La struttura delle categorie di navigazione e la relativa parità negli eventi di navigazione influiscono direttamente sulla capacità del modello di apprendere e ottimizzare.
Trova un equilibrio tra granularità e volume di traffico
Questa attività richiede:
Struttura granulare delle categorie: il modello di navigazione apprende il comportamento di clic e acquisto associato (tramite eventi utente) a ogni stringa di categoria univoca. Se una pagina di categoria, ad esempio Offerte di elettronica, riceve un traffico elevato, il modello dispone di un set di dati completo per ottimizzare i ranking per quella categoria. In questo modo, il modello può accumulare e interpretare con precisione il comportamento degli utenti (clic, acquisti) per ogni categoria, il che porta a un miglior ranking e a una migliore personalizzazione. Evita handle generici come
products, che diluiscono il segnale in diverse categorie.Profondità della categoria di pagine ottimizzata: le categorie eccessivamente granulari con volumi di traffico ridotti possono comportare prestazioni del modello non ottimali. Se i dati sulle interazioni degli utenti, come clic e aggiunte al carrello, sono insufficienti, il modello non può fornire classifiche ottimizzate per le entrate in modo efficace. Trova un equilibrio tra una tassonomia dettagliata delle categorie e la garanzia che ogni pagina di categoria generi traffico sufficiente per un apprendimento significativo del modello.
Garantire la parità tra chiamate API ed eventi utente
Un requisito tecnico fondamentale per l'addestramento del modello è mantenere una corrispondenza esatta tra la stringa pageCategory nelle chiamate API di navigazione e gli eventi utente di navigazione corrispondenti. Ad esempio, se un utente sta navigando nella categoria Offerte di elettronica, la chiamata API per recuperare i risultati di navigazione e gli eventi utente generati devono utilizzare la stessa stringa di categoria, incluso il delimitatore >.
Per il processo di addestramento, il modello deve unire le richieste API agli eventi utente. Una mancata corrispondenza causerà anche discrepanze nella misurazione del rendimento. Questo allineamento viene monitorato nella dashboard della qualità dei dati. Se non raggiungi la soglia, il tuo modello non potrà raggiungere i livelli più alti.
Monitorare e risolvere i problemi relativi ai consigli
Dopo aver configurato il tuo sito web per ricevere consigli, ti consigliamo di configurare gli avvisi. Consulta Configurare un avviso per gli errori di previsione.
Per risolvere gli errori, consulta Monitoraggio e risoluzione dei problemi.