Termékjavaslatok előrejelzése (előzetes verzió)

[Ez a cikk egy előzetes kiadási dokumentáció, amely a későbbiekben változhat.]

A termékjavaslati modell prediktív termékjavaslatokat hoz létre. Az ajánlások a korábbi vásárlási viselkedésen és a hasonló vásárlási mintával rendelkező ügyfeleken alapulnak. Üzleti ismeretekkel kell rendelkeznie a vállalkozás különböző típusú termékeiről és arról, hogy az ügyfelek hogyan lépnek kapcsolatba velük. Támogatjuk az ügyfelek által korábban megvásárolt termékek ajánlását, illetve az új termékekre vonatkozó ajánlásokat.

A termékajánlási modell a következőkben segít:

• Ajánljon más termékeket a vásárláshoz
• Vegye fel a kapcsolatot az ügyfelekkel olyan termékekkel, amelyek érdekelhetik őket
• A felfedezés javítása más releváns termékekkel és szolgáltatásokkal
• Személyre szabott ügyfélélmény létrehozása

A termékajánlásokra a helyi törvények és előírások, valamint az ügyfelek elvárásai vonatkozhatnak, amelyeket a modell nem kifejezetten figyelembe vesz. Ezért át kell tekintenie a javaslatokat, mielőtt eljuttatná őket az ügyfelekhez , hogy megbizonyosodjon arról, hogy megfelel a vonatkozó törvényeknek és előírásoknak, valamint az ügyfelek elvárásainak az Ön által ajánlott javaslatokkal kapcsolatban.

A modell kimenete a termékazonosító alapján javaslatokat tartalmaz. A megjelenítési mechanizmusnak hozzá kell rendelnie az előrejelzett termékazonosítókat a megfelelő tartalomhoz, hogy az ügyfelek figyelembe vehessék a lokalizációt, a képtartalmat és más vállalkozásspecifikus tartalmakat vagy viselkedéseket.

A Contoso például növelni szeretné a bevételét a weblapok testreszabásával, hogy több olyan terméket és szolgáltatást jelenítsen meg, amelyek az ügyfelek számára hasznosak lehetnek. Ügyfélspecifikus termékjavaslatokat hozhatnak létre a termékajánlási modellből, és betáplálhatják az adatokat a webhelyükre. A Contoso úgy tudja felülértékesíteni az ügyfeleit, hogy arra ösztönzi őket, hogy a korábban megvásároltakhoz hasonló termékeket és szolgáltatásokat tekintsenek meg, növelve ezzel a bevételt.

Tipp.

Próbálja ki a termékajánlási előrejelzés mintaadatok használatával: Termékjavaslat előrejelzés mintaútmutató.

Fontos

• Ez egy előnézeti funkció.
• Az előzetes funkciókat nem célszerű termelési környezetben használni, és előfordulhat, hogy korlátozott funkcionalitással rendelkeznek. Ezek a funkciók a hivatalos kiadás előtt érhetők el, hogy az ügyfelek korán megismerkedhessenek velük, és visszajelzést adhassanak róluk.

Előfeltételek

• Legalább közreműködő engedélyek
• Legalább 1 000 ügyfélprofil a kívánt előrejelzés ablakon belül
• Az ügyfél-azonosító egy egyedi azonosító, amelyet arra használnak, hogy egy adott ügyfélhez tranzakciókat egyeztessenek
• Legalább egy évnyi tranzakciós adat, lehetőleg két-három év, némi szezonalitás mellett. Ideális esetben ügyfél-azonosítónként legalább három vagy több tranzakció. A tranzakciós előzményeknek tartalmazniuk kell a következőket:
  • Tranzakcióazonosító: Egy vásárlás vagy tranzakció egyedi azonosítója.
  • Tranzakció dátuma: A vásárlás vagy tranzakció dátuma.
  • A tranzakció értéke: A vásárlás vagy tranzakció számértéke.
  • Egyedi termékazonosító: A megvásárolt termék vagy szolgáltatás azonosítója, ha az adatok a sor szintjén vannak.
  • Vásárlás vagy visszáru: Logikai igaz/hamis érték, ahol true (igaz ) azt azonosítja, hogy a tranzakció visszáru volt. Ha a modell nem adja meg a Vásárlás vagy a Visszaküldés adatait, és a tranzakció értéke negatív, akkor hozamra következtetünk.
• Termékszűrőként használható termékkatalógus-adattábla.

Feljegyzés

• A modell megköveteli az ügyfelek tranzakciós előzményeit, ahol a tranzakció bármely olyan adat, amely leírja a felhasználó és a termék közötti interakciót. Például termékvásárlás, tanfolyamon vagy eseményen való részvétel.
• Csak egy tranzakcióelőzmény-tábla konfigurálható. Ha több vásárlási tábla van, kombinálja őket Power Query az adatbetöltés előtt.
• Ha a rendelés és a rendelés részletei különböző táblák, a modellben való használat előtt egyesítse őket. A modell nem működik csak egy rendelésazonosítóval vagy nyugtaazonosítóval egy táblázatban.

Termékjavaslat-előrejelzés létrehozása

Válassza a Piszkozat mentése lehetőséget bármikor, ha a előrejelzés piszkozatként szeretné menteni. A piszkozat előrejelzés megjelenik a Saját előrejelzések lapon.

1. Ugrás az Elemzések előrejelzései> oldalra.

2. A Létrehozás lapon válassza a Modell használata lehetőséget a Termékjavaslatok (előzetes verzió) csempén.

3. Válassza az Első lépések lehetőséget.

4. Nevezze el ezt a modellt és a kimeneti tábla nevét , hogy megkülönböztesse őket más modellektől vagy tábláktól.

5. Válassza a Következő lehetőséget.

Termékajánlási preferenciák meghatározása

1. Állítsa be a vevőnek ajánlandó termékek számát. Ez az érték attól függ, hogy a szállítási módja hogyan tölti ki az adatokat.

2. Válassza ki, hogy szeretné-e szerepeltetni a vevők által korábban megvásárolt termékeket a Várható vásárlások megismétlése mezőben.

3. Állítsa be a Visszatekintés ablakot azzal a időkeret, amelyet a modell figyelembe vesz, mielőtt újra ajánlaná a terméket a felhasználónak. Például jelezheti, hogy egy ügyfél két évente vásárol laptopot. A modell megvizsgálja az elmúlt két év vásárlási előzményeit, és ha talál egy elemet, a rendszer szűri az elemet a javaslatok közül.

4. Válassza a Tovább lehetőséget

Vásárlási előzmények hozzáadása

1. Válassza az Adatok hozzáadása az Ügyfél tranzakciós előzményeihez lehetőséget.

2. Válassza ki a szemantikai tevékenységtípust SalesOrderLine , amely tartalmazza a szükséges tranzakció- vagy vásárlási előzményadatokat. Ha a tevékenység nincs beállítva, válassza ki itt , és hozza létre.

3. Ha a tevékenység létrehozásakor a tevékenységattribútumok szemantikailag le voltak képezve, a Tevékenységek alattválassza ki azokat az attribútumokat vagy táblákat, amelyekre a számítást összpontosítani szeretné. Ha nem történt szemantikai leképezés, válassza az Adatok szerkesztése és leképezése lehetőséget .

   

4. Válassza a Tovább gombot , és tekintse át a modellhez szükséges attribútumokat.

5. Válassza a Mentés parancsot.

6. Válassza a Következő lehetőséget.

Termékinformációk és szűrők hozzáadása

Időnként csak bizonyos termékek hasznosak vagy megfelelőek a megtervezett előrejelzés típusának. A termékszűrők segítségével azonosíthatja a meghatározott jellemzőkkel rendelkező termékek egy részhalmazát, amelyet ajánlhat ügyfeleinek. A modell az összes elérhető terméket használja a minták megismeréséhez, de csak a termékszűrőnek megfelelő termékeket használja a kimenetben.

1. Adja hozzá az egyes termékek adatait tartalmazó termékkatalógus-táblázatot. Térképezze fel a szükséges információkat, és válassza a Mentés lehetőséget.

2. Válassza a Következő lehetőséget.

3. Válassza a Termékszűrők lehetőséget:

   • Nincs szűrő: Használja a termékajánlási előrejelzés összes termékét.

   • Adott termékszűrők meghatározása: Használjon adott termékeket a termékajánlási előrejelzés. A Termékkatalógus attribútumai panelen válassza ki a termékkatalógus-táblából azokat az attribútumokat, amelyeket fel szeretne venni a szűrőbe.

     

4. Válassza ki, hogy a termékszűrő használja-e és /vagy logikusan kombinálja-e a termékkatalógusból kiválasztott attribútumokat.

   

5. Válassza a Következő lehetőséget.

Frissítési ütemezés beállítása

1. Válasszon egy frekvenciát a modell újratanításához. Ez a beállítás fontos, hogy frissíthesse az előrejelzéseinek pontosságát, ahogy új adat kerül betöltésre. A legtöbb cég havonta egyszer végez újratanítást, és pontos előrejelzésekhez tud jutni.

2. Válassza a Következő lehetőséget.

A modellkonfiguráció áttekintése és futtatása

Az Áttekintés és futtatás lépés a konfiguráció összegzését jeleníti meg, és lehetőséget biztosít a módosítások elvégzésére a előrejelzés létrehozása előtt.

1. Válassza a Szerkesztés lehetőséget bármelyik lépésben az áttekintéshez és a módosítások elvégzéséhez.

2. Ha elégedett a választásokkal, válassza a Mentés és futtatás lehetőséget a modell futtatásának megkezdéséhez. Válassza a Kész lehetőséget. A Saját előrejelzések lap a előrejelzés létrehozása közben jelenik meg. A folyamat a előrejelzés használt adatok mennyiségétől függően több órát is igénybe vehet.

Tipp.

A feladatoknak és folyamatoknak vannak állapotai . A legtöbb folyamat más felsőbb rétegbeli folyamatoktól, például az adatforrásoktól és az adatprofil-készítés frissítéseitől függ.

Válassza ki az állapotot a Folyamat részletei ablaktábla megnyitásához és a tevékenységek előrehaladásának megtekintéséhez. A feladat megszakításához válassza a panel alján található Feladat megszakítása lehetőséget .

Az egyes feladatok alatt kiválaszthatja a Részletek megtekintése lehetőséget további előrehaladási információkért, például a feldolgozási időért, az utolsó feldolgozási dátumért, valamint a feladathoz vagy folyamathoz kapcsolódó hibákért és figyelmeztetésekért. Válassza a panel alján található Rendszerállapot megtekintése lehetőséget a rendszer egyéb folyamatainak megtekintéséhez.

Előrejelzés eredmények megtekintése

1. Ugrás az Elemzések előrejelzései> oldalra.

2. A Saját várható kifejezések lapon válassza ki a megtekinteni kívánt előrejelzés.

Az eredményoldalon öt elsődleges adatszakasz található.

• Modell teljesítménye: Az A, B vagy C fokozatok jelzik a előrejelzés teljesítményét, és segíthetnek a kimeneti táblázatban tárolt eredmények felhasználásában.

  

  Az osztályzatot a következő szabályok határozzák meg:

  • A , ha a "Siker @ K" mutató legalább 10%-kal nagyobb az alaptervnél.
  • B , ha a "Siker @ K" mutató 0–10%-kal nagyobb az alaptervnél.
  • C , ha a "Siker @ K" mutató kisebb, mint az alapkonfiguráció.
  • Alapérték: A legnépszerűbb ajánlott termékek vásárlásszám alapján az összes ügyfélre kiterjedően + a modell által azonosított tanult szabályok = ajánlások halmaza az ügyfelek számára. Az előrejelzéseket ezután összehasonlítják a legnépszerűbb termékekkel, a terméket megvásárló ügyfelek száma alapján számítva. Ha egy ügyfélnek legalább egy olyan terméke van az ajánlott termékeiben, amelyek a legjobb megvásárolt termékeknél is láthatók, akkor ezek az alapérték részét jelentik. Ha például ezen ügyfelek közül 10-nek volt ajánlott terméke az összes 100 ügyfélből, az alapérték 10%.
  • Success @ K: A rendszer minden ügyfél számára javaslatokat hoz létre, és összehasonlítja őket a tranzakciók időszakának érvényesítési készletével. Például egy 12 hónapos időszakban a 12. hónap érvényesítési adatkészletként van elkülönítve. Ha a modell legalább egy olyan dolgot előrejelez, amelyet a 12. hónapban vásárolna az előző 11 hónap tanulságai alapján, az ügyfél növeli a "Siker @ K" metrikát.

• Legtöbbet javasolt termékek (összesítéssel): Az első öt termék, amelyet az ügyfelek számára előrejeleztek.

  

• Fő javaslati tényezők: A modell az ügyfelek tranzakciós előzményeit használja a termékjavaslatok elkészítéséhez. A mintákat a korábbi vásárlások alapján tanulja meg, és hasonlóságot keres az ügyfelek és a termékek között. Ezt követően a hasonlóságokat a termékre vonatkozó javaslatok létrehozásához használjuk. A következő tényezők befolyásolhatják a modell által generált termékajánlást.

  • Korábbi tranzakciók: Az ajánlott termék korábbi vásárlási mintákon alapult. A modell például javasolhat egy Surface Arc egeret, ha valaki nemrég vásárolt egy Surface Book 3-at és egy Surface-tollat . A modell megtudta, hogy korábban sok ügyfél vásárolt Surface Arc egeret a Surface Book 3 és aSurface Pen megvásárlása után.
  • Ügyfelek hasonlósága: Az ajánlott terméket korábban más ügyfelek vásárolták meg, akik hasonló vásárlási mintákat mutatnak. Például Johnnak a Surface Headphones 2-t ajánlották , mert Jennifer és Brad nemrég vásárolta meg a Surface Headphones 2-t . A modell úgy véli, hogy John hasonlít Jenniferre és Bradre, mert történelmileg hasonló vásárlási mintáik vannak.
  • Termék hasonlósága: Az ajánlott termék hasonló az ügyfél által korábban megvásárolt egyéb termékekhez. A modell két terméket akkor tekint hasonlónak, ha azokat egyben vagy hasonló ügyfelek vásárolják meg. Előfordulhat például, hogy valaki javaslatot kap egy USB-tárolómeghajtóra , mert korábban vásárolt egy USB-C–USB-adaptert . A modell úgy véli, hogy az USB-tárolómeghajtó hasonló az USB-C-USB adapterhez a korábbi vásárlási minták alapján.

  Ezen tényezők közül egy vagy több befolyásolja az összes termékajánlást. A diagram ábrázolja azoknak a javaslatoknak a százalékos arányát, amelyeknél mindegyik tényező szerepet játszott. A következő példában a javaslatok 100%-át korábbi tranzakciók, 60%-át az ügyfelek hasonlósága, 22%-át pedig a termékek hasonlósága befolyásolja. Menjen az egérrel a diagram sávjaira, és tekintse meg, hogy pontosan milyen százalékban játszottak szerepet a befolyásoló tényezők.

  

• Adatstatisztika: A modell által figyelembe vett tranzakciók, ügyfelek és termékek számának áttekintése. A minták megtanulásához és a termékre vonatkozó javaslatok létrehozása során használt bemeneti adatokon alapul.

  

  A modell az összes rendelkezésre álló adatot felhasználja a minták megismeréséhez. Ezért ha termékszűrést használ a modellkonfigurációban, ez a szakasz a modell által a minták megtanulása érdekében elemzett termékek teljes számát jeleníti meg, amelyek eltérhetnek a meghatározott szűrési feltételeknek megfelelő termékek számától. A szűrés a modell által létrehozott kimenetre vonatkozik.

• Minta termékjavaslatok:Olyan ajánlások mintája, amelyeket a modell szerint az ügyfél valószínűleg megvásárol. Termékkatalógus hozzáadása esetén a termékazonosítók helyére terméknevek kerülnek.

  

Feljegyzés

A modell kimeneti táblázatában a Score a javaslat mennyiségi mértékét jeleníti meg. A modell magasabb pontszámú termékeket ajánl az alacsonyabb pontszámú termékek helyett. A pontszám megtekintéséhez lépjen az Adattáblák> lapra, és tekintse meg a modellhez definiált kimeneti tábla Adatok lapját.