Personalization

Portal Personalization provides automatic customization of website content for individual users and user groups.

Personalization est capable de reconnaître un utilisateur spécifique en fonction de son profil ou de déterminer les caractéristiques d'un utilisateur sur la base de ses précédents achats, des pages ou des produits qu'il a consultés, etc. Ensuite, Personalization sélectionne le contenu adapté à ce profil. Si une personne gagne un salaire élevé, vous pouvez configurer Portal Personalization en vue de l'extraction d'informations sur un produit premium d'un site Web commercial. Si une personne appartient à une région géographique en particulier, le contenu spécifique à cette région peut lui être envoyé. La page est intégrée aux propres informations personnalisées de l'utilisateur lorsque celui-ci affiche sa page personnalisée.

Personalization est composé des éléments suivants

Navigateur Personalization - L'interface utilisateur de Personalization :
- enregistre des collections de ressources
- crée des règles, des campagnes et des zones de contenu
- mappe des règles dans des zones de contenu pour une campagne particulière
Dans la mesure où les objets sont créés via le serveur Personalization, le navigateur Personalization peut afficher des règles en mode production ainsi que des règles dans un environnement d'activation.
Moteur de règles - Le moteur de règles exécute des règles créées dans le navigateur Personalization. Il existe une interface de programmation permettant à Personalization d'appeler des règles. Les règles Personalization peuvent, en outre, être appelées par le biais de composants Web Content Manager Personalization. Les règles associées à des pages ou à des portlets via l'Administration du portail sont automatiquement déclenchées.
Moteur de recommandation LikeMinds - Le moteur de recommandation évalue les règles de recommandation créées via le navigateur Personalization.
Moteur de ressources - Le moteur de ressources résout les requêtes émises par des règles dans des éléments du contenu à renvoyer. Le contenu de Personalization est créé et approuvé à l'aide de n'importe quel outil de gestion de contenu de votre choix ou peut provenir d'une base de données SQL Server, LDAP ou de tout autre type. Le contenu est accessible par le biais d'un ensemble de classes de collection de ressources.
Un logiciel intégré de consignation - Ce logiciel est utilisé pour enregistrer les informations relatives à l'utilisation du site Web dans la base de données de commentaires et le moteur de recommandations. Le choix des informations consignées revient entièrement aux développeurs.

Les moteurs sont parfois appelés collectivement serveur d'exécution Personalization.

Le moteur identifie l'utilisateur concerné. Personalization extrait le profil de cette personne. Son profil peut, par exemple, contenir son niveau de salaire. Personalization then selects content that is appropriate for that profile. Si une personne gagne un salaire élevé, appartient à une région géographique particulière ou possède une autre caractéristique, vous pouvez configurer Personalization en vue de l'extraction d'informations sur un produit premium d'un site Web commercial. La page est intégrée aux propres informations personnalisées de l'utilisateur lorsque celui-ci affiche sa page personnalisée.

Types of Personalization

Il existe trois types de Personalization :

Filtrage simple: Un site affiche un contenu basé sur des groupes prédéfinis de visiteurs. Par exemple, si un visiteur se trouve dans le service des ressources humaines, le site lui fournit un accès aux URL contenant des manuels relatifs à la politique de l'entreprise en matière de ressources humaines.
Moteurs de règles: Dans un système régi par des règles, le propriétaire du site définit un ensemble de règles de gestion qui détermine la catégorie de contenu affiché lorsqu'un certain type de profil de visiteur consulte le site. Exemple : afficher tous les 4X4 pour les visiteurs habitant au nord-est du pays et appartenant au groupe de personnes âgées de 21 à 35 ans.
Cette approche présente l'avantage de mettre en adéquation le comportement du site avec les objectifs commerciaux du propriétaire du site. Le propriétaire du site est généralement le responsable d'une campagne de publicité ou d'autres types d'activités commerciales.
Filtrage collaboratif: Un visiteur classe une sélection de produits, de manière explicite ou implicite. Ces classements sont comparés à ceux d'autres visiteurs. Les algorithmes du logiciel détectent les similitudes. Par exemple, un visiteur reçoit des recommandations d'achat de livres basées sur les achats similaires d'autres visiteurs.

Règles et filtrage collaboratif

Lorsqu'un filtrage complexe est nécessaire, un système régi par des règles peut être plus performant qu'un filtrage collaboratif, et réciproquement. Le tableau suivant fournit des exemples détaillés, illustrant les avantages d'un type de personnalisation par rapport à un autre.

Tableau 1. Utilisation du filtrage de règles ou du filtrage collaboratif.
Scénario	Type de filtrage à utiliser	Motif
Si le nombre d'articles proposés et le nombre d'utilisateurs qui les achètent sont relativement faibles.	Règles	Très peu d'espace pour le calcul de la similitude des utilisateurs, nécessaire dans le cadre d'un filtrage collaboratif.
Si les points relatifs aux prix sont élevés ou si la fréquence d'achat est faible.	Règles	Espaces limités, finis - le filtrage collaboratif échoue du fait de l'absence intrinsèque de diversité.
S'il y a une dépendance pré-existante entre des articles. Exemple : Assurance invalidité requise pour une personne propriétaire de son habitation.	Règles	Recommander une assurance invalidité simplement parce que le filtrage collaboratif a identifié que de nombreux utilisateurs "semblable à celui-ci" ont également contracter une assurance habitation, est incorrect.
Si le nombre d'articles proposés et le nombre d'utilisateurs qui les achètent sont relativement élevés.	Collaboratif	Impossible d'élaborer des règles couvrant tous les articles.
Si les points relatifs aux prix sont faibles et quasiment tous dissemblables, ou si les produits proposés présentent différents degrés d'intérêt pour les utilisateurs.	Collaboratif	Ces différences conviennent à l'approche du filtrage collaboratif. Le filtrage collaboratif réduit également le risque de faire de "mauvaises" recommandations.
Lorsque vous disposez de peu d'informations sur l'utilisateur mais qu'il peut être identifié par un ID utilisateur ou un cookie.	Collaboratif	Dans ce cas, les attributs utilisateur sur lesquels reposent les règles peuvent faire défaut. Le filtrage collaboratif peut comparer les expériences de l'utilisateur sur le site à celles d'autres utilisateurs.