Integration der Recommendation-Engine

Zusammenfassung

Sie können den Umsatz nachhaltig durch Cross-Selling und Up-Selling steigern. Die Herausforderung besteht darin, typische Kaufmuster zu identifizieren.

Die FactFinder Recommendation Engine lernt, welche Artikel häufig zusammen gekauft werden. Ein Kunde, der ein Mobiltelefon kauft, könnte sich beispielsweise auch für ein Ladegerät oder eine Hülle interessieren; ein Kunde, der ein Abendkleid kauft, möglicherweise auch für eine passende Halskette oder Handtasche. Die Engine analysiert Käufe in Ihrem Shop, um Beziehungen zwischen Produkten und Kategorien zu entdecken, sodass Sie proaktiv relevante Artikel empfehlen und die Warenkorbgröße erhöhen können.

Bereitstellung von Verkaufsdaten für die Recommendation Engine

Zusätzlich zu den bereits über die Search-Funktion verfügbaren Produktdaten benötigt die Recommendation Engine Verkaufsinformationen.

Dafür gibt es grundsätzlich zwei Möglichkeiten:

• Senden Sie die Daten über die Tracking-Schnittstelle

• Stellen Sie sie in einer Datei zur Verfügung, die in bestimmten Intervallen übermittelt wird

Tracking und Recommendation Engine

Dies ist die empfohlene Methode, da die Tracking-Integration auch zusätzliche Vorteile wie erweiterte Analytics bietet. Die Tracking-Schnittstelle ist Teil der Standardintegration, sodass in der Regel kein zusätzlicher Aufwand erforderlich ist.

Eine detaillierte Beschreibung der Tracking-Schnittstelle finden Sie in der Tracking-Dokumentation. Um Verkaufsdaten an die Recommendation Engine zu übergeben, integrieren Sie das Tracking mindestens über das buy Event.

Der Nachteil dieser Methode ist, dass Verkaufsdaten erst ab dem Zeitpunkt der Integration verfügbar sind. Bei einer Neuintegration ist mit einer kurzen Lernphase zu rechnen. Um dies abzumildern, können Sie historische Verkaufsdaten für das anfängliche Training per Exportdatei bereitstellen.

Hinweis: Tracking-Daten müssen von Analytics aufbereitet werden, bevor sie von der Recommendation Engine verwendet werden können. Der WhatsHot Job sammelt diese Daten dann periodisch (in der Regel einmal täglich) aus Analytics und speichert sie im APP_RESOURCES/analytics Verzeichnis. Der Import in die Recommendation Engine funktioniert nur, wenn Daten vorhanden sind.

Exportdatei

Die gleichen Grundsätze, die beim Export von Produktdaten gelten, gelten auch für die Erstellung dieser Exportdatei. Details finden Sie in Datensatzstruktur für Export/Import.

Eine CSV-Datei ist das ideale Format. Der Export muss ein Voll-Export sein—inkrementelle Lieferungen werden nicht unterstützt. Wenn das Volumen groß ist, beschränken Sie den exportierten Zeitraum auf 6–12 Monate.

Die Datei muss die folgenden Informationen enthalten:

• Zeitstempel - Datum und Uhrzeit des Kaufs.

• Produkt-ID - ID oder Artikelnummer des gekauften Produkts. Dieser Identifikator muss auch in den Produktdaten vorhanden sein, die dem FactFinder Search-Tool bereitgestellt werden. In den Produktdaten muss dies das Feld mit der Rolle productNumber.

• Menge - Menge des gekauften Produkts.

• Warenkorb-ID - erforderlich, um festzustellen, welche Produkte zusammen gekauft wurden. Diese ID muss pro Warenkorb eindeutig sein. Fehlt sie oder ist sie 0, wird das entsprechende Ereignis ignoriert.

• Benutzer-ID - identifiziert den Käufer. Wenn der Benutzer eingeloggt ist, verwenden Sie die Benutzer-ID des Shops. Unterstützt der Shop einen Gastkauf, verwenden Sie eine ID, die für jeden Einkauf eindeutig ist.

Hinweis: Wenn Varianten in den Produktdaten existieren (d. h. eine masterArticleNumber vorhanden ist), übergeben Sie auch die masterId. Wenn eine Variante gekauft wird, lernt die Engine die Verbindung zum Hauptprodukt.

Beispiel für eine Exportdatei:

Zeitstempel; ProduktID; Menge; WarenkorbID; BenutzerID
2009-03-26 00:08:10; 16041987; 1; 3880; 23
2009-03-26 00:08:10; 4582657; 1; 3880; 23
2009-03-26 00:08:10; 8954245; 1; 3880; 23
2009-03-26 00:28:25; 5659536; 2; 3881; 30
2009-03-26 00:08:10; 4582657; 1; 3882; 42
2009-03-26 00:28:25; 4571231; 1; 3883; 51
...

Anfordern von Produktempfehlungen per REST

{{snippet.REST-interface - codegen ver}}

Produktempfehlungen werden über die Methode recommendationabgerufen. Ein Import von Verkaufsdaten kann über den import Methode zugegriffen.

Produktvergleich-Integration

Dieses Modul ermöglicht es, im Shop einfach eine Produktvergleichsfunktion anzubieten. FactFinder liefert die relevanten Produktinformationen für jede angefragte Artikelnummer sowie Informationen zu den verglichenen Attributen, die dann nur noch dargestellt werden müssen.

Verschiedene Attribute können hervorgehoben werden, um die Aufmerksamkeit des Kunden darauf zu lenken.

{{snippet.REST-interface - codegen ver}}

Moduldaten werden über die compareproducts Funktion abgerufen.