Del via


Oversikt over produktanbefalinger

Microsoft Dynamics 365 Commerce kan brukes til å vise produktanbefalinger på webområdet for e-handel og salgsstedsenheten. Produktanbefalinger er varer som en kunde kan være interessert i. Anbefalingene er basert på kjøpstendensene for andre kunder i nettbutikker og fysiske butikker.

Produktanbefalinger gjør at kundene enkelt og raskt kan finne produkter de vil ha, samtidig som de får en god handleopplevelse. Krysssalg og ettersalg kan til og med brukes til å hjelpe kunder med å finne flere produkter enn de opprinnelig hadde til hensikt å kjøpe. Når anbefalinger brukes til å hjelpe med produktoppdaging, kan de opprette flere konverteringsmuligheter, øke salgsinntektene og til og med bidra til å forbedre kundetilfredsheten og -loyaliteten.

I e-handel er produktanbefalinger basert på Microsofts anbefalinger fra teknologi for maskinlæring i stor skala.

Denne tjenesten er et tillegg til Dynamics 365 Commerce. Hvis du vil ha mer informasjon, kan du laste ned den nyeste Microsoft Dynamics 365-lisenshåndboken.

Anbefalingstjeneste

Produktanbefalingstjenesten benytter kunstig intelligens og maskinopplæring (AI-ML)-teknologier på følgende måte:

  • Data i formatet som anbefalingstjenesten krever, trekkes ut fra den operative Commerce-databasen og sendes til Azure Data Lake Storage eller enhetslageret.
  • Anbefalingstjenesten bruker de lagrede dataene til å lære opp anbefalingsmodeller for listene Folk liker også, Ofte kjøpt sammen, Nye, Bestselgere og Tendenser.

Scenarier

Produktanbefalingene er tilgjengelige for følgende scenarier:

  • På en hvilken som helst butikkside for weblesing eller startside i e-handel: Hvis kunder eller butikkmedarbeidere besøker en butikkside, kan anbefalingsmotoren foreslå produkter i listene Nye, Bestselgere og Tendenser.
  • På Produktdetaljer-siden: Hvis kunder eller butikkmedarbeidere besøker en Produktdetaljer-side, foreslår anbefalingsmotoren flere varer som også sannsynligvis blir kjøpt. Disse elementene vises i listen Folk liker også.
  • På transaksjonssiden eller utsjekkingssiden: Anbefalingsmotoren foreslår varer basert på hele listen med elementer i handlekurven. Disse varene vises i listen Ofte kjøpt sammen.
  • Tilpassede anbefalinger: Forhandlere kan tilby påloggede kunder en tilpasset Plukkinger for deg-liste i tillegg til ny funksjonalitet som tillater tilpassing av eksisterende listescenarioer basert på den aktuelle kunden. Hvis du vil finne ut mer, kan du se Aktivere personlige anbefalinger.

Typer produktanbefalinger

Følgende tabell beskriver ulike typer automatiserte produktanbefalinger som er tilgjengelige for forhandlere som skal implementeres i Dynamics 365 Commerce-løsningen via produktsamlingsmodulen. Forhandlere kan også vise personlige resultater for en pålogget bruker hvis områdeforfatteren velger dette alternativet.

Produktsamlingsmodul Type beskrivelse
Nye Algoritme Denne modulen viser en liste over de nyeste produktene som nylig er assortert til kanaler og kataloger.
Bestselgere Algoritme Denne modulen viser en liste over produkter rangert etter det høyeste salgstallet.
Populære Algoritme Denne modulen viser en oversikt over produkter med høyest ytelse for en gitt periode, rangert etter det høyeste salgstallet.
Kjøpes ofte sammen AI-ML Denne modulen anbefaler en liste over produkter som vanligvis kjøpes sammen med innholdet fra forbrukeres gjeldende handlevogn.
Andre liker også AI-ML Denne modulen anbefaler produkter for et angitt seed-produkt, basert på forbrukskjøpsmønstre.
Plukkinger for deg AI-ML Denne modulen anbefaler en personlig liste over produkter basert på kjøpsmønstre til den påloggede brukeren. For en gjestebruker er denne listen skjult.

Tilleggsressurser

Aktivere Azure Data Lake Storage i et Dynamics 365 Commerce-miljø

Aktiver produktanbefalinger

Aktivere personlige anbefalinger

Velge bort personlige anbefalinger

Aktivere Kjøp lignende utseender-anbefalinger

Legge til produktanbefalinger på salgssted

Legge til anbefalinger i transaksjonsskjermbildet

Justere anbefalingsresultater for AI-ML

Opprette kuraterte anbefalinger manuelt

Opprette anbefalinger med demonstrasjonsdata

Vanlige spørsmål om produktanbefalinger