> For the complete documentation index, see [llms.txt](https://docs.fact-finder.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.fact-finder.com/integration/de/recommendation-engine-integration/supplying-the-recommendation-engine-with-sales-data.md). # Bereitstellung von Verkaufsdaten für die Empfehlungs-Engine Zusätzlich zu den Produktdaten, die bereits über Search verfügbar sind, benötigt die FactFinder Recommendation Engine auch Verkaufsinformationen. Es gibt zwei gängige Möglichkeiten, es bereitzustellen. Sie können die Daten entweder über die Tracking-Schnittstelle senden oder sie in einer Datei bereitstellen, die in regelmäßigen Abständen übermittelt wird. ### Nachverfolgung Dies ist die empfohlene Methode, da Tracking auch zusätzliche Vorteile bietet, wie etwa zusätzliche Analytics. Die Tracking-Schnittstelle ist Teil der standardmäßigen FactFinder-Integration, sodass dies normalerweise keinen zusätzlichen Aufwand bedeutet. Weitere Details zur Tracking-Schnittstelle finden Sie in der Integrationsdokumentation. Um Verkaufsdaten für die Empfehlungs-Engine bereitzustellen, integrieren Sie das Tracking mindestens über die `Kauf` Ereignis. Der Hauptnachteil besteht darin, dass Verkaufsdaten erst ab dem Zeitpunkt verfügbar sind, an dem die Zeiterfassung integriert ist. Wenn es sich um eine neue Einrichtung handelt, ist mit einer kurzen Anlernphase zu rechnen. Um diese Phase zu verkürzen, können Sie historische Verkaufsdaten auch in einer Exportdatei bereitstellen. > Tracking-Daten müssen zuerst von Analytics aufbereitet werden, bevor die Recommendation Engine sie verwenden kann. Die `WhatsHot` Der Job sammelt diese Daten regelmäßig, normalerweise einmal täglich, aus Analytics und speichert sie in der `APP_RESOURCES/analytics` Verzeichnis. Die Recommendation Engine Daten-Import funktioniert nur, wenn Daten verfügbar sind. ### Exportdatei Dieselben Grundsätze, die für den Export von Produktdaten gelten, gelten auch beim Erstellen dieser Exportdatei. Weitere Informationen zu diesen Grundsätzen finden Sie unter: [Datensatzstruktur für Export/Daten-Import](/docs/de/import/ff-search-integration-how-to-optimize-your-datafeed.md). Eine CSV-Textdatei ist das ideale Format. Der Export muss ein vollständiger Export sein. Inkrementelle Lieferungen werden nicht unterstützt. Wenn das Datenvolumen groß ist, beschränken Sie den exportierten Zeitraum auf 6–12 Monate. Die Datei muss die folgenden Informationen enthalten: | | | | ------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | Name | Beschreibung | | Zeitstempel | Datum und Uhrzeit des Kaufs. | | Produkt-ID | ID oder Artikelnummer des gekauften Produkts. Diese Kennung muss auch in den Produktdaten vorhanden sein, die für das FactFinder Search-Tool bereitgestellt werden. In den Produktdaten muss dies das Feld mit der Feldrolle sein `productNumber`. | | Menge | Menge des gekauften Produkts. | | Warenkorb-ID | Die Warenkorb-ID ist erforderlich, um festzustellen, welche Produkte zusammen gekauft wurden. Diese ID muss pro Warenkorb eindeutig sein. Wenn sie fehlt oder 0 ist, wird das entsprechende Ereignis ignoriert. | | Benutzer-ID | Die Benutzer-ID identifiziert den Käufer. Wenn der Benutzer beim Kauf angemeldet ist, wird für diesen Parameter die eigene Benutzer-ID des Shops verwendet. Wenn Ihr Webshop Käufe ohne Anmeldung unterstützt, muss dies eine ID sein, die für jeden Kauf eindeutig ist. | > Wenn es in den Produktdaten Varianten gibt und ein `masterArticleNumber` ist verfügbar, übergeben Sie auch die `masterId`. Wenn eine Produktvariante gekauft wird, lernt die Engine dann die Beziehung zum Hauptprodukt. #### Beispiel ```language-plaintext Zeitstempel;Produkt-ID;Menge;Warenkorb-ID;Benutzer-ID 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 ... ``` --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.fact-finder.com/integration/de/recommendation-engine-integration/supplying-the-recommendation-engine-with-sales-data.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.