> 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). # Verkaufsdaten für die Recommendation Engine Zusätzlich zu den bereits über die Suche verfügbaren Produktdaten benötigt die FactFinder Recommendation Engine auch Verkaufsinformationen. Es gibt zwei gängige Möglichkeiten, sie bereitzustellen. Sie können die Daten entweder über die Tracking-Schnittstelle senden oder sie in einer Datei bereitstellen, die in regelmäßigen Abständen eingereicht wird. ### Tracking Dies ist die empfohlene Methode, da Tracking außerdem zusätzliche Vorteile bietet, wie etwa zusätzliche Analytics. Die Tracking-Schnittstelle ist Teil der standardmäßigen FactFinder-Integration, sodass dadurch in der Regel kein zusätzlicher Aufwand entsteht. Weitere Details zur Tracking-Schnittstelle finden Sie in der Integrationsdokumentation. Um Verkaufsdaten für die Recommendation Engine bereitzustellen, integrieren Sie Tracking mindestens über die `Kauf` Ereignis. Der größte Nachteil ist, dass Verkaufsdaten erst ab dem Zeitpunkt verfügbar sind, an dem die Zeiterfassung integriert ist. Wenn es sich um eine neue Einrichtung handelt, rechnen Sie mit einer kurzen Anlaufphase. Um diese Phase zu verkürzen, können Sie auch historische Verkaufsdaten in einer Exportdatei bereitstellen. > Tracking-Daten müssen zuerst von Analytics aufbereitet werden, bevor die Empfehlungs-Engine sie verwenden kann. Die `WhatsHot` Der Job sammelt diese Daten regelmäßig, normalerweise einmal am Tag, aus Analytics und speichert sie in der `APP_RESOURCES/Analytics` Verzeichnis. Der Daten-Import der Empfehlungsmaschine funktioniert nur, wenn Daten verfügbar sind. ### Datei exportieren Dieselben Grundsätze, die für den Export von Produktdaten gelten, gelten auch beim Erstellen dieser Exportdatei. Weitere Informationen zu diesen Grundsätzen finden Sie unter: [Aufbau des Datensatzes 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, begrenzen 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. Dieser Bezeichner muss auch in den Produktdaten vorhanden sein, die dem FactFinder Search-Tool bereitgestellt werden. In den Produktdaten muss dies das Feld mit der Feldrolle sein `productNumber`. | | Menge | Menge des Produkts, das gekauft wurde. | | 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 in den Produktdaten Varianten vorhanden sind und ein `masterArticleNumber` verfügbar ist, übergeben Sie auch den `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.