Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Die Retail Interest Group von Dynamics 365 Commerce wurde von Yammer zu Viva Engage verschoben. Wenn Sie keinen Zugriff auf die neue Viva Engage-Community haben, füllen Sie dieses Formular (https://aka.ms/JoinD365commerceVivaEngageCommunity) aus, um hinzugefügt zu werden, und bleiben Sie an den neuesten Diskussionen beteiligt.
Dieser Artikel erklärt, wie Händler manuell Produktempfehlungslisten für Microsoft Dynamics 365 Commerce-Kunden erstellen und verwalten können.
Kuratierte Listen sind Sammlungen von individuellen Inhalten, die von Personen erstellt und kuratiert wurden.
Neue Liste erstellen
Um eine kuratierte Produktempfehlungsliste zu erstellen, folgen Sie diesen Schritten.
- Gehen Sie zu Einzelhandel und Handel > Produktempfehlungen > Empfehlungslisten.
- Wählen Sie Neu aus.
- Geben Sie im Feld Listen-ID einen Wert ein.
- Geben Sie im Feld Listennamen einen Wert ein.
- Der Listenname Ist der Titel der Liste, der in der kuratierten Listenauswahl des Moduls Produktsammlung angezeigt wird.
- Um Produkte der Liste hinzuzufügen, wählen Sie Produkte hinzufügen.
- Um die Reihenfolge der Produkte in der Liste zu ändern, geben Sie einen Wert in der Spalte Anzeigereihenfolge ein.
- Wenn zwei Produkte den gleichen Wert aufweisen, dann kann der abschließende Auftrag dieser zwei Ergebnisse sich vom Back Office unterscheiden.
- Wählen Sie Speichern, um die Liste zu speichern.
Beispielliste
Zusätzliche Ressourcen
Aktivieren von Azure Data Lake Storage in einer Dynamics 365 Commerce Umgebung
Produktempfehlungen aktivieren
Personalisierte Empfehlungen aktivieren
Personalisierte Empfehlungen kündigen
Die Empfehlungen „Produkte mit ähnlichem Aussehen kaufen“ aktivieren
Produktempfehlungen in POS hinzufügen
Empfehlungen dem Transaktionsbildschirm hinzufügen
Anpassung der Ergebnisse der AI-ML-Empfehlungen