Analytics für Artikel-Empfehlungen
Erfahren Sie mehr über Analytics für Artikel-Empfehlungen und wie Sie diese in Braze anzeigen können.
Analytics anzeigen
Sie können die Analytics für Ihre Empfehlung einsehen, um zu sehen, welche Artikel den Nutzer:innen empfohlen wurden und wie genau das Empfehlungsmodell war.
- Gehen Sie zu Analytics > Item Recommendation.
- Wählen Sie Ihre Empfehlung aus der Liste aus.
Verfügbare Metriken
Zielgruppe
Diese Metriken beschreiben Ihre Empfehlungszielgruppe. Je nach Empfehlungstyp und verfügbaren Analytics-Daten kann der Abschnitt Zielgruppe die Metriken Precision und Coverage enthalten.
Bei KI-personalisierten Empfehlungen zeigt die Karte Empfehlungstyp die geschätzte Personalisierungsrate, Nutzer:innen mit dem konfigurierten Event und die Gesamtpopulation an. Bei Neueste-Empfehlungen wird der Anteil der Nutzer:innen angezeigt, die Neueste-Empfehlungen erhalten, im Vergleich zum Beliebteste-Fallback. Beliebteste- und Trending-Empfehlungen zeigen keine Aufschlüsselung des Empfehlungstyps auf Nutzer:innen-Ebene.
Weitere Informationen finden Sie in der folgenden Tabelle:
| Metrik | Beschreibung |
|---|---|
| Precision | Der prozentuale Anteil, mit dem das Modell den nächsten Artikel, den Nutzer:innen kaufen, korrekt vorhergesagt hat. Precision hängt stark von Ihrer spezifischen Kataloggröße und -zusammensetzung ab und sollte als Orientierung dafür dienen, wie oft das Modell richtig liegt. In bisherigen Tests haben Modelle mit Precision-Werten zwischen 6–20 % gut abgeschnitten. Diese Metrik wird beim nächsten Neutraining des Modells aktualisiert. |
| Coverage | Welcher Prozentsatz der verfügbaren Artikel im Katalog mindestens einer/einem Nutzer:in empfohlen wird. Bei personalisierten Artikelempfehlungen ist eine höhere Artikelabdeckung zu erwarten als bei den beliebtesten Artikeln. |
| Personalisierungsrate | Bei KI-personalisierten Empfehlungen der geschätzte Prozentsatz der Nutzer:innen, für die personalisierte Empfehlungen in ihrem Profil gespeichert sind, berechnet anhand der Gesamtzahl der Nutzer:innen, die das konfigurierte Event in den letzten 24 Monaten ausgeführt haben. Nutzer:innen, die das Event ausgeführt haben, aber nicht über genügend Daten verfügen, um eine personalisierte Empfehlung zu generieren, erhalten beim Versand die beliebtesten Artikel als Fallback. |
| Empfehlungstyp | Bei Neueste-Empfehlungen der Prozentsatz der Nutzer:innen, die Neueste-Empfehlungen erhalten, im Vergleich zum Beliebteste-Fallback. |
Artikel
Diese Tabelle enthält Metriken zu Ihren personalisierten, neuesten und beliebtesten Artikeln aus Ihrem Katalog.
Weitere Informationen finden Sie in der folgenden Tabelle:
| Metrik | Beschreibung |
|---|---|
| Personalisierte Artikel Neueste Artikel |
Diese Spalte listet jeden Artikel im Katalog in absteigender Reihenfolge der Häufigkeit auf, mit der er Nutzer:innen empfohlen wird. Die Spalte zeigt außerdem, wie vielen Nutzer:innen jeder Artikel vom Modell zugewiesen wurde. Je nach Empfehlungstyp werden entweder personalisierte oder neueste Artikel aufgelistet. |
| Beliebteste Artikel | Diese Spalte listet jeden Artikel im Katalog in absteigender Reihenfolge der Beliebtheit auf. Beliebtheit bezieht sich hier auf die Artikel im Katalog, mit denen Nutzer:innen im gesamten Workspace am häufigsten interagieren. Die beliebtesten Artikel werden als Fallback verwendet, wenn personalisierte oder neueste Empfehlungen für einzelne Nutzer:innen nicht berechnet werden können. |
Übersicht
Dies ist eine Übersicht Ihrer gewählten Empfehlungskonfiguration, einschließlich des Zeitpunkts der letzten Aktualisierung der Empfehlung.
