Configuration du moteur Item Affinity

Pour chaque opération de vente croisée révélée par l'historique des achats de l'utilisateur, le moteur d'affinités entre articles établit la base de ses calculs sur les statistiques ci-dessous :

Support : Nombre de fois où la paire d'éléments est impliquée dans un groupe Affinités entre éléments que vous avez défini, divisé par le nombre total d'événements Affinités entre éléments couplés. Les événements Affinités entre éléments peuvent être des affichages de pages critiques, des achats, des ajouts dans un panier, des retrait d'un panier ou une combinaison de ces événements. En d'autres termes, le support représente le rapport entre le nombre de fois que des éléments sont couplés et la totalité des transactions.
Estimation : Sur la base de la statistique support, l'estimation représente le nombre de fois que deux éléments sont couplés, divisé par le support seul du premier article de cette paire. En d'autres termes, il s'agit de la probabilité de la paire d'éléments, par rapport au premier article de la paire.
Niveau de fiabilité : Sur la base de la statistique d'estimation, le niveau de fiabilité représente l'estimation divisée par le support seul du second article de la paire pour lequel l'estimation a été calculée. En d'autres termes, le niveau de fiabilité représente la probabilité de la paire d'éléments par rapport au premier et au second article de la paire.

D'une manière générale, vous utilisez le moteur d'affinités entre articles comme suit :

Définition des conditions d'analyse du panier électronique.
Il s'agit de la portée et des filtres liés aux estimations que vous souhaitez utiliser pour l'analyse du panier électronique. Cette définition est très flexible. Par exemple, le panier électronique peut être fonction de l'historique complet de l'utilisateur, des ventes de produits saisonniers, de la session en cours de l'utilisateur ou des pages consultées par l'utilisateur.

Le type d'achat attendu de la part des utilisateurs va déterminer le type de panier électronique que vous définissez. Par exemple, un panier basé sur une session est adapté à un site d'épicerie, dans lequel les utilisateurs vont acheter divers produits à la fois. Un panier basé sur l'historique à long terme est adapté à un site sur lequel les utilisateurs vont acheter un article important de manière occasionnelle (du matériel électronique onéreux, par exemple).
Configuration d'un ensemble des affinités d'articles pour l'analyse du panier.
L'ensemble des affinités d'éléments permet de définir les conditions d'analyse du panier. Identique aux groupes Mentors ou aux groupes Transactions, l'ensemble des affinités d'éléments permet de définir le type de données que vous souhaitez collecter. Il commence par collecter des transactions dans une table d'entrée de transactions identique à Lps_User_Trx. Vous pouvez notamment inclure des filtres dans les zones de requête de la table d'entrée, indiquer les types de transactions à rechercher ou le nombre d'éléments hautement associés à considérer pour la définition du panier. Enfin, vous indiquez une table de sortie vers laquelle les résultats de l'analyse vont être envoyés. La table de sortie doit disposer des mêmes zones et types de données que la table Lps_MBA_Scored.
Lancement de l'accumulator afin de collecter les données de l'ensemble des affinités d'éléments puis les placer dans la table de sortie spécifiée dans l'ensemble des affinités d'éléments.
Comparable à l'utilitaire sifter, utilisé pour tous les autres moteurs LikeMinds, l'accumulator utilise les données du groupe Affinités entre éléments pour calculer le support, l'estimation et la fiabilité (présenté ci-dessus). Il écrit ses résultats dans la table de sortie spécifiée dans l'ensemble des affinités d'éléments.

Vous devez configurer l'accumulator de sorte qu'il s'exécute lorsque la base de données n'est pas trop utilisée, car il peut avoir besoin d'importantes ressources système.