Personalisierte Produktempfehlungen — dieselbe Engine, die die Empfehlungs-Widgets auf Ihrer Website antreibt — direkt in Ihrer nativen iOS- oder Android-App. Das Profil wird über alle Kanäle geteilt: Wer auf Ihrer Website Jacken angesehen hat, erhält beim Öffnen der App sofort passende Empfehlungen, statt bei null anzufangen.
Im Panel: Neue Kampagne › App / API › Product Recs for Apps.
Bevor Sie beginnen
Das SDK muss zuerst installiert sein und Daten melden. Die Installation für beide Plattformen, den Initialisierungscode und wie Sie prüfen, ob Daten ankommen, finden Sie unter Targeting & Personalisierung für mobile Apps. Wenn Ihr Gerät nicht unter Besucher in Echtzeit erscheint, beheben Sie das zuerst — für einen Nutzer, den Personyze nicht sieht, lassen sich keine Empfehlungen erzeugen.
Außerdem brauchen Sie einen Produktkatalog in Personyze. Siehe das Objekt products, um einen per API zu übertragen, oder laden Sie im Panel einen Feed hoch.
Die Schritte der Kampagne
Sechs Schritte: Einrichtung, Katalog, Interaktionen, Inhalte, Zielgruppe und Leistung.
Zwei Dinge fallen auf. Es gibt keinen QA-Schritt — App-Kampagnen werden in einem Build geprüft, nicht im Panel. Und Inhalte kommen vor der Zielgruppe: Sie gestalten zuerst die Empfehlung und entscheiden dann, wer sie erhält.
1. Einrichtung
Bestätigt die SDK-Integration. Behandelt im oben verlinkten Artikel.
2. Katalog
Ihr Produktkatalog muss vorhanden und aktuell sein. Jedes Produkt braucht mindestens eine interne ID, einen Titel und eine Bild-URL — Empfehlungen ohne Bild erscheinen in einer App genauso als leere Kästen wie im Web. Halten Sie is_in_stock korrekt, sonst empfehlen Sie Dinge, die niemand kaufen kann.
3. Interaktionen
Dieser Schritt entscheidet darüber, ob Empfehlungen etwas taugen — und er wird am häufigsten übersprungen.
Die Engine lernt aus dem, was Menschen mit Produkten tun: angesehen, in den Warenkorb gelegt, gekauft. Auf einer Website kann Personyze das oft automatisch erkennen. In einer App geht das nicht — es gibt kein DOM, das beobachtet werden könnte. Ihre App muss diese Ereignisse ausdrücklich über SDK-Aufrufe melden.
Melden Sie mindestens Produktansichten und Käufe. Ohne Interaktionsdaten haben Algorithmen wie „Zusammen gekauft“ und „Beliebt“ nichts, woraus sie rechnen könnten, und das Widget bleibt leer oder greift auf eine allgemeine Liste zurück.
Wenn Sie auch im Web verkaufen, fließen beide Datenströme in ein Profil — das Surfen in der App verbessert also die Empfehlungen auf der Website und umgekehrt.
4. Inhalte
Wählen Sie den Empfehlungsalgorithmus und die Form der Antwort. Für Apps gibt es zwei Darstellungsoptionen:
- HTML (WebView) — Personyze liefert ein gerendertes Widget, das Sie in eine WebView einsetzen. Der schnellste Weg, und das Layout lässt sich später ändern, ohne ein App-Update auszuliefern.
- JSON — Personyze liefert die ausgewählten Produkte als strukturierte Daten, und Ihre App stellt sie nativ dar. Bessere Performance und ein natives Gefühl; mehr Arbeit am Anfang.
Wenn Sie JSON zurückgeben, wählen Sie die Felder, die Ihre App in der Antwort braucht — Titel, Preis, Bild-URL, Produkt-URL und alle eigenen Katalogfelder, die Sie anzeigen möchten.
5. Zielgruppe
Wer die Empfehlung sieht. Es gilt das gesamte Standard-Targeting. Ein übliches Muster ist, verschiedenen Personen verschiedene Algorithmen zu zeigen — Neuheiten für Erstnutzer, „Zusammen gekauft“ für Personen mit Kaufhistorie.
6. Leistung
Ergebnisse, sobald die Kampagne live ist: wie oft die Empfehlung angezeigt wurde, wie oft damit interagiert wurde und was sie beigetragen hat.
Prüfen
- Prüfen Sie, ob Ihr Gerät unter „Besucher in Echtzeit“ erscheint.
- Melden Sie einige Produktansichten aus der App und prüfen Sie, ob sie Ihrer Sitzung zugeordnet werden.
- Erweitern Sie die Zielgruppe so, dass sie sicher auf Sie zutrifft, und prüfen Sie, ob Empfehlungen ankommen und nicht leer sind.
- Grenzen Sie die Regeln wieder ein und prüfen Sie, ob sich das Verhalten ändert.
Ein leeres Ergebnis bedeutet fast immer Schritt 2 oder 3 der Kampagne — ein Katalog, der nicht importiert wurde, oder Interaktionen, die nicht gemeldet werden — und kein Targeting-Problem.