个性化建议，
建议类型
使用各种算法在后台提供个性化客户体验，从而确定要提供哪些合适的产品或内容。算法驱动的建议可以包括：
畅销产品
基于最常购买的商品。
看了这个，看那个
基于最常与当前查看的项一起查看的项。
看了，买了
基于访问者最常购买的商品，他们也查看了当前查看的商品。
买了，买了
基于最常与当前查看的货品一起购买的货品。
经常查看
基于最常查看的项。
上次查看过
基于某人之前访问的最后一项。
一对一访问者关联性
根据人员最常根据其交互历史记录与之交互的项进行交互。
个性化 Web 体验的建议
通过与 Oracle Maxymiser Testing and Optimization 集成，定制网站体验。Oracle Recommendations 增强了 Oracle Maxymiser 中已有的功能，因此您可以轻松地提供产品或内容建议来定制和改进每个客户的体验。
- 利用预配置的窗口部件、可用算法和直观的所见即所得编辑器。
- 通过拖放式界面，为各种受众创建规则驱动的个性化。
- 构建灯箱、覆盖层、横幅或通知，并根据特定用户操作触发它们。
例如，您可以按天气定位，因此来自温暖气候的游客不会看到无关的内容。通过使用地理位置和天气来定位游客，您可以确保来自寒冷气候的人看到寒冷的天气图像。相比之下，来自温暖气候的游客可以看到相应的温暖天气图像。
针对个性化电子邮件的建议
将算法驱动的推荐添加到 Responsys 营销活动管理，提高电子邮件点击率和转化率。从我们的库中选择一个算法，并使用电子邮件打开时间支持来确保推荐在查看时相关。
- 在 Oracle Responsys 电子邮件中原生包含产品或服务建议。
- 通过添加与网站上的建议一致的算法驱动的建议，提高会话和购物车放弃电子邮件的电子邮件点击率和转化率。
- 开放时间支持可确保推荐及时，不会让收件人感到沮丧（例如，建议缺货货品）。
与其他应用程序的建议
- 跨所有面向客户的系统（不仅仅是 Oracle 客户体验解决方案）使用建议。
- 在移动和第三方应用上提出建议。
- 使用 REST API 服务，让开发人员可以快速将建议扩展到移动端、IoT 及更高版本。
正在使用的建议
匿名购物者 (B2C，B2B2C)
问题：零售商和品牌必须吸引新老客户和回头客，让他们根据喜好和过去的购买来寻找“最新、最优秀”或特定货品。
解决方案：显示最流行、最畅销或最热门的商品。
收益：提高转化率和平均订单值。
重新定位（B2C、B2B2C）
问题：直接向现有消费者销售的零售商、品牌和媒体平台必须使每一次互动都具有个性化和相关性，从而提高保留率并提高忠诚度。
解决方案：利用丰富的概要信息洞察来提供个性化的情境化建议。
优势：提高平均订单价值、购物频率和客户生命周期价值。
长期销售周期服务（B2B、B2C、B2B2C）
问题：在比较价格和解决方案时，长期销售周期服务很少（通常是匿名）访问品牌网站的购物者。
解决方法：基于独立属性、低上下文和有限数据，使用基于“上次查看”算法的建议模型来允许访问者选择离开的位置。
优势：尽可能减少复杂探索和购买旅程的挫折感，尽可能提高转化率。
后续举措
作为独立解决方案购买 Oracle Recommendations，以与其他营销技术应用（Oracle 和非 Oracle）集成，或者将其作为 Oracle Infinity Behavioral Intelligence 的一部分购买。
了解有关 Oracle Infinity 的更多信息
注：为免疑义，本网页所用以下术语专指以下含义：
- 除Oracle隐私政策外，本网站中提及的“Oracle”专指Oracle境外公司而非甲骨文中国。
- 相关Cloud或云术语均指代Oracle境外公司提供的云技术或其解决方案。
此页面内容为机器翻译。