Auf dieser Seite wird beschrieben, wie Sie Empfehlungsmodelle optimieren, pausieren, fortsetzen, löschen und auflisten. Informationen zum Erstellen eines neuen Empfehlungsmodells finden Sie unter Empfehlungsmodelle erstellen.
Allgemeine Empfehlungen für die Modellqualität
Ereignisse sollten in der Regel mindestens täglich hochgeladen werden, um eine gute Datenqualität zu gewährleisten.
Altersgrenzen für Daten: Nutzerereignisse, die älter als von 2015 sind, werden nicht akzeptiert. Für Vorschläge zum automatischen Lernen verwendet das System Nutzerereignisse aus den letzten 180 Tagen. Ebenso können Messwerte für Nutzerereignisse, die älter als 180 Tage sind oder vor mehr als 180 Tagen generiert wurden, nicht exportiert werden.
Eindeutige Besucher-IDs: Die Gesamtzahl der eindeutigen Besucher-IDs für jeden Ereignistyp sollte mindestens 100 betragen, um genügend Daten für qualitativ hochwertige Ergebnisse zu haben.
Die meisten Modelle funktionieren am besten mit mindestens drei Monaten Produktseitenaufrufen, Startseitenaufrufen und add-to-cart-Ereignissen.
Für das Modell „Häufig zusammen gekauft“ werden ein bis zwei Jahre Bisherige Käufe empfohlen. Für dieses Modell ist eine der folgenden Voraussetzungen erforderlich:
Durchschnittlich 10 Vorkommen pro Katalogelement (mit einem Zeitraum von einem Jahr für Ereignisse vom Typ „Kauf abgeschlossen“).
Sowohl 90 Tage mit Ereignissen vom Typ „Kauf abgeschlossen“ im letzten Jahr als auch 1.000 Ereignisse vom Typ „Kauf abgeschlossen“ im selben Jahr.
Ein bis zwei Wochen mit Detailseitenaufrufen können ausreichen, um mit dem Training der Modelle Was Ihnen sonst noch gefallen könnte und Für Sie empfohlen zu beginnen.