Filters op aanbevelingen instellen

Filters voor aanbevelingen beperken de pool van kandidaten waaruit een algoritme put. Zonder filters bekijkt Personyze je hele catalogus; met filters alleen de items die aan je criteria voldoen. Het resultaat zijn scherpere aanbevelingen die beter in de context passen — en bescherming tegen ongemakkelijke uitkomsten (uitverkochte items, producten die niet bij het merk passen, items buiten de prijsklasse van de bezoeker).

Waar filters staan

Scrol in de stap voor het algoritme van een aanbevelingswizard voorbij de keuze van het algoritme naar het onderdeel Filters. Daar vind je veelgebruikte filters als schakelaars, en een knop om eigen filters toe te voegen met elk product- of contentattribuut.

Voorbeelden van veelgebruikte filters

Op voorraadEen filter dat in productie altijd aan staat. Aanbevelingen voor uitverkochte items zorgen meteen voor frustratie.

PrijsklasseFilter op ±20% van het product dat nu wordt bekeken, of op een specifieke prijsklasse per doelgroepsegment (premium tegenover voordelig).

Dezelfde categorieVoor widgets “meer zoals dit” — toon alleen items in dezelfde productcategorie als wat de bezoeker nu bekijkt.

Andere categorieVoor cross-sell — sluit items uit dezelfde categorie als het triggerproduct uit. Dwingt aanvullende aanbevelingen af.

Merk / fabrikantMatch het merk van het bekeken product, of beperk per campagne tot specifieke merken.

Eigen attributenElk veld in je productfeed — kleur, maat, materiaal, geslacht, seizoen — kan een filter worden.

Zo bouw je een filter

Klik op Filter toevoegen.
Kies in de eerste keuzelijst het productattribuut (bijv. merk, categorie, prijs).
Kies in de tweede keuzelijst de filterwaarde — een specifieke waarde (bijv. “iPhone”) of een dynamische match (bijv. “hetzelfde als het product dat nu wordt bekeken”).
Herhaal dit voor extra filters. Meerdere filters worden gecombineerd met EN-logica — items moeten aan allemaal voldoen.

Voor OF-logica gebruik je meestal één filter met meerdere geselecteerde waarden (bijv. brand IN [Apple, Samsung, Google]) in plaats van meerdere filterrijen.

Dynamische filters (contextbewust)

De krachtigste filters vergelijken attributen tussen de aanbevelingskandidaat en de context van de huidige pagina. Voorbeelden:

“Hetzelfde merk als het bekeken product” — de aanbevelingspool wordt gefilterd op het merk van het item waar de gebruiker nu naar kijkt.
“Prijs binnen ±25% van het bekeken product” — houdt aanbevelingen in een vergelijkbare prijsklasse.
“Dezelfde categorie als de laatste 3 bekeken” — beperkt tot de recente surfintentie.

Deze dynamische filters worden automatisch bijgewerkt terwijl de bezoeker surft — geen campagne per product nodig.

Filters voor contentaanbevelingen

Contentaanbevelingen gebruiken dezelfde filtermechaniek, maar met attributen die specifiek zijn voor content (categorie van het artikel, auteur, publicatiedatum, contenttype, tags). De interface ziet er iets anders uit, maar de logica is hetzelfde — kies een attribuut, kies een waarde, combineer met EN.

Aanbevolen werkwijzen

Begin breed en perk geleidelijk in. Zware filtering kan lege aanbevelingen opleveren. Voeg filters één voor één toe en controleer in de QA-stap of je nog steeds goede resultaten krijgt.
Neem altijd op voorraad + actief op. Dat is het absolute minimum voor elke aanbeveling in productie.
Combineer filters met een fallback. Zijn je filters streng, stel dan een fallbackalgoritme in met lossere filters, zodat bezoekers nooit een lege widget zien.
Test met echte bezoekersdata. Gebruik de QA-stap met een aantal echte e-mailadressen van abonnees om te zien wat filters in de praktijk opleveren — vooral bij dynamische filters die afhangen van de surfcontext.