Einstein Product Recommendations を知る
学習の目的
この単元を完了すると、次のことができるようになります。
- 明示的な商品のおすすめと B2C Commerce Einstein Product Recommendations の違いを説明する。
- Einstein Product Recommendations を実装するために必要な 4 つのフェーズを概説する。
- Einstein Product Recommendations の実装における Salesforce システム管理者、マーチャンダイザー、開発者のロールと責任を定義する。
- Einstein Product Recommender がデータと戦略を使用して商品のおすすめを生成する方法を説明する。
現在 Commerce Cloud は Agentforce Commerce に、B2C Commerce は Agentforce Commerce for B2C に名称が変更されています。アプリケーションやドキュメント内では Commerce Cloud や B2C Commerce という名称が引き続き使用される場合があります。
デジタルチャネルを中心に買い物をする買い物客は、魅力的でパーソナライズされたオンラインショッピング体験を期待しています。そうした体験の 1 つが、買い物客の関心や閲覧行動に基づく商品のおすすめです。ほとんどの e コマースサイトでは、明示的な商品のおすすめを提示しています。明示的なおすすめとは、表示中の商品やカテゴリを、おすすめの商品に結び付けるリンクです。たとえば、買い物客がストアフロントで赤いハイカットスニーカーの商品ページを表示すると、T シャツと赤いショートパンツをおすすめするリンクが表示されます。このリンクは、ページの [You Might Also Like (あなたへのおすすめ)] 領域に表示されます。
明示的なおすすめはベストの推測 (ときには希望的観測) に基づいています。これは、経験豊富なマーチャンダイザーが自然な組み合わせだと考えるものです。ですが、買い物客からの直接的な入力やフィードバック、またはリアルタイムの小売データがなければ、どれほど経験豊富なマーチャンダイザーでも販売機会を十分に捉えているかどうかの確信を持てません。
Einstein を活用したおすすめに切り替えて明示的なリンクをやめる
B2C Commerce Einstein Product Recommendations は、買い物客に合わせて商品のおすすめをパーソナライズします。閲覧履歴、購入行動、検索クエリなど、リアルタイムの顧客インタラクションを分析して、おすすめから推測をなくします。Einstein Product Recommender は顧客データのパターンを識別します。このプロセスによって買い物客の好みや関心を予測し、購入の増加につながるパーソナライズされたおすすめを提示します。顧客は求めている商品を見つけられ、企業はコンバージョン率を最大化して平均注文額を高めることができます。
Agentforce Commerce の Einstein Product Recommendations は、次の履歴データとライブデータを使用して、商品のおすすめを動的に生成します。
-
商品カタログ: カタログフィードを介して収集された商品情報。
-
注文: 注文フィードを介して収集された注文情報。
-
クリックストリーム: ピクセルトラッキングによって自動的に収集されたリアルタイムデータ。クリックストリームデータには、商品の表示、カートへの追加、注文手続きの完了、おすすめの表示などのアクティビティが含まれます。
Einstein Product Recommendations で使用するデータが増えるほど、情報に基づいてより的確なおすすめが買い物客に提供されます。
Product Recommendations を実装する
Einstein Product Recommendations の実装は 4 つのフェーズで行われます。
-
フェーズ 1: Salesforce B2C Commerce 環境で Einstein Product Recommendations を有効にします。
-
フェーズ 2: 履歴データを使用して AI モデルをトレーニングし、正確で関連性の高いおすすめが返されるようにします。
-
フェーズ 3: おすすめ戦略とストアフロントでの配置を設定します。
-
フェーズ 4: おすすめのパフォーマンスを監視して最適化します。
B2C Commerce Einstein Product Recommendations の実装は、共同作業で進めます。ロールと責任の内訳は次のとおりです。
ロール |
主な責任 |
主な貢献 |
|---|---|---|
|
Salesforce システム管理者 フェーズ 2 |
Einstein Product Recommendations を有効化する: Salesforce B2C Commerce 環境で Einstein Product Recommendations を有効化します。このアクションでは、関連機能を有効にし、Einstein Product Recommendations Configurator ツールを含むシステムとの適切な統合を確保します。
データフィードを設定する: Einstein Product Recommender が正確な商品のおすすめを生成するために必要なデータを使用できるように、本番インスタンスに対してカタログフィードと注文フィードを設定します。 |
Einstein Product Recommendations が効果的に機能するために必要な基盤を確立します。おすすめをサポートするようにシステムを設定します。本番で使用するデータフィードを準備します。 |
マーチャンダイザー |
おすすめ戦略を設定する: Einstein Product Recommendations Configurator ツールを使用して、おすすめ商品リストの構成を制御するビジネスルールを定義します。たとえば、どの商品を上位に表示するか、下位に表示するか、または除外するかを定義します。 ストアフロントでの配置: テンプレートと Recommender を使用してコンテンツスロットを設定し、ストアフロントに商品のおすすめを表示します。 |
おすすめの戦略とビジネスの両方に重点を置き、マーチャンダイジング目標や顧客体験と一致するようにします。 |
開発者 |
テンプレートを作成または変更する (SFRA): テンプレート内におすすめコンテンツスロットを作成して、ストアフロントに商品のおすすめを表示します。 Einstein API を統合する (Composable): インテリジェント機能をテンプレートの枠を超えて拡張し、コンポーザブルストアフロント、モバイルアプリ、クライアンテリングツールなどに統合します。 設定を実装する: おすすめを表示するために、適切なテンプレートとビジネスルールを適用します。 |
技術的な実装を担当します。定義済みの設定に従って、ストアフロントでおすすめを表示できるようにします。 |
「Agentforce Commerce Einstein の実装」と「Commerce Cloud Einstein を使用したスマートな検索」のバッジで、システム管理者がフェーズ 1 とフェーズ 2 をどのように完了するのかを確認してください。このモジュールでは、フェーズ 3 とフェーズ 4 を実行する方法を学習します。
まず、フェーズ 3 の Recommender の設定から始めましょう。Recommender は、買い物客がストアフロントで見ている商品とおすすめ商品のリストの間のリンクを提供します。
計画の作成から始める
Recommender を設定する前に、戦略を計画することが重要です。次の質問を検討して、計画を具体化します。
- ページのどこにおすすめを配置するか?
- どの種別のページでおすすめを提示するか?
- どの種別の商品を表示するか?
おすすめの商品をどこに配置するかは重要です。普通は、商品情報の下やホームページの左フレームなど、買い物客の注意を引く場所に配置したいと考えるでしょう。買い物客が表示している内容を補完できる場所に配置するよう計画します。買い物客が見ている商品を、関心を持ちそうな他の商品にリンクします。
Recommender は 1 ページのみか、全ページで設定できます。
商品のおすすめに最適なページ:
- 商品の詳細
- カテゴリ
- ホーム
- マイアカウント
- 私のおすすめ
- 買い物カゴ
- ほしい物リスト
- 注文手続き
買い物客の関心を引いたり、より幅広いソリューションや選択肢を提示したりするために、おすすめの使用を計画します。次のような例があります。
配置するページ |
買い物客に表示されるリスト |
|---|---|
買い物カゴ |
同じブランドまたはほかのブランドの補完商品。 |
カテゴリ |
表示されている商品と同じカテゴリの商品。 |
ほしい物リスト |
買い物客が見たほかの商品。 |
Recommender のしくみを学ぶ
Einstein Product Recommender を使用して、パーソナライズされた商品のおすすめで顧客体験を強化します。Recommender は顧客の行動、好み、履歴データを分析し、関連性の高い商品をリアルタイムで提案します。関連性の高い商品を適切なタイミングで買い物客に提示するように調整されたおすすめは、コンバージョン率の向上につながります。
Product Recommender を使用して、おすすめ商品のリストを生成する方法またはアルゴリズムを制御します。リストをストアフロントに渡す前に、商品を削除したり順序を変更したりして、おすすめ商品のリストを変更します。この柔軟性により、顧客に提示されるおすすめの関連性を保ちながら、ビジネスの目標に一致させることができます。
データ分析とパターン認識
Einstein Product Recommender は、閲覧履歴、購入行動、検索クエリなど、顧客の過去およびリアルタイムのインタラクションを分析します。このデータ内のパターンを特定することで、顧客の好みや関心を予測します。
コンテキストに応じた関連性
おすすめを顧客ジャーニーの特定のコンテキストに一致させます。たとえば、買い物客が商品ページを表示している場合、Einstein Product Recommendations は補完商品や類似商品を提案します。顧客が注文手続き中の場合は、一緒によく購入される品目を推奨できます。
種別
Product Recommender 種別とは、事前定義された条件に基づいておすすめを生成するために使用される特定のアルゴリズムまたはモデルを指します。これらの種別は、個別の顧客行動やコンテキストに対応するように設計されています。
動的な学習
システムは新しいデータに基づいて継続的に学習し、適応します。顧客行動が変化するにつれて、おすすめはより正確でパーソナライズされたものになります。
事前定義済み戦略
Recommender 設定には、おすすめ商品のリストを生成するためにシステムが使用するアプローチを決定する 1 つ以上の戦略が含まれます。Salesforce では、この商品を見た顧客がほかに見た商品、一緒によく購入される商品、あなたへのおすすめなど、事前定義済みのおすすめ戦略が提供されています。これらの戦略は、ビジネス目標や買い物客の属性に合わせてカスタマイズできます。
ルール
おすすめリストの構成と順序を制御してリストを操作する 1 つ以上のルールを設定できます。次の単元では、Recommender の戦略とルールについて詳しく説明します。
次の図は、2 つの戦略と 2 つのルールを使用して設定した「商品から商品」 Recommender を示します。
Recommender ごとに、戦略は最大 3 件、ルールは最大 30 件まで割り当てることができます。
次の単元
この単元では、Einstein Product Recommendations がパーソナライズした商品のおすすめで買い物客体験の向上に役立つことを学びました。また、Recommender を計画して実装する方法と、商品のおすすめのしくみについても確認しました。次は、Recommender についてさらに詳しく学び、Configurator ツールを使用して作成する方法を学習します。
リソース