Dies ist die Dokumentation für Recommendations AI, Retail Search und die neue Retail Console. Wenn Sie Retail Search in der eingeschränkten GA-Phase nutzen möchten, wenden Sie sich an den Cloud-Vertrieb.

Wenn Sie Recommendations AI nur verwenden, bleiben Sie in der Recommendations-Konsole und sehen Sie sich die Dokumentation zu Recommendations AI an.

Modelltypen

Auf dieser Seite werden die Empfehlungsmodelle beschrieben, die von der Retail API bereitgestellt werden, mit ihren standardmäßigen Bereitstellungskonfigurationen und Optimierungszielen, den verfügbaren Anpassungen und den unterstützten Ereignistypen.

Einführung

Wenn Sie sich für die Verwendung der Retail API registrieren, ermitteln Sie mit dem Einzelhandelssupport die besten Empfehlungsmodelle und -anpassungen, die für Ihre Website verwendet werden können. Die Modelle und Anpassungen, die Sie verwenden, hängen von Ihren Geschäftsanforderungen ab und davon, wo Sie die resultierenden Empfehlungen anzeigen möchten.

Wenn Sie Empfehlungen von der Retail API anfordern, geben Sie den Wert der Bereitstellungskonfiguration für die Ressource placement an. Weitere Informationen zur Verwendung der Ressource placement zum Bereitstellen von Konfigurationen und zur Unterstützung von Platzierungen, die zuvor von der Retail API zum Platzieren von Modellen verwendet wurden, finden Sie unter [Bereitstellungskonfigurationen][Konfigurationen]. Die Bereitstellungskonfiguration bestimmt, welches Modell zum Zurückgeben der Empfehlungen verwendet wird. Sie können auch Ihre Ergebnisse filtern.

Verfügbare Empfehlungstypen

Die Retail API bietet die folgenden Empfehlungsmodelltypen:

Was Ihnen sonst noch gefallen könnte

Die Empfehlung „Was Ihnen sonst noch gefallen könnte“ sagt das nächste Produkt vorher, das ein Nutzer am wahrscheinlichsten ansieht oder konvertiert. Die Vorhersage basiert auf dem Warenkorbverlauf und Aufrufverlauf des Nutzers und der Relevanz des Produktkandidaten für ein aktuell angegebenes Produkt.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

Unterstützte Nutzerereignistypen:

Häufig zusammen gekauft (Warenkorberweiterung)

Die Empfehlung „Häufig zusammen gekauft“ sagt vorher, welche Artikel häufig mit einem bestimmten Produkts innerhalb derselben Shopping-Sitzung gekauft werden. Wenn eine Produktliste angezeigt wird, werden Artikel vorhergesagt, die häufig mit dieser Produktliste gekauft werden.

Diese Empfehlung ist nützlich, wenn der Nutzer bereits die Absicht bekundet hat, ein bestimmtes Produkt (oder eine Liste von Produkten) zu kaufen, und Sie Ergänzungen (im Gegensatz zu Ersatzprodukten) empfehlen möchten. Diese Empfehlung wird normalerweise auf der Seite „In den Einkaufswagen legen“ oder auf den Seiten „Warenkorb“ oder „Kasse“ (für die Einkaufswagenerweiterung) angezeigt.

Standardoptimierungsziel: Umsatz pro Bestellung

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

Unterstützte Nutzerereignistypen:

Empfehlungen für mich

Die Empfehlung „Empfehlungen für mich“ sagt das nächste Produkt vorher, das ein Nutzer am wahrscheinlichsten ansieht oder kauft. Die Vorhersage basiert auf dem Warenkorbverlauf oder dem Aufrufverlauf dieses Nutzers und Kontextinformationen von Anfragen, z. B. Zeitstempeln. Diese Empfehlung wird normalerweise auf der Startseite verwendet.

„Empfehlungen für mich“ kann auch auf Kategorieseiten nützlich sein. Eine Kategorieseite ähnelt einer Startseite, mit der Ausnahme, dass nur Artikel aus dieser Kategorie angezeigt werden. Sie können dies mithilfe eines standardmäßig für Sie empfohlenen Modells mit Filter-Tags erreichen. Beispielsweise können Sie den Artikeln in Ihrem Katalog benutzerdefinierte Filter-Tags (entsprechend den einzelnen Kategorieseiten) hinzufügen. Legen Sie in der Vorhersageanfrage das Nutzerereignisobjekt als category-page-view fest und geben Sie im Feld filter das Tag einer bestimmten Kategorieseite an. Es werden nur Empfehlungsergebnisse zurückgegeben, die mit dem angeforderten Filter-Tag übereinstimmen. Die Diversität sollte in diesem Anwendungsfall deaktiviert werden, da Diversität mit kategoriebasierten Filter-Tags in Konflikt stehen kann.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

Unterstützte Nutzerereignistypen:

Ähnliche Artikel

Die Empfehlung "Ähnliche Artikel" sagt andere Produkte voraus, die meisten ähnlichen Attribute wie das betrachtete Produkt haben. Diese Empfehlung wird normalerweise auf einer Produktdetailseite verwendet oder wenn ein empfohlenes Produkt nicht auf Lager ist. Sie benötigt nur Informationen aus dem Produktkatalog. Es sind keine Nutzerereignisse erforderlich. Ähnliche Artikelmodelle können nicht optimiert werden.

Standardoptimierungsziel: Klickrate (Click-through-Rate, CTR)

Standardbereitstellungskonfiguration: –

Verfügbare Anpassungen:

Unterstützte Nutzerereignistypen:

Zuletzt angesehen

Die Empfehlung „Zuletzt angesehen“ ist eigentlich keine Empfehlung. Sie enthält die IDs der Produkte, mit denen der Nutzer/Besuch zuletzt interagiert hat. Die letzten Produkte werden zuerst angezeigt.

Standardoptimierungsziel:

Standardbereitstellungskonfiguration: recently_viewed_default

Verfügbare Anpassungen:

Unterstützte Nutzerereignistypen:

Alle

Optimierungsziele

Modelle für maschinelles Lernen werden erstellt, um auf ein bestimmtes Ziel hin zu optimieren, das bestimmt, wie das Modell erstellt wird. Für jede Modellplatzierung gilt ein standardmäßiges Optimierungsziel. Sie können jedoch ein anderes Optimierungsziel anfordern, um Ihre Geschäftsziele zu unterstützen, indem Sie sich an Ihren Supportmitarbeiter wenden.

Nachdem Sie ein Modell trainiert haben, können Sie das Optimierungsziel nicht mehr ändern. Sie müssen ein neues Modell trainieren, um ein anderes Optimierungsziel verwenden zu können.

Die Retail API unterstützt die folgenden Optimierungsziele:

Klickrate (Click-through-Rate, CTR)

Bei der Optimierung der CTR wird besonders die Interaktion hervorgehoben. Optimieren Sie die CTR, wenn Sie die Wahrscheinlichkeit maximieren möchten, dass der Nutzer mit der Empfehlung interagiert.

Die CTR ist das standardmäßige Optimierungsziel für die Empfehlungsmodelltypen „Was Ihnen sonst noch gefallen könnte“ und „Empfohlen für mich“.

Umsatz pro Bestellung

Das Optimierungsziel „Umsatz pro Bestellung“ ist das standardmäßige Optimierungsziel für den Empfehlungsmodelltyp Häufig zusammen gekauft. Dieses Optimierungsziel kann nicht für einen anderen Empfehlungsmodelltyp angegeben werden.

Conversion-Rate (CVR)

Durch die Optimierung auf die Conversion-Rate hin wird die Wahrscheinlichkeit maximiert, dass der Nutzer den empfohlenen Artikel in den Einkaufswagen legt. Wenn Sie die Anzahl der Artikel erhöhen möchten, die pro Sitzung einem Einkaufswagen hinzugefügt werden, optimieren Sie anhand der Conversion-Rate.

Erweiterte Optionen für die Modellkonfiguration

Je nach Modelltyp gibt es einige weitere Modellkonfigurationsoptionen, mit denen Sie das Verhalten Ihres Modells ändern können.

Feinabstimmungseinstellung

Die Feinabstimmung sorgt für ein optimales Modelltraining, wenn sich die Eingabedaten im Laufe der Zeit ändern. Legen Sie fest, alle drei Monate automatisch optimiert wird, oder Sie können es ausschließlich manuell optimieren. Das Modell wird nach der Erstellung automatisch ein Mal optimiert. Weitere Informationen

Weitere Informationen zu den Optimierungskosten finden Sie unter Preise.

Verfügbare Bereitstellungskonfigurationen und -modelle

Bevor Sie Vorhersagen von Ihrem Modell anfordern können, müssen Sie mindestens eine Bereitstellungskonfiguration dafür erstellen. Weitere Informationen finden Sie unter Bereitstellungskonfigurationen erstellen.

Ihre Modelle werden auf der Seite Modelle aufgelistet. Klicken Sie auf einen Modellnamen, um die zugehörige Detailseite zu öffnen. Dort sehen Sie die mit dem Modell verknüpften Platzierungen.