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. 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 der Empfehlungstypen auf Nutzer:innen-Ebene.
In der folgenden Tabelle finden Sie weitere Informationen:
| Metrik | Beschreibung |
|---|---|
| Precision | Der prozentuale Anteil, zu dem die Top-Vorhersage des Modells mit dem tatsächlichen nächsten Kauf der Nutzer:innen übereinstimmte. Während des Trainings vergleicht Braze seine wahrscheinlichste Einzelvorhersage mit dem, was die Nutzer:innen tatsächlich als Nächstes gekauft haben, anhand eines vom Training zurückgehaltenen Interaktionsdatensatzes. Precision hängt stark von Ihrer spezifischen Kataloggröße und -zusammensetzung ab und sollte als Richtwert verwendet werden, um zu verstehen, wie oft das Modell korrekt ist. In bisherigen Tests haben Modelle mit Precision-Werten von 6–20 % gut abgeschnitten. Diese Metrik wird beim nächsten Modell-Retraining aktualisiert. |
| Coverage | Welcher Prozentsatz der verfügbaren Artikel im Katalog mindestens einer Nutzer:in empfohlen wird. Sie können erwarten, dass die Artikelabdeckung bei personalisierten Artikelempfehlungen höher ist als bei den beliebtesten. |
| Personalisierungsrate | Für KI-personalisierte Empfehlungen: der geschätzte Prozentsatz der Nutzer:innen mit personalisierten Empfehlungen, die in ihrem Profil gespeichert sind, berechnet gegen die Gesamtzahl der Nutzer:innen, die das konfigurierte Event in den letzten 24 Monaten ausgeführt haben. Nutzer:innen, die das Event ausgeführt haben, aber nicht genügend Daten für eine personalisierte Empfehlung haben, erhalten beim Versand die beliebtesten Artikel als Fallback. |
| Empfehlungstyp | Für 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.
In der folgenden Tabelle finden Sie weitere Informationen:
| Metrik | Beschreibung |
|---|---|
| Personalisierte Artikel Neueste Artikel |
Diese Spalte listet jeden Artikel aus dem Empfehlungsmodell in absteigender Reihenfolge der Häufigkeit, mit der er Nutzer:innen empfohlen wurde. Dies sind vom Modell generierte personalisierte oder neueste Empfehlungen. Beliebteste Fallback-Artikel erscheinen in der Spalte Beliebteste Artikel. Die Anzahl zeigt, wie vielen Nutzer:innen jeder Artikel vom Modell zugewiesen wurde. Entweder Personalisierte oder Neueste Artikel werden aufgelistet, je nach Empfehlungstyp. |
| Beliebteste Artikel | Diese Spalte listet jeden Artikel im Katalog in absteigender Reihenfolge der Beliebtheit. Beliebtheit bezieht sich hier auf 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, an dem die Empfehlung zuletzt aktualisiert wurde.
