Créer des recommandations d’articles basées sur l’intelligence artificielle

Découvrez comment créer un moteur de recommandation par intelligence artificielle à partir des articles de votre catalogue.

À propos des recommandations d’articles par l’IA

Utilisez les recommandations d’articles par l’IA pour calculer les produits les plus populaires ou créer des recommandations personnalisées par l’IA pour un catalogue spécifique. Après avoir créé votre recommandation, vous pouvez utiliser la personnalisation pour insérer ces produits dans vos messages.

Conseil

Les recommandations personnalisées par l’IA fonctionnent au mieux avec au moins quelques centaines d’articles de catalogue, au maximum 100 000 articles de catalogue, et généralement au moins 30 000 utilisateurs disposant de données d’achat ou d’interaction. Il ne s’agit que d’un guide approximatif et les résultats peuvent varier. Les autres types de recommandation peuvent fonctionner avec moins de données, y compris lorsque Plus populaire est utilisé comme solution de repli.

Fonctionnalités d’intelligence artificielle spécifiques au plan

Le tableau suivant décrit les différences entre la version gratuite et la version pro des types de recommandation Personnalisé par l’IA, Plus populaire, Plus récent et Tendance :

<sup>1. Il s’agit de la fréquence à laquelle les recommandations d’articles spécifiques à l’utilisateur sont mises à jour (Personnalisé par l’IA et Plus récent uniquement). Plus populaire et Tendance sont des recommandations globales qui se mettent à jour lors du réentraînement du modèle. Par exemple, si un utilisateur achète un article recommandé sur la base de recommandations d’articles par intelligence artificielle, ses articles recommandés seront mis à jour selon cette fréquence.
2. Les types de recommandation disponibles sont : Personnalisé par l’IA, Plus récent, Plus populaire et Tendance.</sup>

Créer une recommandation d’articles par IA

Prérequis

Avant de commencer, vous devez disposer des éléments suivants :

• Au moins un catalogue pour utiliser l’un des types de recommandation.
• Des données d’achat ou d’événement sur Braze (événements personnalisés, événement de commande passée ou objet d’achat) qui incluent une référence à l’article et doivent correspondre aux ID d’articles du catalogue.

Étape 1 : Créer une nouvelle recommandation

Vous pouvez créer une recommandation d’articles par IA depuis deux endroits dans le tableau de bord :

• depuis le menu de navigation
• depuis un catalogue

Étape 2 : Ajouter les détails de la recommandation

Donnez un nom et une description facultative à votre recommandation.

Étape 3 : Définir votre recommandation

Sélectionnez un type de recommandation. Chaque type utilise les six derniers mois de données d’interaction avec les articles, telles que les données d’achat, de commande passée ou d’événement personnalisé. Pour des informations plus détaillées et des cas d’usage pour chaque type, consultez Types et cas d’usage.

Conseil

Lorsque vous utilisez Plus récent ou Personnalisé par l’IA, les utilisateurs ne disposant pas de suffisamment de données pour créer des recommandations individualisées reçoivent les articles Plus populaire en solution de repli. La solution de repli Plus populaire ne renvoie que les articles existant dans le catalogue lié.

Pour les recommandations Personnalisé par l’IA, consultez le Taux de personnalisation sur la page Analytics pour voir quel pourcentage d’utilisateurs ayant effectué l’événement configuré au cours des 24 derniers mois disposent de recommandations personnalisées stockées sur leur profil. Pour les recommandations Plus récent, la page Analytics affiche la part d’utilisateurs recevant des recommandations Plus récent par rapport à la solution de repli Plus populaire.

Étape 3.1 : Exclure les achats ou interactions précédents (facultatif)

Pour éviter de suggérer des articles qu’un utilisateur a déjà achetés ou avec lesquels il a déjà interagi, sélectionnez Do not recommend items users have previously interacted with. Cette option n’est disponible que lorsque le Type de recommandation est défini sur AI Personalized.

Ce paramètre empêche les messages de réutiliser les articles qu’un utilisateur a déjà achetés ou avec lesquels il a interagi, à condition que la recommandation ait été mise à jour récemment. Les articles achetés ou avec lesquels l’utilisateur a interagi entre les mises à jour de recommandation peuvent toujours apparaître. Pour la version gratuite des recommandations d’articles, les mises à jour ont lieu chaque semaine. Pour la version pro des recommandations d’articles par IA, les mises à jour ont lieu toutes les 24 heures.

Par exemple, lorsque vous utilisez la version pro des recommandations d’articles par IA, si un utilisateur achète quelque chose puis reçoit un e-mail marketing dans les 30 minutes, l’article qu’il vient d’acheter pourrait ne pas être exclu de l’e-mail à temps. Cependant, tout message envoyé après 24 heures n’inclura pas cet article.

Étape 3.2 : Sélectionner un catalogue

S’il n’est pas déjà renseigné, sélectionnez le catalogue à partir duquel cette recommandation extraira les articles.

Étape 3.3 : Ajouter une sélection (facultatif)

Si vous souhaitez un contrôle plus précis sur votre recommandation, choisissez une sélection pour appliquer des filtres personnalisés. Les sélections filtrent les recommandations par colonnes spécifiques de votre catalogue, telles que la marque, la taille ou l’emplacement. Les sélections contenant du Liquid ne peuvent pas être utilisées dans votre recommandation.

Conseil

Si vous ne trouvez pas votre sélection, assurez-vous qu’elle est d’abord configurée dans votre catalogue.

Étape 4 : Sélectionner l’interaction pour piloter les recommandations

Sélectionnez l’événement pour lequel vous souhaitez que cette recommandation soit optimisée. Cet événement est généralement un achat, mais il peut également s’agir de toute interaction avec un article.

Conseil

Lors de la configuration des recommandations d’articles par IA, votre choix d’événement est important. Votre événement déclencheur détermine qui reçoit une recommandation générée par l’IA — les recommandations d’articles par IA sont générées pour les utilisateurs ayant effectué l’événement que vous configurez, ce choix détermine donc directement qui reçoit des recommandations. Sélectionnez un événement qui couvre l’intégralité du Segment d’audience que vous souhaitez atteindre.

En même temps, trouvez un équilibre entre couverture et pertinence. Les événements en haut de l’entonnoir (comme Produit consulté) tendent à capturer une audience plus large mais sont moins liés aux résultats commerciaux, tandis que les événements en bas de l’entonnoir (comme Acheté) tendent à produire des recommandations plus ciblées et pertinentes pour l’activité. Le meilleur événement est celui qui équilibre la couverture avec l’influence sur les résultats.

Vous pouvez optimiser pour :

• Les événements d’achat avec l’objet d’achat
• Les événements personnalisés représentant un achat
• Les événements personnalisés représentant toute autre interaction avec un article (comme les consultations de produits, les clics ou les lectures de médias)
• Les commandes passées avec l’événement de commande passée

Si vous choisissez Custom Event, sélectionnez votre événement dans la liste.

Remarque

Les événements personnalisés doivent disposer de suffisamment de données avant d’apparaître dans la liste des événements. Si votre événement personnalisé n’apparaît pas, c’est peut-être parce que le backend de Braze ne l’a pas encore traité ou qu’il ne dispose pas de suffisamment de données pour l’entraînement du modèle. Les recommandations par IA s’appuient sur des données historiques pour générer des informations, de sorte que les événements nouvellement créés ou rarement déclenchés ne seront pas disponibles tant que davantage de données n’auront pas été collectées.

Étape 5 : Choisir le nom de propriété correspondant

Pour créer une recommandation, vous devez indiquer à Braze quel champ de votre événement d’interaction (événement de commande passée, objet d’achat ou événement personnalisé) contient l’identifiant unique correspondant au champ id d’un article dans le catalogue. Vous n’êtes pas sûr ? Consultez les exigences.

Sélectionnez ce champ pour le Property Name.

Le champ Property Name est pré-rempli avec une liste de champs envoyés via le SDK à Braze. Si suffisamment de données sont fournies, ces propriétés sont également classées par ordre de probabilité d’être la propriété correcte. Sélectionnez celle qui correspond au champ id du catalogue.

Exigences

Il existe certaines exigences pour la sélection de votre propriété :

• Doit correspondre au champ id de votre catalogue sélectionné.
• Si vous avez sélectionné l’événement de commande passée ou si vous utilisez les événements eCommerce pour entraîner les recommandations d’articles : Saisissez products.product_id pour l’ID du produit.
  • Le champ peut se trouver dans un tableau de produits, ou se terminer par un tableau d’ID. Dans les deux cas, chaque ID de produit sera traité comme un événement séparé et séquentiel avec le même horodatage.
• Si vous avez sélectionné l’objet d’achat : Doit être le product_id ou un champ de l’objet properties de votre événement d’interaction.
• Si vous avez sélectionné un événement personnalisé : Doit être un champ de l’objet properties de votre événement personnalisé.
• Les champs imbriqués doivent être saisis dans le menu déroulant Property Name en notation par points avec le format event_property.nested_property. Par exemple, pour sélectionner la propriété imbriquée district_name au sein de la propriété d’événement location, vous saisiriez location.district_name. Pour en savoir plus sur les propriétés imbriquées dans les événements personnalisés, consultez Objets imbriqués.

Exemples de mappages

Les exemples de mappages suivants font tous deux référence à ce catalogue d’exemple :

• événement personnalisé
• objet d'achat
• événement de commande passée

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"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "name": "ecommerce.order_placed",
  "properties": {
    "order_id": "order_123",
    "total_value": 200.0,
    "currency": "USD",
    "products": [
      {
        "product_id": "ADI-BL-7",
        "product_name": "Adidas Black Size 7",
        "variant_id": "ADI-BL-7-default",
        "quantity": 1,
        "price": 100.0
      }
    ],
    "source": "storefront"
  }
}

Étape 6 : Entraîner la recommandation

Lorsque vous êtes prêt, sélectionnez Create Recommendation. Ce processus peut prendre de 10 minutes à 36 heures. Vous recevrez une notification par e-mail lorsque la recommandation aura été entraînée avec succès ou une explication des raisons pour lesquelles la création a pu échouer.

Vous pouvez retrouver la recommandation sur la page Predictions, où vous pouvez ensuite la modifier ou l’archiver selon vos besoins. Les recommandations sont automatiquement réentraînées une fois par semaine (version payante) ou par mois (version gratuite).