A estrutura das suas categorias de navegação e a paridade correspondente nos eventos de navegação afetam diretamente a capacidade do modelo de aprender e otimizar.
Equilibrar a granularidade e o volume de tráfego
Esta tarefa requer:
Estrutura de categoria granular: o modelo de navegação aprende o comportamento de clique e compra associado (via eventos do usuário) a cada string de categoria exclusiva. Se uma página de categoria, como Ofertas de eletrônicos, receber um tráfego substancial, o modelo terá um conjunto de dados completo para otimizar as classificações dessa categoria. Isso ajuda o modelo a acumular e interpretar com precisão o comportamento do usuário (cliques, compras) em cada categoria, resultando em uma classificação e personalização melhores. Evite identificadores genéricos, como
products, que diluem o sinal em diferentes categorias.Profundidade otimizada da categoria da página: categorias muito granulares com volumes de tráfego baixos podem resultar em uma performance abaixo do ideal. Sem dados suficientes de interação do usuário, como cliques e adições ao carrinho, o modelo não consegue gerar classificações otimizadas para receita de maneira eficaz. Encontre um equilíbrio entre uma taxonomia de categoria detalhada e a garantia de que cada página de categoria gere tráfego suficiente para um aprendizado significativo do modelo.
Garantir a paridade entre chamadas de API e eventos do usuário
Um requisito técnico essencial para o treinamento bem-sucedido do modelo é manter uma correspondência exata entre a string pageCategory nas chamadas da API Browse e os eventos do usuário de navegação correspondentes. Por exemplo, se um usuário estiver navegando na categoria Ofertas de eletrônicos, a chamada de API para recuperar os resultados da navegação e os eventos do usuário gerados precisarão usar a mesma string de categoria, incluindo o delimitador >.
Para o processo de treinamento, o modelo precisa unir as solicitações de API aos eventos do usuário. Uma incompatibilidade também causa discrepâncias na medição de performance. Esse alinhamento é monitorado no painel de qualidade de dados. Não atingir o limite pode impedir que seu modelo alcance níveis mais altos.
Monitorar e resolver problemas de recomendações
Depois de configurar seu site para receber recomendações, recomendamos que você configure alertas. Consulte Configurar um alerta para erros de previsão.
Para resolver erros, consulte Monitorar e resolver problemas.