, se la strategia dovesse consistere nel proporre solo articoli dello stesso colore e non ci fossero elementi della medesima tinta, il filtro verrà ignorato e il widget riempirà tutti gli slot. Se il filtro dovesse includere più attributi (ad esempio, se deve consigliare solo elementi dello stesso colore e della medesima categoria), tali fattori verranno gradualmente ignorati, prima saltando la categoria (poiché è l'ultimo attributo dell'elenco) e, solo allora, se non ci fossero ancora abbastanza articoli da proporre, il filtro "colore".
Inoltre, alcuni consigli possono comportare un fallback per motivi non correlati al filtro. Ad esempio, l'affinità utente per visitatori senza comportamenti precedenti, oppure visualizzati insieme per gli articoli che non sono mai stati visti con altri prodotti nella stessa sessione. In questi casi, la logica di fallback è:
- Affinità utente → Visualizzato con visualizzazione recente → Popolarità (risultati in ordine casuale)
- Filtro collaborativo → Affinità utente → Visualizzato con visualizzazione recente → Popolarità (risultati in ordine casuale).
- Somiglianza → Visualizzato con visualizzazione recente → Popolarità (risultati in ordine casuale)
- Acquistati insieme → Visualizzati insieme (carrello e pagine del prodotto) → Similarità (carrello e pagine del prodotto) → Popolarità (risultati in ordine casuale)
- Visti insieme → Somiglianza → Popolarità (risultati in ordine casuale)
- Visualizzato con visualizzazione recente → Visualizzato insieme (carrello e pagine del prodotto) → Popolarità (risultati in ordine casuale)
- Acquistato con ultimo acquisto → Acquistato insieme → Visualizzato con visualizzazione recente → Visualizzato insieme (carrello e pagine del prodotto) → Similarità (carrello e pagine prodotto) → Popolarità (risultati in ordine casuale)
- Acquistato con acquisti recenti → Acquistati insieme → Similarità (carrello e pagine prodotto) → Popolarità (risultati in ordine casuale)
- Deep learning → Affinità utente → Visualizzato con visualizzazione recente → Popolarità (risultati in ordine casuale).
Note:
- le strategie "Visualizzati di recente", "Ultimo acquisto" e "Acquistati di recente" non propongono alternative.
- Nota: i fallback non sostituiscono i filtri delle proprietà del prodotto. Ad esempio, nel caso in cui i prodotti esclusi siano "di genere diverso" rispetto a quanto attualmente visualizzato, rispetteremo il vincolo anche quando non ci sono abbastanza prodotti da visualizzare in tutti gli slot disponibili. Tuttavia, se non ci fossero articoli disponibili in base al filtro, rimuoveremo l'ultimo filtro e lo ignoreremo per evitare che il widget venga mostrato vuoto.
Proprietà e dimensioni delle categorie
I widget dei consigli che vengono caricati nelle pagine di un prodotto o un post possono avere le dimensioni applicate, il che impone che le raccomandazioni debbano avere o meno specifiche proprietà in comune con l'elemento attualmente visualizzato nella pagina. Dette dimensioni evitano di dover applicare regole di inclusione o esclusione e sono più flessibili, poiché i valori delle proprietà non devono essere specificati chiaramente, ma devono corrispondere o meno al valore delle impostazioni correnti dell'elemento visualizzato. Se non trovassimo abbastanza prodotti corrispondenti a tale proprietà, rimuoveremo l'ultima dimensione dall'elenco indicato e la ignoreremo per evitare widget vuoti.
La dimensione può essere applicata a tutte le strategie come segue:
- con la stessa proprietà: i consigli dovranno avere certe impostazioni in comune con l'elemento visualizzato,
- con proprietà differenti: i consigli non dovranno avere certe impostazioni in comune con l'elemento visualizzato,
-
con la stessa categoria: gli articoli consigliati dovranno corrispondere alle stesse categorie o alla medesima tipologia principale dell'elemento visualizzato.
- stessa categoria: consiglia solo articoli con l'esatta categoria in comune al feed dei prodotti. Quindi, ad esempio, se le categorie di prodotti visualizzate sono "uomo|top|camicie", verranno mostrati solo gli articoli corrispondenti alla categoria "uomo|top|camicie". Un prodotto con le categorie "uomo|top|giacche" non troverà corrispondenza.
- stessa categoria madre: i prodotti consigliati corrispondono alle stesse categorie degli articoli visualizzati, tranne che per l'ultima categoria in elenco. Quindi, ad esempio, per un prodotto visualizzato della categoria "uomo|top|camicie", potrebbero essere consigliati gli articoli della categoria "uomo|top|giacche".
Copiare strategie tra i siti
Puoi copiare una strategia su un sito diverso nello stesso account. La strategia copiata non sarà collegata all'originale. Eventuali campagne di raccomandazione che utilizzano la strategia originale non verranno copiate o modificate in alcun modo. Per copiare tutte le campagne di raccomandazione. su un altro sito, consulta la sezione su come copiare campagne tra i siti.
- Vai alla sezione Asset › Strategie e clicca sulle altre icone di azione
. Seleziona Copia su un altro sito. - Controlla il/i sito/i di destinazione. Siti che condividono la stessa verticale e la medesima piattaforma del sito attuale si possono usare per copiare le strategie.
- Clicca su Copia l'elemento sul sito.
Domande frequenti
Perché i dati di strategia nel Rapporto corrispondente hanno un aspetto diverso dai dati sulle variazioni nei Report Experiment, per le varianti che propongono la stessa strategia?
I rapporti sulle strategie e i Report Experiment offrono due diverse prospettive sui dati relativi ai consigli e a volte possono sembrare incoerenti.
Ciò potrebbe dipendere da tre differenze:
-
le strategie possono essere utilizzate da più varianti,
il rapporto sulle strategie tiene traccia delle interazioni e dei risultati delle strategie, in modo indipendente da quale campagna, esperienza o variante potrebbero proporre, se la stessa strategia viene utilizzata dalle varianti in diversi esperimenti, ogni Report Experiment includerà solo i dati pertinenti a tale opzione, mentre il rapporto sulle strategie prenderà in considerazione la strategia nel suo insieme, a prescindere dalla variante che la propone. -
i due report tengono traccia di entità diverse.
I report sulle strategie tengono traccia dei rendering di queste ultime, indipendentemente dalle varianti che li propongono. Il Report Experiment riporta i rendering delle varianti. -
i due report si basano su una logica di attribuzione diversa.
I report strategici attribuiscono le entrate a una strategia solo dopo aver cliccato su un articolo consigliato (vedi sopra per le definizioni di entrate dirette e assistite). I Report Experiment attribuiscono le entrate in base alle impostazioni di attribuzione che hai definito.
Questa tabella riassume il modo in cui vengono calcolate le stesse metriche per i due report:
| Report sulle strategie | Risultati Experiment | |
|---|---|---|
| Impression | Conta i rendering delle strategie | Conta i rendering delle varianti |
| Clic | Conta i clic sugli elementi consigliati da una strategia | Conta i clic su qualsiasi parte dell'html iniettato |
| Ricavi | In base ai ricavi generati dagli articoli dopo aver cliccato sull'articolo consigliato. | In base all'impostazione di attribuzione Experiment. Ad esempio: con attribuzione a partire da "La variante viene proposta", tutti gli acquisti e i relativi ricavi verranno attribuiti alla variante, indipendentemente dal fatto che l'utente clicchi su un articolo consigliato. |
Cosa succede se aggiungo un articolo esaurito? Oppure, se aggiungo 2 slot con SKU dello stesso GroupID?
Il sistema mostrerà gli articoli anche se sono esauriti o hanno SKU dello stesso GroupID.
Cosa succede se creo un filtro che include solo articoli esauriti?
Il sistema non mostrerà gli articoli.
Esiste un limite al numero di elementi visualizzati di recente che una strategia può mostrare?
La nostra strategia "Visualizzati di recente" proporrà solo un massimo di 30 prodotti, per via dell'endpoint su cui la stessa si basa per la memorizzazione, che salva solo i 30 articoli più recenti che l'ID di un utente ha visualizzato.