맞춤화된 추천 옵트아웃

이 도움말에서는 고객이 맞춤 추천을 수신하지 않도록 설정하는 방법을 설명합니다 Microsoft Dynamics 365 Commerce.

계정을 생성하는 동안 신규 고객은 맞춤형 추천을 받을 수 있도록 자동으로 설정됩니다. 그러나 Dynamics 365 Commerce 소매업체는 사용자가 이러한 추천 수신을 거부하고 개인 데이터 처리를 제한할 수 있는 다양한 방법을 제공합니다. 개인화된 추천 수신을 거부한 인증된 사용자는 즉시 개인화된 목록을 볼 수 없게 됩니다. 또한 개인화를 위해 수집된 모든 개인 데이터는 개인화된 추천 모델에서 제거됩니다.

맞춤형 제품 추천에 대한 자세한 내용은 맞춤형 추천 활성화를 참조하세요.

소매업체가 거부 경험을 구현하는 방법

소매업체는 옵트아웃 환경을 구현하는 세 가지 방법이 있습니다.

사용자를 대신하여 선택 해제

상거래 백오피스의 계정 관리에서 소매업체는 사용자를 대신하여 옵트아웃할 수 있습니다.

  1. 백오피스 홈페이지에서 모든 고객을 검색하세요.

  2. 고객을 검색하여 선택한 후 소매 FastTab을 선택하세요.

    소매 FastTab.

  3. 개인정보에서 개인화 비활성화 옵션을 로 설정합니다.

    개인 정보 설정.

  4. 저장을 선택하고 페이지를 닫습니다.

모듈 기반 옵트아웃 경험

소매업체는 인증된 사용자가 직접 맞춤 추천을 선택 해제하도록 할 수 있습니다. 이러한 옵트아웃 환경을 제공하려면 고객 계정 프로필 페이지에 사용자 옵트아웃 모듈을 추가하십시오.

맞춤 확장

소매업체는 자체 확장 프로그램을 만들어 사용자의 옵트아웃 환경을 관리할 수 있습니다. 자세한 내용은 Call Retail Server API온라인 채널 확장성을 참조하세요.

인증된 사용자를 대신하여 개인화된 추천 데이터의 디지털 사본을 얻습니다.

고객은 개인 데이터의 디지털 사본을 얻고 권장 사항 결과의 내보낸 보기를 보고 싶어할 수도 있습니다. 고객이 이 정보를 요청하는 경우 소매업체는 Retail Server 애플리케이션 프로그래밍 인터페이스(API)를 호출하고 Picks for you 의 전체 결과를 쿼리하는 맞춤형 확장 프로그램을 만들어야 합니다. 고객의 고객 ID를 기준으로 목록을 작성합니다. 그런 다음 결과를 쉼표로 구분된 값(CSV) 형식으로 내보내고 고객과 공유할 수 있습니다.

다음 예는 소매업체가 이 작업을 수행하는 방법을 보여줍니다.

  1. 소매업체는 사용자를 대신하여 개인 추천 데이터를 가져오는 사용자 지정 확장 프로그램을 만듭니다. 모듈 생성, 기존 모듈 복제, Retail Server API 호출, 데이터 작업 호출 방법에 대한 자세한 내용은 온라인 채널 확장성을 참조하세요.

  2. 사용자 정의 확장은 get-recommendations 핵심 데이터 작업을 호출하고 목록의 요구 사항에 따라 필요한 정보를 전달합니다. 당신을 위한 추천 목록의 경우 확장 프로그램은 올바른 목록 이름과 고객 ID를 데이터 작업에 전달해야 합니다.

    사용자 정의 확장을 생성하는 한 가지 방법은 권장 사항 결과를 반환하는 데 사용되는 기존 제품 컬렉션 모듈을 복제하는 것입니다. 소매업체는 이 기존 모듈을 복제하여 기존 코드를 수정하고 권장 사항 결과를 CSV 파일로 내보내는 새 버튼을 추가할 수 있습니다. 자세한 내용은 모듈 라이브러리 모듈 복제제품 컬렉션 모듈을 참조하세요.

    Retail Server API 라이브러리의 전체 보기는 Retail Server 고객 및 소비자 API를 참조하세요.

  3. 사용자 정의 확장이 생성된 후 소매업체는 인증된 사용자의 고유 고객 ID를 기반으로 모든 추천 결과의 CSV 파일을 내보낼 수 있습니다.

  4. 소매업체는 추천 제품의 ​​전체 개인화된 목록이 포함된 내보낸 CSV 파일을 인증된 사용자와 공유할 수 있습니다.

추가 리소스

제품 추천 개요

Dynamics 365 Commerce 환경에서 Azure Data Lake Storage 활성화

제품 추천 활성화

개인화된 추천 사용

'유사한 디자인 쇼핑' 추천 사용

POS에 제품 추천 추가

거래 화면에 추천 추가

AI-ML 추천 결과 조정

선별된 추천을 수동으로 만들기

데모 데이터로 추천 만들기

제품 추천 FAQ