Suivez votre progression
Accueil Trailhead
Accueil Trailhead

Développement de plans propres aux fonctionnalités

Objectifs de formation

Une fois cette unité terminée, vous pourrez :
  • Décrire les tâches qu’un développeur doit accomplir pour implémenter les fonctionnalités Predictive Sort et Product Recommendations
  • Répertorier les fonctionnalités que vous pouvez implémenter sans grand effort
  • Énumérer les actions à effectuer avant le lancement afin d’implémenter les fonctionnalités Predictive Sort et Product Recommendations
  • Énumérer les mesures à réaliser après le lancement pour implémenter la fonctionnalité Product Recommendations

Introduction

Linda Rosenberg, l’administratrice de Cloud Kicks, prend du recul pour déterminer ce que l’équipe doit faire pour implémenter des fonctionnalités spécifiques dans Commerce Cloud Einstein. Les fonctionnalités suivantes nécessitent uniquement des flux de données et une connexion à Configurator.

Commerce Insights nécessite uniquement des flux de données et un identifiant pour accéder à Configurator.

Les fonctionnalités ci-après nécessitent plus d’efforts.

  • Search Dictionaries
  • Search Recommendations
  • Predictive Sort
  • Product Recommendations

Linda examine plus en détail les fonctionnalités les plus difficiles à implémenter.

Search Dictionaries

Einstein génère des dictionnaires de recherche reposant sur les facteurs suivants :

  • Les groupes de synonymes existants pour un site. S’il n’existe pas de groupes de synonymes, Einstein Search Dictionaries n’inclut pas de suggestions de synonymes.
  • Le volume de trafic entrant sur le site et atteignant la page indiquant qu’aucun résultat de recherche n’a été trouvé.

Après avoir effectué quelques recherches sur le partage de données avec Einstein, Linda a accepté l’accord de confidentialité des données d’Einstein. Nous vous montrerons les étapes dans l’unité suivante. Il s’agit d’un accord permettant de partager et de recevoir anonymement des suggestions de synonymes reposant sur la recherche réseau B2C Commerce et les données de groupe de synonymes.

Brandon ajoute des adresses électroniques aux préférences de recherche de Business Manager (sur l’instance de préproduction) pour informer l’équipe de merchandising des termes de recherche à approuver ou à refuser. Au début, il approuve et refuse lui-même les termes de recherche, et son responsable reçoit lui aussi un e-mail. À mesure qu’il assume de nouvelles responsabilités, son responsable attribue cette tâche à d’autres membres de l’équipe.

Search Recommendations

Bien que Linda souhaite implémenter toutes les fonctionnalités de Search Recommendations, elle peut procéder par incréments. Elle peut commencer par les fonctionnalités de Search Recommendations qui requièrent peu d’efforts et ne nécessitent pas de personnaliser la boutique, puis elle ajoutera les autres fonctionnalités. Voici comment elle prévoit de procéder.

  1. Activer Einstein Search Recommendations. L’algorithme d’apprentissage machine commence à utiliser les requêtes de recherche et à identifier les expressions de recherche à recommander. Einstein commence à afficher des suggestions de recherche fondées sur les recherches effectuées par les acheteurs.
  2. Avec l’aide d’un développeur, décidez dans quels emplacements vous souhaitez placer les Einstein Search Recommendations. Élargir le menu volant de recherche avec saisie prédictive (zone de recherche) pour afficher plusieurs suggestions de recherche (au lieu d’une seule suggestion, comme c’est le cas par défaut). Cette fonctionnalité requiert une personnalisation, car elle n’est pas disponible prête à l’emploi.
  3. Une fois la conception terminée, vous pouvez ajouter les options suivantes aux Einstein Search Recommandations :
    • Implémenter les expressions de recherche récentes en modifiant le menu volant de recherche avec saisie prédictive pour qu’il affiche une liste personnalisée d’expressions de recherche saisies par les acheteurs.
    • Ajouter des expressions de recherche populaires à la personnalisation des expressions de recherche récentes.
    • Ajouter la liste des recherches populaires.
    • Ajouter la liste des recherches récentes effectuées par l’utilisateur.
  4. Veillez à bien répliquer les préférences de recherche en production lorsque le contenu est prêt à être publié sur votre site.
Lorsqu’ils configurent le menu volant, le CSM et Vijay doivent se mettre d’accord sur ce qui y apparaît et sur le nombre maximal de résultats affichés pour chaque élément, comme :
  • Vue de l’entreprise
  • Rechercher/Voulez-vous dire
  • Recherches populaires
  • Marques
  • Catégorie
  • Contenu
  • Consulté récemment

Predictive Sort

Pour implémenter Predictive Sort, Brandon copie une règle de tri existante, puis intègre le tri prédictif à une règle de tri dynamique ou statique dans Business Manager en fonction de ses besoins commerciaux. La réalisation de tests A/B constitue le meilleur moyen d’évaluer le tri prédictif.

Product Recommendations

La fonctionnalité Product Recommendations nécessite elle aussi un travail d’équipe.

Composant

Rôle
Attribué à...
Modèles et créneaux de contenu
Concevez l’apparence du créneau de contenu.
Développeur
Vijay
Flux d’historique des commandes

Administrateur
Linda
Identifiants SFTP

Administrateur
Linda
Systèmes de recommandation
Choisissez l’endroit où vous souhaitez qu’ils apparaissent dans la boutique.
Merchandiser
Brandon

Pour implémenter cette fonctionnalité, l’équipe prévoit les étapes suivantes.

  • Vijay ajoute la fonctionnalité Product Recommendations à la page de détail du produit à l’aide d’un créneau de contenu associé à un recommender.
  • Brandon crée les systèmes de recommandation dans Configurator.
  • Vijay ajoute des recommandations aux créneaux de contenu.
Lorsque Brandon crée des systèmes de recommandation, nous lui conseillons de commencer par le système de recommandation par défaut de la page de détail du produit (PDP), qui est automatiquement disponible dans une configuration de créneau de contenu de Business Manager après le déploiement d’Einstein. Ce recommender lui permet de personnaliser la page de détail du produit à l’aide d’algorithmes d’apprentissage machine incluant :
  • les corrélations entre les produits consultés ;
  • les affinités entre les produits ;
  • le traitement du langage naturel.

L’utilisation de ce recommender permet à Brandon de démarrer sur la page la plus vue.

Il utilise l’aperçu et l’outil Validator pour s’assurer qu’il n’y a aucun problème.

Planification de base

Voici comment l’équipe implémente Product Recommendations.


Linda/CSM
Vijay
Avant le lancement
  • Teste le rendu du créneau de contenu statique.
  • Prépare le créneau pour le rendu dynamique.

Après le lancement
  • Active les flux de commandes et de produits.
  • Contacte le Customer Success Manager afin de lancer Einstein.
  • Fournit les données d’historique des commandes sur deux ans au format Einstein requis, si elles ne sont pas déjà importées dans Business Manager.
  • Les identifiants et l’emplacement du protocole de transfert des fichiers SHH (SFTP) sont automatiquement créés après le déploiement d’Einstein.
  • Crée des créneaux de contenu de type de produit statique et les remplit avec des produits statiques ou des produits récemment consultés.
  • Si possible, utilise la syntaxe de contexte global pour automatiser au maximum le remplissage des créneaux.
  • Effectue les mises à jour de type et de contexte nécessaires à la syntaxe ISML (Internet Store Markup Language), déploie le code et active les recommandations après la validation du rendu des vignettes de produits.

Implémentation de plusieurs produits

L’équipe souhaite implémenter simultanément les fonctionnalités Product Recommendations et Predictive Sort (tâches en gras).


Linda/CSM
Vijay
Avant le lancement
  • Teste le rendu du créneau de contenu statique.
  • Prépare le créneau pour le rendu dynamique.
  • Demande l’application de la mise en cache conditionnelle des pages ajoutée au sprint suivant.

Après le lancement
  • Active les flux de commandes et de produits.
  • Contacte le Customer Success Manager afin de lancer Einstein.
  • Fournit les données d’historique des commandes sur deux ans au format Einstein requis, si elles ne sont pas déjà importées dans Business Manager.
  • Les identifiants et l’emplacement du protocole de transfert des fichiers SHH (SFTP) sont automatiquement créés après le déploiement d’Einstein.
  • Crée des créneaux de contenu de type de produit statique et les remplit avec des produits statiques ou des produits récemment consultés.
  • Si possible, utilise la syntaxe de contexte global pour automatiser au maximum le remplissage des créneaux.
  • Effectue les mises à jour de type et de contexte nécessaires à la syntaxe ISML (Internet Store Markup Language), déploie le code et active les recommandations après la validation du rendu des vignettes de produits.
  • Modifier le code pour appliquer la mise en cache conditionnelle des pages.

Étapes suivantes

Dans cette unité, Linda et son équipe ont découvert les étapes nécessaires à l’implémentation des fonctionnalités spécifiques de Commerce Cloud Einstein. Dans l’unité suivante, Linda active l’accord de confidentialité, installe l’extension Chrome et effectue le déploiement dans Business Manager.

Ressources

Les droits du nom d’ALBERT EINSTEIN sont utilisés avec l’autorisation de l’université hébraïque de Jérusalem. Représenté exclusivement par Greenlight.