Что касается пункта 2) «Люди, которые купили это, также купили», Google выпустил функцию related product, которая, по крайней мере, теоретически должна облегчить ее реализацию.
Эта функция должна быть включена в настройках просмотра, и вам нужно несколько дней данных электронной торговли. Затем вы выполняете, например. Пример запроса из документации:
размеры = Gal: queryProductName, GA: relatedProductName, GA: queryProductId, га: relatedProductId метрик = га: correlationScore, га: queryProductQuantity, га: relatedProductQuantity сортировки = -ga: queryProductQuantity
Предположительно, более высокий показатель показателя корреляции указывает, какие продукты имеют более сильные отношения.
Проблема, которую я имею до сих пор, заключается в том, что это черный ящик - я не знаю, как Google вычисляет коэффициент корреляции, и пока результаты выглядят несколько произвольными (возможно, мой набор данных еще не достаточно велик). Вы можете запросить корреляционную модель, но она вернет «по умолчанию» (не очень полезно).
Однако, если вы готовы совершить скачок веры и доверять Google, это все будет иметь смысл, тогда вы можете использовать соответствующую функцию продукта для реализации кросс-продажи на своем веб-сайте.
Запросить данные через API и не забывать кэшировать результаты, иначе вы в конечном итоге превысите свою квоту GA. После этого это всего лишь вопрос соответствия идентификаторов продуктов на страницах вашего продукта с соответствующим идентификатором продукта с наивысшими показателями корреляции в кешированных результатах.
Привет, ваш вопрос довольно широк, вам нужно будет сузить его и, возможно, передумать свой вопрос, иначе вы рискуете закрыть вопрос :) – Epodax
Это широко - любой ответ должен был бы покрыть по крайней мере, для восстановления данных через API GA, построения моделей данных для рекомендаций и разработки интерфейса, чтобы вставить их на ваш сайт. Я предлагаю вам разбить это на несколько вопросов, и даже тогда часть «model building», вероятно, не очень хорошо вписывается в формат QA stackoverflow. –
«Люди, которые просмотрели/купили это, также просмотрели/купили», могут быть реализованы в качестве фонового задания, которое пересчитывает шаблоны сходства. Вы можете использовать SQL в реляционной базе данных, но это, вероятно, будет медленным, поэтому вы делаете это за пределами своего веб-приложения.Для каждого продукта просматривайте клиентов, которые просмотрели/купили его и, по крайней мере, еще один продукт, а затем группируются по продукту. Для просмотра/покупки здесь больше, чем значение выреза, добавьте их в таблицу отношений продуктов X-продукта Y. – halfer