欢迎阅读SAP CX服务营销实践的博客文章。

我们很高兴与您分享我们在营销业务、技术和分析方面的经验。

您想看更多我们的博客吗？点击这里。

借助SAP Marketing Cloud，您可以创建推荐模型，个人云服务器家用搭建，物联网大赛，跨多个销售渠道为消费者提供相关推荐。关于推荐模型如何返回推荐的逻辑可以使用多种（现成的或定制的）算法组合来构建。

推荐可以稍后直接用于营销活动或通过API外部使用，例如，根据经常一起购买的产品，为消费者当前正在查看的商品提供退货产品建议。存在与SAP Commerce的标准集成–SAP Marketing Cloud的产品建议可以显示在网上商店上。

围绕产品建议的主题有多个方面。这篇博文的重点是如何使用sapmarketingcloud的可扩展性概念实现产品推荐的定制算法。这篇文章没有涉及产品推荐与其他解决方案的集成或生产架构的推荐实践等方面。

SAP Marketing Cloud中的现成算法可以涵盖几个场景。两个例子是：

场景A）根据过去Y天的交互数据查看最多的产品场景B）基于最近X天的交互购买历史的交叉销售

场景A）是一个直接的场景，返回SAP Marketing Cloud中基于店铺\项目\视图交互的最受欢迎的产品。基本的算法是查询算法，场景B）可以基于关联算法，比如Apriori Lite，返回在给定时间段内经常一起购买的产品。在这种交叉销售场景中，还可以包含一个后处理算法，以便在第二步中删除客户购物车中已经存在的项目。

如上所示，各种现成的算法可以组合成简单或复杂的场景。但是，如果产品推荐的现成算法无法涵盖给定的场景，则需要定制算法。

可以通过定制算法实现的场景有两个示例：

场景C）基于产品主数据的类似产品场景D）向上销售来自相同产品类别的更昂贵产品

基于产品主数据的类似产品

场景C）作为使用启发式的产品相似性的典型用例。根据行业和产品主数据的可用性，产品相似性的定义当然会有所不同。在我们的示例中，我们以电影行业的电影数据为例。

我们场景的数据集来自公共来源，大淘客，即电影数据库API。

假设我们是一家专门从事流媒体和视频点播服务的公司。除了"其他用户观看的内容"等经典推荐之外，我们还希望为"类似电影"构建一个简单的电影推荐场景（例如，基于类型、运行时间、播放时间和播放时间），发行年份）。

TMDb数据集的一个子集如下所示（与我个人偏好的任何相似之处纯属巧合）：

此数据集中的每部电影都已转换为产品，具有运行时间和发行年份等扩展属性。类型已转换为产品类别。

我们的产品相似性定制算法现在必须考虑这三个属性。

从同一产品类别向上销售更昂贵的产品

场景D）是一个典型的用例，在许多行业都是有效的，例如消费电子产品业务线。这里的想法是，标准算法（如交叉销售方案B）已经返回了通常一起购买的产品（如智能手机外壳和智能手机）。

但是，我们希望通过影响推荐产品列表来重新排列结果。简言之，构建云服务器，我们希望先展示同一产品类别中更贵的产品（例如，首先展示30美元的智能手机壳，尽管10美元的智能手机壳通常是与智能手机a一起购买的）。

下面，我们将对两种情况的实施步骤进行概述。第一步是HANA视图建模，然后将HANA视图导入SAP Marketing Cloud并配置算法。最后，我们可以通过使用我们的算法创建一个推荐模型来测试我们的定制算法。

根据SAP Marketing Cloud的扩展性指南，我们创建了一个"推荐运行时"视图，该视图必须包含与两种场景的PRECO\u CX\u任务表的联接。除此之外，此表包含用户设置的最大推荐项目数。视图的结果集必须包含以下内容：

任务ID（整数）结果项（varbinary 16）结果项类型（nvarchar 2）得分（双倍）

基于产品主数据的类似产品

在为我们的产品创建自定义扩展字段（电影元数据）并将电影数据导入SAP Marketing后，我们可以为产品相似性构建自定义HANA视图。

HANA视图最重要的节点如下（HANA视图截图如下）：

现在我们需要使用"添加自定义视图"应用程序和"推荐运行时"视图使用类型将HANA视图上载到SAP Marketing Cloud中。

最后一个配置步骤在"管理您的解决方案"应用程序中。在"配置您的解决方案"部分，搜索推荐配置算法。在这里您可以找到所有标准算法。我们需要创建一个新的。使用在HANA模型的节点1中选择的相同算法ID是至关重要的。在本例中，此算法应该是"推荐"步骤类型的一部分（与"删除购物车中已有的项目"相反），这是"筛选"算法的一部分。