A estrutura das categorias de navegação e a paridade correspondente nos eventos de navegação afetam diretamente a capacidade de aprendizagem e otimização do modelo.
Equilibre o nível de detalhe e o volume de tráfego
Esta tarefa requer:
Estrutura de categorias detalhada: o modelo de navegação aprende o comportamento de clique e compra associado (através de eventos do utilizador) a cada string de categoria única. Se uma página de categoria, como Ofertas de eletrónica, receber um tráfego substancial, o modelo tem um conjunto de dados detalhado para otimizar as classificações dessa categoria. Isto ajuda o modelo a acumular e interpretar com precisão o comportamento do utilizador (cliques, compras) para cada categoria, o que leva a uma melhor classificação e personalização. Evite identificadores genéricos, como
products, que diluem o sinal em diferentes categorias.Nível de detalhe da categoria da página otimizado: as categorias excessivamente detalhadas com volumes de tráfego baixos podem levar a um desempenho do modelo abaixo do ideal. Com dados de interação do utilizador insuficientes, como cliques e adições ao carrinho, o modelo não consegue fornecer classificações otimizadas em função da receita de forma eficaz. Encontre um equilíbrio entre uma taxonomia de categorias detalhada e garantir que cada página de categoria gera tráfego suficiente para uma aprendizagem significativa do modelo.
Garanta a paridade entre as chamadas da API e os eventos do utilizador
Um requisito técnico essencial para a preparação bem-sucedida do modelo é manter uma correspondência exata entre a string pageCategory nas chamadas API Browse e os eventos de utilizador Browse correspondentes. Por exemplo, se um utilizador estiver a explorar a categoria Ofertas de eletrónica, a chamada da API para obter resultados de navegação e os eventos do utilizador gerados têm de usar a string de categoria idêntica, incluindo o delimitador >.
Para o processo de preparação, o modelo tem de juntar os pedidos da API aos eventos do utilizador. Uma incompatibilidade também causa discrepâncias na medição do desempenho. Este alinhamento é monitorizado no painel de controlo de qualidade de dados. Se não atingir o limite, o seu modelo não consegue alcançar níveis mais elevados.
Monitorize e resolva problemas de recomendações
Depois de configurar o seu Website para receber recomendações, recomendamos que configure alertas. Consulte o artigo Configure um alerta para erros de previsão.
Para resolver problemas de erros, consulte o artigo Monitorize e resolva problemas.