个性化产品推荐的工作方式

借助个性化的产品推荐引擎，电子商务商店可以立即提**品建议。除了向用户提供预定义的相关产品外，还可以在任何页面上自动推荐高度相关的产品，从产品到购物车。

我们想让您更仔细地了解机器学习技术如何跟踪，存储和分析数据，以便您可以向客户提**品和用户建议。我们还希望更仔细地探索个性化建议相对于预定义相关产品的优势。因此，今天我们将要这样做。

让我们深入研究个性化的推荐引擎，并探索如何向客户学习以提供高度准确的产品建议，并了解一家商店如何使用我们的插件来满足他们的特定需求。

推荐引擎有什么作用？

正如我们在上一篇有关个性化产品推荐的文章中所提到的（说十倍快！），推荐引擎跟踪和分析用户数据，并使用所述数据在特定位置（例如产品页面或购物车）自动生成产品推荐。

自动推荐的好处

在典型的WooCommerce安装中，相关产品必须手动分配，并且要单独分配。这是由商店所有者，开发人员或管理员决定的。可以根据现有数据和/或假设来分配产品。

这不仅耗时，而且还可能不准确。负责商店设置的开发人员可能会认为两种产品在一起看起来是相似的或属于同一类别，因此，实际上，客户可能永远不会考虑将这些产品配对。这可能会损害商店的收入，因为购物者可能不会接触到相关或协调的产品。

此外，产品数量众多或库存频繁变化的商店可能会发现难以管理分配任务相关或推荐的产品。如果页面上推荐的所有相关产品都缺货，则不会显示推荐。此外，必须将新产品手动添加到要显示的推荐中-这可能是一个繁琐的过程。

WooCommerce Recommendations插件允许将资源更好地分配给其他任务。它也有助于消除分配推荐产品的猜测。由于建议是自动做出的，并且基于商店客户共同查看或购买的内容，因此这些建议将基于行之有效的行为和偏好，而不是假设。从长远来看，这可以带来更高的收入。

推荐引擎如何跟踪数据并决定要显示的内容

推荐引擎通常会实时跟踪，存储和分析用户数据，以确定应显示哪些产品。当在商店上激活WooCommerce Recommendations时，Graphflow引擎以以下形式跟踪和存储用户活动：事件。当前，跟踪三种类型的事件：

产品页面浏览量

产品已添加到购物车

已完成的购买

此外，每个事件的权重也有所不同，最大的权重用于完成的购买，最小的权重用于产品页面浏览。

随着Graphflow收集这些数据，它能够对其进行分析，并将其合并到其他客户的历史数据中，并即时向客户提出新建议。这些建议会随着更多顾客访问商店并进行购买而发生变化。

这是Graphflow Demo商店中的一些示例，该商店中以电影作为产品填充，并以购买数据作为种子。

产品页面上的个性化电影推荐

个性化产品推荐是基于先前客户相对于其他产品如何与一种产品进行交互而提出的。

就Graphflow而言，本质上是在“为产品和客户打分”的幕后建立了一个矩阵，并根据y重叠。例如，如果三个客户购买

银翼杀手

和

外星人

在一起，只有一个买

外星人

和

矮个子

，最有可能推荐该插件

银翼杀手

在

外星人

产品页面。

在查看产品页面时

外星人

在演示商店中，类似的电影

外星人

和

终结者2：审判日

推荐-不是因为它们相似，而是因为真实的客户已经一起查看或购买了这些物品。

购物车中的个性化用户推荐

个性化建议也可以显示在购物车，类别页面等上。 Graphflow调用这些用户建议。这些建议是根据客户查看过的产品提出的。例如，浏览过四个恐怖电影页面的人可能会喜欢看更多关于相同或相似类型的推荐。

如果用户访问商店并将商品添加到购物车中，然后再查看其他商品，则建议日期引擎将没有任何数据可以提出建议。就Graphflow而言，这是通过简单地显示商店最受欢迎的产品来解决的;当客户在进一步浏览产品页面后再次访问购物车时，数据将即时更新以显示个性化建议。

当没有进行大量购物的全新客户加入时

外星人

到他们的购物车，这是他们将收到的建议：

好家伙

和

矮个子

是商店最受欢迎的电影之一，因此默认情况下推荐使用。

一旦购物者点击几下，并且很明显他们正在看恐怖片和科幻电影，建议可以即时更新以更加个性化：

如您所见，Graphflow能够捕获单个客户的graphflow产品推偏好，并基于相同显然是**类别中的其他电影提出建议。

最后，由于产品查看，购物车添加和购买的方式加权后，Graphflow不会基于对不同类别产品的意外或错误点击来做出用户推荐。如果演示商店中的客户要观看九部科幻电影并单击

矮个子

一次，他们的购物车推荐将全部是科幻小说，而不是科幻小说和喜剧的混合物。

Graphflow的自检工作方式

如果您已经签出了WooCommerce推荐产品页面，则可能已经注意到该插件具有自我A / B测试功能。这用于确保Graphflow引擎提出的基于数据的自动建议所带来的收入比内置相关产品更多。

该测试是自动完成的，不需要进行任何设置。激活插件后，90％的用户将看到Graphflow的个性化产品推荐。但是，有10％的用户会看到“基线”建议-与当前产品具有相同类别或标签的产品，类似于商店所有者通常会手动分配的产品。访问Graphflow的仪表板并查看“推荐收入”图时，您将能够看到测试结果。来自以上测试的值将被标准化并在此处显示为估计值。 Graphflow将来自90％的看到个性化推荐的用户的收入与10％的看到基线推荐的用户进行了直接比较，以确保其正常运行。

这不仅使商店所有者可以了解使用该插件可以带来多少收入，而且随着时间的流逝，将显示Graphflow直观的机器学习对商店的影响。

实时实施的幕后花絮

现在您知道了推荐引擎的工作原理，让我们看一下运行WooCommerce推荐的商店之一，以了解更多有关它的信息。

我们与ZOX背后的三个兄弟之一的布兰登·柯伊珀斯（Brandon Kuipers）进行了交谈，讨论他们如何向他们的商店添加个性化推荐。 ZOX创造艺术魅力，优质腕带，每周都会增加新的附件，而推荐引擎对他们的成功至关重要。这就是我们学到的东西。

ZOX在其商店中使用WooCommerce Recommendations的个性化产品推荐以及用户推荐。根据Brandon的说法，该插件的安装非常容易，并且他们无需实施任何自定义短代码即可使推荐在其90多种产品中正常使用。

至于建议的外观，布兰登说：“ [该插件]是从我们的CSS样式中挑选出来的，因此我们无需对显示输出进行任何重大更改。”由于WooCommerce推荐是基于商店的内置相关产品构建的，因此只要该部分以商店主题为样式即可，因此大多数开发人员应该发现几乎没有必要对推荐进行任何更改。

布兰登（Brandon）向我们解释了实施WooCommerce建议如何节省大量开发和设置时间的过程：

我总是发现内置的推荐产品有点麻烦。尝试向客户推荐产品几乎只是一种猜测游戏，当您不断添加新产品而旧产品每周售罄时，这会花费很长时间。借助Graphflow，产品会每周自动导出，并根据实时数据（我们认为最有效）创建建议。

通过基于实时客户数据的建议，并根据可用的产品自动生成建议，ZOX库存的周期性（产品不断推出和售罄）对Graphflow构成了挑战。该插件将停止推荐已删除的商品，并在客户一起查看或购买时开始推荐新的商品。这使得WooCommerce建议非常适合具有循环或有限数量库存的类似商店。

最后，布兰登（Brandon）对插件的传递特性赞誉有加。 “ GraphfLow在插件的即插即用特性方面做得很好。”他说。 “我一直在与另一家公司合作，要求我进入商店的每种产品，并在页面上添加几行特定代码，说实话，我一直在努力做到这一点，因为我知道要花我4-5个小时来做。”

因此，您已经掌握了它-快速了解WooCommerce Recommendations如何节省ZOX宝贵的开发时间，同时提供准确的产品建议以增加收入。如果您有几分钟的时间，我们**鼓励您单击他们的商店，并在将产品添加到购物车时观看对您的建议进行更改！

了解有关WooCommerce建议的更多信息

准备开始个性化推荐了吗？想看一下文档吗？这里还有一些其他资源可供签出：

WooCommerce推荐产品页面

插件文档

Graphflow网站

Graphflow演示商店和Shortcode演示

与宝借助Graphflow进行的大数据和机器学习，WooCommerce商店有可能立即提供高度个性化的产品建议，从而既节省时间又赚钱。与必须手动定义，更新和设置的内置相关产品不同，这些建议无需维护，并且可以发现客户将响应的隐藏模式和**项。

我们希望您喜欢近距离了解WooCommerce推荐之类的推荐引擎如何工作！如果您有任何疑问，请随时在下面的评论中告诉我们。