Recomendaciones de artículos de AI

Aprende a crear una recomendación de artículos AI para los artículos de un catálogo.

Utiliza las recomendaciones de artículos de IA para calcular los productos más populares o crear recomendaciones de IA personalizadas para un [catalog][catalog]. Después de crear tu recomendación, puedes utilizar la personalización para insertar esos productos en tus mensajes.

Requisitos previos

Antes de empezar, tendrás que completar lo siguiente:

• Debes tener al menos un catálogo para utilizar cualquiera de los tipos de recomendación descritos a continuación.
• Debes tener datos de compra o evento en Braze (eventos personalizados o el objeto de compra) que incluyan una referencia a ID de producto únicos almacenados en un catálogo.

Crear una recomendación de artículo de IA

Para crear una recomendación de artículo:

1. Ve a Análisis > Recomendación de elementos de IA.
2. Selecciona Crear predicción > Recomendación de elementos AI.

También puedes elegir crear una recomendación directamente desde un catálogo individual. Selecciona tu catálogo en la página Catálogos y, a continuación, selecciona Crear recomendación.

Paso 1: Añadir detalles de la recomendación

Dale a tu recomendación un nombre y una descripción opcional.

Paso 2: Define tu recomendación

Selecciona el tipo de recomendación. Todos los tipos de recomendación utilizan los datos de los últimos seis meses de interacción con el artículo (compra o evento personalizado). La interacción mencionada a continuación se refiere a un evento de compra o a un evento personalizado elegido en el Paso 3.

• Los más populares: Calcula hasta 30 elementos del catálogo con los que interactúan más a menudo todos los usuarios del espacio de trabajo, como los productos más comprados.
• La más reciente: Crea una lista de hasta 30 productos con los que un usuario ha interactuado más recientemente.
• AI Personalización: Utiliza transformadores, un nuevo tipo de aprendizaje profundo, para predecir el siguiente conjunto de elementos con los que es más probable que interactúe cada usuario. Calculamos hasta 30 de los siguientes elementos más probables ordenados de mayor a menor probabilidad. Este tipo de recomendación no utiliza grandes modelos lingüísticos (LLM) para combinar tus datos con los de ningún otro cliente de Braze.
• En tendencia: Calcula hasta 30 elementos del espacio de trabajo que hayan tenido el impulso positivo más reciente en lo que respecta a las interacciones de los usuarios.

Paso 2a: Excluir compras o interacciones anteriores (opcional)

Para evitar sugerir artículos que un usuario ya haya comprado o con los que ya haya interactuado, selecciona No recomendar artículos con los que los usuarios hayan interactuado previamente. Esta opción sólo está disponible cuando el Tipo de recomendación está configurado como AI Personalizado.

Esta configuración impide que la mensajería reutilice los artículos que un usuario ya ha comprado o con los que ya ha interactuado, siempre que la recomendación se haya actualizado recientemente. Los artículos comprados o con los que se haya interactuado entre las actualizaciones de las recomendaciones pueden seguir apareciendo. En la versión gratuita de las recomendaciones de artículos, las actualizaciones son semanales. Para la versión pro de las recomendaciones de elementos de IA, las actualizaciones se producen cada 24 horas.

Por ejemplo, al utilizar la versión pro de las recomendaciones de artículos de IA, si un usuario compra algo y luego recibe un correo electrónico de marketing en 30 minutos, es posible que el artículo que acaba de comprar no se excluya del correo electrónico a tiempo. Sin embargo, los mensajes enviados después de 24 horas no incluirán ese elemento.

Paso 2b: Seleccionar un catálogo

Si aún no está rellenado, selecciona el catálogo del que esta recomendación extraerá artículos.

Paso 2c: Añade una selección (opcional)

Si quieres tener más control sobre tu recomendación, elige una selección para aplicar filtros personalizados. Las selecciones filtran las recomendaciones por columnas específicas de tu catálogo, como marca, tamaño o ubicación. Las selecciones que contienen Liquid no pueden utilizarse en tu recomendación.

Paso 3: Selecciona la interacción para impulsar las recomendaciones

Selecciona el evento para el que quieres que se optimice esta recomendación. Este evento suele ser una compra, pero también puede ser cualquier interacción con un artículo.

Puedes optimizar para:

• Eventos de compra con el Objeto de Compra
• Eventos personalizados que representan una compra
• Eventos personalizados que representen cualquier otra interacción con elementos (como vistas de productos, clics o reproducciones multimedia)

Si eliges Evento personalizado, selecciona tu evento de la lista.

Paso 4: Elige el nombre de la propiedad correspondiente

Para crear una recomendación, tienes que decirle a Braze qué campo de tu evento de interacción (objeto de compra o evento personalizado) tiene el identificador único que coincide con el campo id de un artículo en el catálogo. ¿No estás seguro? Ver requisitos.

Selecciona este campo para el Nombre de la propiedad.

El campo Nombre de propiedad se rellenará previamente con una lista de campos enviados a través del SDK a Braze. Si se proporcionan datos suficientes, estas propiedades también se clasificarán por orden de probabilidad de ser la propiedad correcta. Selecciona la que corresponda al campo id del catálogo.

Requisitos

Hay algunos requisitos para seleccionar tu propiedad:

• Debe estar mapeado en el campo id de tu catálogo seleccionado.
• Si has seleccionado Objeto de compra: Debe ser el product_id o un campo del properties de tu evento de interacción.
• Si has seleccionado Evento personalizado: Debe ser un campo de tu evento personalizado properties.
• Los campos anidados deben escribirse en el desplegable Nombre de la propiedad en notación de puntos con el formato event_property.nested_property. Por ejemplo, si seleccionas la propiedad anidada district_name dentro de la propiedad de evento location, introducirías location.district_name.
• El campo puede estar dentro de una matriz de productos, o terminar con una matriz de ID. En cualquier caso, cada ID de producto se tratará como un evento independiente y secuencial con la misma marca de tiempo.

Ejemplos de mapeados

Los siguientes ejemplos de mapeados hacen referencia a este catálogo de muestra:

• evento personalizado
• objeto de compra

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "2ff3f9a9-8803-4c3a-91da-14adbf93dc99",
        "products": [
          { "sku": "ADI-BL-7" },
          { "sku": "ADI-WH-9" }
        ]
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "13791e08-7c22-4f6c-8cc6-832c76af3743",
        "purchase": {
          "product_skus": ["ADI-BL-7", "ADI-WH-9"]
        }
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

Paso 5: Entrena la recomendación

Cuando estés listo, selecciona Crear recomendación. Este proceso puede durar entre 10 minutos y 36 horas. Recibirás una actualización por correo electrónico cuando la recomendación se haya formado correctamente o una explicación de por qué puede haber fallado la creación.

Puedes encontrar la recomendación en la página Predicciones, donde luego puedes editarla o archivarla según necesites. Las recomendaciones se reciclarán automáticamente una vez al mes.

Análisis

Puedes consultar los análisis de tu recomendación para ver qué artículos se recomendaron a los usuarios y la precisión del modelo de recomendación.

1. Ve a Análisis > Recomendación de artículos.
2. Selecciona tu recomendación de la lista.

En la parte superior de la página, puedes encontrar estadísticas sobre tu recomendación, como la precisión y la cobertura.

Estas métricas se definen en la tabla siguiente.

La siguiente sección muestra un desglose de los elementos del catálogo, dividido en dos columnas posibles:

• Artículos personalizados o Artículos más recientes: Esta columna enumera cada artículo del catálogo en orden descendente de los más recomendados a los usuarios. Esta columna también muestra a cuántos usuarios asignó el modelo cada elemento.
• Artículos más populares: Esta columna enumera cada artículo del catálogo en orden descendente de popularidad. La popularidad aquí se refiere a los elementos del catálogo con los que los usuarios interactúan más a menudo en todo el espacio de trabajo. El más popular se utiliza como alternativa cuando no se puede calcular el personalizado o el más reciente para un usuario individual.

El resumen de recomendaciones muestra un resumen de la configuración de recomendaciones elegida, incluyendo cuándo se actualizó la recomendación por última vez.

Utilizar recomendaciones en mensajería

Después de que tu recomendación termine de formarse, puedes personalizar tus mensajes con Liquid para insertar los productos más populares de ese catálogo. El Liquid puede ser generado para ti por la ventana de personalización que se encuentra en los creadores de mensajes:

1. En cualquier creador de mensajes que admita la personalización, selecciona para abrir la ventana de personalización.
2. En Tipo de personalización, selecciona Recomendación de artículos.
3. En Nombre de la recomendación, selecciona la recomendación que acabas de crear.
4. En Número de artículos predichos, introduce cuántos productos principales quieres que se inserten. Por ejemplo, puedes mostrar los tres artículos más comprados.
5. En Información a mostrar, selecciona qué campos del catálogo deben incluirse para cada artículo. Los valores de estos campos para cada artículo se extraerán del catálogo asociado a esta recomendación.
6. Selecciona el icono Copiar y pega el Liquid donde sea necesario en tu mensaje.

Niveles de recomendación de elementos de IA

En la tabla siguiente se describen las diferencias entre la versión gratuita y la pro de los tipos de recomendación AI Personalizada, Popular y Tendencias:

<sup>1. Es la frecuencia con la que se actualizan las recomendaciones de artículos específicas del usuario (todos los modelos excepto Artículos más populares, que se actualiza cuando el modelo se vuelve a entrenar). Por ejemplo, si un usuario compra un artículo recomendado basándose en las recomendaciones de artículos de la IA, sus artículos recomendados se actualizarán según esta frecuencia
2. Los tipos de recomendación disponibles son AI Personalizada, Más reciente, Más popular y Tendencias.</sup>

Preguntas más frecuentes

¿Qué hace que los artículos “Más populares” se mezclen con las recomendaciones de otros modelos?

Cuando nuestra herramienta de recomendaciones selecciona una lista para ti, primero da prioridad a las selecciones personalizadas basadas en el modelo específico que has elegido, como “Más reciente” o “Personalizado con IA”. Si este modelo no puede llenar la lista completa de 30 recomendaciones por cualquier motivo, se añaden entonces algunos de tus artículos más populares entre todos los usuarios, para asegurarte de que cada usuario tenga siempre un conjunto completo de recomendaciones.

Esto ocurre en algunas condiciones específicas:

• El modelo encuentra menos de 30 artículos que coinciden con tus criterios.
• Los artículos relevantes ya no están disponibles o en stock.
• Los artículos no cumplen los criterios de selección actuales, quizás debido a un cambio en las existencias o a las preferencias del usuario.

¿Las recomendaciones existentes se entrenan semanalmente después de actualizar a Recomendaciones de Artículos Pro?

Sí, pero sólo después de su próxima actualización programada. Las recomendaciones existentes no cambian a entrenamiento semanal y predicción diaria inmediatamente después de actualizar a Recomendaciones de artículos Pro. Sin embargo, adoptarán el nuevo horario automáticamente en su próximo ciclo de reciclaje. Por ejemplo, si una recomendación se entrenó por última vez el 1 de febrero y está configurada para volver a entrenarse cada 30 días, adoptará el nuevo programa semanal tras su próxima actualización el 2 de marzo.