Déploiement de Commerce Cloud Einstein

Objectifs de formation

Une fois cette unité terminée, vous pourrez :

Répertorier les types de données dont Einstein permet d’assurer le suivi
Expliquer l’importance de l’accord de confidentialité des données d’Einstein
Citer quatre actions suivies par Commerce Cloud Recommendations Validator
Énumérer les deux manières d’activer les flux lors du déploiement
Expliquer comment Einstein utilise les flux de données

Introduction

Maintenant qu’elle a fini de planifier l’implémentation, Linda Rosenberg sait comment son équipe et elle doivent procéder. Pour commencer, elle installe et configure plusieurs fonctionnalités. Pour la fonctionnalité Search Dictionaries, elle signe l’accord de confidentialité des données d’Einstein. Elle consent à fournir des données de dictionnaires de recherche à une base de données partagée, à laquelle d’autres marchands qui ont également signé l’accord accèdent et contribuent. Ces marchands disposent de plus de données, ce qui leur permet de créer de meilleures expériences d’achat.

Pour les fonctionnalités Product Recommendations et Predictive Sort, elle installe Commerce Cloud Recommendations Validator, une extension Chrome conçue pour réaliser des tests d’assurance qualité. Elle déploie également Commerce Cloud Einstein.

Ensuite, elle commence à travailler sur les données.

Où sont les données ?

Les algorithmes d’apprentissage machine nécessitent des ensembles de données conséquents pour découvrir et exploiter des corrélations et des modèles statistiques utiles. L’idéal est de disposer de deux années de données, mais Cloud Kicks n’a pas commencé à collecter des données depuis si longtemps. Heureusement, Einstein fonctionne avec les données dont vous disposez.

Pour déployer Einstein dans sa boutique B2C Commerce, Linda récupère les données des sources suivantes.

Catalogue : elle recueille les informations sur les produits stockées dans le catalogue en exécutant un flux de catalogue sur son instance de production.
Commandes : elle collecte les informations des commandes générées dans la boutique en exécutant un flux de commande sur son instance de production.
Parcours : le site enregistre automatiquement les données de parcours en temps réel à l’aide du suivi des pixels. Ces données sont collectées en direct : Linda n’a pas besoin de faire quoi que ce soit.

Einstein utilise des modèles d’apprentissage machine permettant les actions suivantes :

Analyser les données.
Identifier les produits fréquemment achetés ensemble pour élaborer des ensembles de produits, des offres groupées et des promotions plus attractifs.
Identifier les termes à ajouter aux dictionnaires de recherche pour en améliorer les résultats.
Gérer des créneaux de contenu qui affichent les produits recommandés.
Personnaliser le guidage de recherche avec saisie prédictive à l’aide du menu volant de recherche et des paramètres de Business Manager.
Trier les résultats de recherche.

Activation du suivi des activités dans la boutique

Einstein utilise le suivi des activités par navigateur pour réagir en temps réel aux actions des acheteurs sur votre site. Pour vous assurer que les activités sont activées en production :

Ouvrez Business Manager.
Cliquez sur site > Outils du marchand > Préférences du site > Paramètres de confidentialité.
Sélectionnez Activé pour le suivi (il s’agit du paramètre par défaut pour les nouvelles sessions dans la boutique).
Cliquez sur Appliquer.

Commerce Cloud Recommendation Validator

Recommendation Validator est une extension Chrome qui valide et débogue les règles de tri et les recommandations de produits Einstein de votre boutique. Il intègre un tableau de bord pour l’analyse des paniers et aide les merchandisers tels que Brandon Wilson à valider et à déboguer les recommandations émises par l’intelligence prédictive. Vous pouvez ainsi afficher l’activité du site, les recommandations du site et les données des recommandations par e-mail.

Cette extension est uniquement disponible pour le navigateur Google Chrome.

Linda télécharge cette extension sur son navigateur afin de pouvoir aider les autres utilisateurs en cas de problème. Observons comment elle procède.

Dans le navigateur Chrome, accédez à la page d’extension Chrome Web Store.
Cliquez sur Ajouter à Chrome.
Pour confirmer l’installation, cliquez sur Ajouter l’extension.

Interface utilisateur de Recommendation Validator avec le bouton Ajouter à Chrome mis en évidence.

L’icône d’extension apparaît à droite de la barre d’adresse.

L’extension Recommendation Validator se lance une fois qu’elle est installée. Lorsque Linda accède à un site utilisant les fonctionnalités Einstein, l’extension valide instantanément les activités de recommandation et les règles de tri. Lorsque l’extension repère des événements, un numéro apparaît sur l’icône indiquant le nombre d’événements repérés.

Observons comment Linda se sert de cet outil.

Ouvrez la boutique.
Déclenchez des activités en naviguant dans la boutique.
Cliquez sur l’icône du validateur (1) lorsqu’elle affiche un numéro pour consulter le statut des activités déclenchées. Dans cet exemple, le validateur a repéré 2 événements.

Informations affichées dans Recommendation Validator

Observez les événements repérés (2). Dans cet exemple, le nom de l’activité est clickCategory.

Une fois que Linda active les recommandations, les informations sont indiquées dans les onglets.

Événements du validateur

Lorsque le validateur repère des événements, une icône apparaît avec le nombre d’événements détectés. Le validateur affiche une réponse en fonction de chaque activité. Nous recommandons aux développeurs comme Vijay Lahiri de consulter la documentation du Infocenter lorsqu’ils valident leurs implémentations.

Le tableau suivant montre l’action qu’un client effectue (par exemple, cliquer sur une catégorie), le déclencheur inclus dans le code et les résultats affichés dans le validateur.

Action effectuée par l’acheteur	Déclencheur	Résultats
Cliquer sur une catégorie.	viewCategory	Si le suivi du parcours est configuré correctement, le message « viewCategory fonctionne correctement » apparaît dans le validateur.
Cliquez sur un produit.	viewProduct	Si le suivi du parcours est configuré correctement, le message « viewProduct fonctionne correctement » apparaît dans le validateur.
Afficher le créneau de contenu des recommandations.	viewReco	Si les recommandations sont activées sur une page et fonctionnent correctement, le message « viewReco fonctionne correctement » apparaît dans le validateur. Pour afficher les informations relatives à chaque système de recommandations, cliquez sur l’onglet Recommandation.
Cliquer sur un produit recommandé.	clickReco	Si le suivi du parcours est correctement configuré, le message « clickReco fonctionne correctement » apparaît dans le validateur.
Ajouter un élément au panier.	addToCart	Si le suivi du parcours est configuré correctement, le message « addToCart fonctionne correctement » apparaît dans le validateur.
Cliquer pour procéder au paiement.	beginCheckout	Si le suivi du parcours est configuré correctement, le message « beginCheckout fonctionne correctement » apparaît dans le validateur.
Terminer le paiement.	finishCheckout	Si le suivi du parcours est correctement configuré, le message « finishCheckout fonctionne correctement » apparaît dans le validateur.
Effectuer une recherche et afficher les résultats.	viewSearch	Si le suivi du parcours est configuré correctement, le message « viewSearch fonctionne correctement » apparaît dans le validateur.

Déploiement d’Einstein

Pour déployer Einstein dans la boutique B2C Commerce de Cloud Kicks, Linda se plonge dans l’intelligence prédictive. Le service Einstein Deployment transfère les données du catalogue de produits et des flux de commandes vers Commerce Cloud Einstein. Les modèles prédictifs d’apprentissage machine utilisent des flux de données pour générer des recommandations. Einstein Deployment importe également les données dans l’outil Configurator, où Brandon peut configurer des règles métiers permettant d’ajuster la génération des recommandations de produit.

Linda contrôle la fréquence à laquelle les données du catalogue et des commandes sont déployées sur Einstein. Elle choisit donc d’effectuer le déploiement assez souvent pour disposer de données actualisées. Comme le déploiement peut avoir une incidence sur les performances de la boutique, elle l’ajuste en fonction de la fréquence de modification du catalogue. Plusieurs essais sont parfois nécessaires pour trouver la fréquence la mieux adaptée.

Voici les étapes à suivre pour lancer le processus de flux de données qui déploie Commerce Cloud Einstein.

Ouvrez Business Manager.
Sélectionnez Administration > Fonctions opérationnelles > Tableau de bord de statut Einstein.
Dans la colonne Site, cliquez sur le site à configurer.
Sélectionnez la région qui correspond à la zone géographique de votre activité principale. Ce paramètre détermine où les données prédictives sont physiquement stockées et traitées. Par exemple, sélectionnez Amériques.
Si nécessaire, modifiez le paramètre Host (Hôte) (exemple : www.northerntrailoutfitters.com, en excluant le https://).
Sélectionnez une ou plusieurs fonctionnalités à inclure.

Produits en rupture de stock : vous permet de faire des recommandations sur les pages de détails des produits en rupture de stock.
Produits de groupe de variations : si votre catalogue comporte des groupes de variations, vous pouvez faire des recommandations au niveau du groupe de variations (par exemple, au sujet des couleurs).
Plusieurs paramètres régionaux : si votre site prend en charge plusieurs paramètres régionaux, les informations sur les produits sont fournies pour chacun d’eux.

Sélectionnez ou saisissez la date une fois que les commandes d’exportation sont créées.
Saisissez un nombre maximal de commandes par exécution, par exemple, 10 000.
Sélectionnez le bouton Activé. Si celui-ci est inactif, les flux de catalogue et de commande ne sont pas planifiés pour le site.
Planifiez le démarrage et la fréquence d’exécution des flux :

exécutez les flux immédiatement pour un usage unique, ou
configurez une exécution répétée.

Cliquez sur Enregistrer.

Commerce Cloud Einstein est maintenant prêt à être utilisé.

Étapes suivantes

Dans cette unité, Linda a appris l’importance de signer l’accord de confidentialité des données d’Einstein. Elle a également découvert comment les données des commandes, des produits et des parcours de sa boutique peuvent fournir à sa société des informations précieuses sur les acheteurs de Cloud Kicks afin que les marchandiseurs comme Brandon puissent améliorer leur expérience en proposant des recommandations de produits plus ciblées et un meilleur tri des recherches. Dans l’unité suivante, elle découvre comment examiner des données avec l’outil Configurator.

Besoin d'aide ?