|
Post by account_disabled on Mar 19, 2024 9:06:31 GMT
我们开发了一种算法可以从所有客户的行为中学习并在推荐中显示客户在查看当前产品后最有可能添加到购物车并购买的产品。如果没有足够的有关添加到购物车和订单的数据该算法将使用有关所有用户的产品视图的数据。并且仅当这些数据不够时才会使用有关描述和属性的相似性的信息。要检查组件的运行情况您需要在热门产品的页面上找到包含替代产品推荐的块。推荐应该推荐与您正在查看的产品描述相似的产品以及与其不相代品的产品。 该组件提供以下属性效率您可以找到最合适的替代品特异性考虑与当前产品相关的行为相关性推荐随着 亚美尼亚电报号码数据 客户行为的变化而变化。解决冷启动问题如果您仅根据客户行为数据构建替代推荐那么当其中某些产品的数据不足时您将无法为所有产品形成推荐。最常见的是不受欢迎的新产品。在上一篇文章中我们讨论了这个问题但是我们决定在这里指出它因为在不同的算法中设计用于解决同一问题的组件可以以不同的方式排列。作为解决方案我们实现了一个使用属性相似性查找匹配产品的组件。这使得显示几乎所有产品的推荐成为可能。 在这种情况下将首先显示具有足够行为数据的产品。要检查组件的功能您可以访问新产品或不受欢迎的产品的卡片并确保显示推荐。此外您需要确保推荐的产品是当前产品的替代品。该组件提供以下属性覆盖范围针对没有足够客户行为数据的产品形成推荐。热门产品算法及其组成当买家进入在线商店时您要做的第一件事就是让他感兴趣。为此您可以向他展示商店中最优惠的商品。此外买家需要尽早了解商店的品种中有哪些类型的商品。这些问题可以使用热门产品算法来解决。
|
|