Einstein Product Recommendations を知る

Brandon Wilson は高級スニーカーを扱う企業 Cloud Kicks のマーチャンダイザーです。Cloud Kicks e コマースストアフロントの買い物客体験を改善したいと考えています。そのための方法の 1 つは、買い物客の関心事項や行動に基づいてパーソナル化した商品の推奨を提供することです。もう 1 つの方法は、一般的なショッピングトレンドを追跡して、現在人気のある商品を推奨できるようにすることです。

多くの顧客のために考慮すべきことが沢山あります。幸い、Salesforce にはぴったりのツールがあります。Commerce Cloud Einstein です。

Cloud Kicks のストアフロントは Salesforce B2C Commerce 上で運用されています。現在、Brandon はオンラインの B2C Commerce ストアフロント管理ツールである Business Manager を使用して明示的な推奨を構成しています。明示的な推奨とは、参照元オブジェクト (カテゴリ、商品、商品セットなど) から参照先オブジェクト (商品、商品セットなど) へのリンクです。たとえば、買い物客が Cloud Kicks のストアフロントで赤のハイトップスニーカーを見ていたら、T シャツと赤のショーツの推奨がページの [You Might Also Like (あなたへのおすすめ)] 領域に表示されるように構成できます。

クロスセル (関連商品) またはアップセル (より高額な商品) は明示的な推奨の典型です。Brandon はすでに複数タイプのクロスセルを設定しています。これらは商品ファミリー、補完商品または付属商品、同等商品にカテゴリ化されています。これらをストアフロントに [新商品]、[こちらもおすすめ]、[あなたへのおすすめ]、[ベストセラー] などの表示ラベルで表示します。

明示的な推奨はベストの推測 (ときには希望的観測) に基づいています。Brandon とそのチームは、これを自明なつながりと考えています。とはいえ、買い物客からの直接の意見やフィードバック、ライブの小売データがないため、Brandon は Cloud Kicks が販売機会を逸しているのではないかと思っています。最新のデータサイエンスを利用して、商品の推奨から推測をなくす必要があります。パーソナル化した商品の推奨は、Cloud Kicks がコンバージョン率を最大限まで高め、平均注文額を上げるためにも役立ちます。

そこで Commerce Cloud Einstein Product Recommendations の出番です。

Commerce Cloud Einstein ではライブデータを使用して動的に推奨項目を生成します。Brandon が Business Manager に設定している明示的な推奨に対して、これを暗黙的な推奨と考えることができます。Commerce Cloud Einstein ではストアフロントでの買い物客の活動から過去のデータとライブデータを使用するだけでなく、データの共有に同意したすべてのマーチャントというはるかに大きなプールからのデータも使用します。Einstein 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推奨項目が買い物客に提供されます。

Einstein Product Recommendations を実装するには Cloud Kicks の管理者 Linda Rosenberg とデベロッパーの Vijay Lahiri の両方からサポートが必要だと Brandon は早い段階で気付きます。

このチームは次の手順を実行する必要があります。

1. Linda が Production (本番) インスタンスに対するカタログのフィードを構成して実行する。
2. Linda が Production (本番) インスタンスに対する注文のフィードを構成して実行する。
3. Linda が Configurator ツールを導入する。
4. Brandon が Configurator を使用して Recommender (ビジネスルール) を構成する。
5. Vijay が Internet Store Markup Language (ISML) テンプレートでコンテンツスロットを作成する。
6. Brandon が Business Manager でコンテンツスロット設定を作成する。この設定によりテンプレートと、Einstein が推奨商品 ID に適用するビジネスルールが制御されます。

「Commerce Cloud Einstein の実装」バッジを獲得している場合は、Linda と一緒に最初の 2 つのタスクを完了しています。「Commerce Cloud Einstein を使用したスマートな検索」バッジを獲得している場合は、チームが 3 つ目のタスクを実行する方法をすでに学習しています。このモジュールでは、チームが残りの Einstein Product Recommendations 設定手順を実行する方法を学習します。

では、4 つ目のタスクである Recommender の構成をはじめましょう。Recommender は、買い物客がストアフロントで見ている商品と推奨商品のリストの間のリンクを提供します。

Brandon は Configurator ツールを使用して Recommender を作成する方法を学ぶことに意欲的です。このツールを使用すると、Einstein で商品 ID のリストの生成に使用される戦略 (アルゴリズム) を制御でき、商品の表示/非表示や上位/下位に表示を制御するルールを作成できます。ストアフロントで推奨商品の最終的なリストが表示されるときには、ルールの定義に従って最適な順序になっています。

後ほど、Vijay と一緒にパーソナル化した推奨項目をストアフロントに表示するために使用するコンテンツスロットに取り組みます。

まず、Brandon は少し戻って Einstein Product Recommendations を使用する方法を計画します。次の質問に答えます。

• ページのどこに推奨項目を配置するか?
• どのタイプのページで推奨項目を提示するか?
• どのタイプの商品を表示するか?

推奨項目の配置場所は重要です。Brandon 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ています。常に、買い物客がすでに見ている商品以外に目が向くように配置する必要があります。買い物客が現在見ている商品を、関心を持ちそうな他の商品にリンクします。

Brandon は商品を推奨するために最適なページのタイプを特定します。Recommender は 1 ページのみか、全ページに構成できます。Brandon は次のタイプのページを検討しています。

• 商品情報ページ
• カテゴリページ
• ホームページ
• マイアカウントのページ
• 推奨項目のページ
• 買い物カゴ
• ほしい物リスト
• 注文手続き

推奨項目は買い物客の興味をそそるか、より幅広いソリューションや選択を提示する必要があります。次に、いくつか例を示します。

取り組むべきページタイプ、ページ配置、商品を把握できたので、Brandon は Recommender について調べています。Recommender を構成する際、タイプ、戦略、ルールを割り当てます。各 Recommender にタイプを割り当てる必要があります。また、Recommender あたり戦略は 3 個まで、ルールは 30 個まで割り当てることができます。

次の Recommender タイプがあります。

• 商品から商品
• すべてのカテゴリ内の商品
• カテゴリ内の商品
• 最近見た商品
• セットを完成

次の戦略を使用できます。

• 顧客が最近見た商品
• この商品を購入した顧客が他に購入した商品
• この商品を見た顧客が他に見た商品
• この商品を見た顧客が最終的に購入した商品
• 商品アフィニティアルゴリズム
• リアルタイムのパーソナル化推奨項目
• 最近もっともよく閲覧されている商品
• 最近の売れ筋商品

次の図は、2 つの戦略と 2 つのルールを使用して構成した「商品から商品」 Recommender を示します。

Brandon Wilson は、Einstein Product Recommendations がパーソナル化した商品推奨で買い物客体験の向上に役立つことを学びました。Product Recommendations のしくみと、その実装計画と実装方法についても調べました。

次の単元で、Brandon は Recommender に関する知識を深め、Configurator ツールをして Recommender を作成します。

Salesforce ヘルプ: Product Recommendations