Recomendações de itens
Aprimore suas recomendações com a Braze criando um mecanismo de recomendação que pode sugerir itens e conteúdos que seus usuários realmente desejam. Desde a personalização de experiências com IA até a criação de seus próprios mecanismos com Liquid ou Connected Content, você encontrará tudo o que precisa para fazer com que cada recomendação conte.
Pré-requisitos
Antes de criar ou usar recomendações de itens na Braze, você precisará criar pelo menos um catálogo—apenas itens desse catálogo serão recomendados aos usuários.
Tipos e casos de uso
IA Personalizada
Como parte do recurso de recomendação de itens de IA, as recomendações de IA Personalizada utilizam deep learning para prever no que seus usuários têm mais probabilidade de se interessar a seguir, com base no que demonstraram interesse no passado. Esse método oferece um sistema de recomendação dinâmico e personalizado que se adapta ao comportamento do usuário.
As recomendações de IA Personalizada usam os últimos 6 meses de dados de interação com itens, como compras ou eventos personalizados, para construir o modelo de recomendação. Para usuários sem dados suficientes para uma lista personalizada, os itens mais populares servem como fallback, garantindo que seus usuários ainda recebam sugestões relevantes.
Com as recomendações de itens de IA, você também pode filtrar ainda mais os itens disponíveis com seleções. No entanto, seleções com Liquid não podem ser usadas em recomendações de IA, então leve isso em consideração ao criar suas seleções de catálogo.
As recomendações de IA Personalizada funcionam melhor com centenas ou milhares de itens e, normalmente, pelo menos 30.000 usuários com dados de compra ou interação. Isso é apenas uma orientação aproximada e pode variar. Os outros tipos de recomendação podem funcionar com menos dados.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir:
Prever e recomendar os itens que um usuário tem maior probabilidade de comprar a seguir, com base em eventos de compra ou eventos personalizados relacionados a compras. Por exemplo:
- Um site de viagens pode sugerir pacotes de férias, voos ou estadias em hotéis com base no histórico de navegação e nas reservas anteriores do usuário, antecipando seu próximo destino de viagem e facilitando o planejamento da viagem.
- Uma plataforma de streaming pode analisar hábitos de visualização para recomendar séries ou filmes que o usuário tem mais probabilidade de assistir a seguir, mantendo-o engajado e reduzindo as taxas de churn.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Um método para rastrear compras: um objeto de compra, um evento personalizado ou um evento de pedido realizado
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como AI Personalized.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha como você rastreia eventos de compra atualmente e a propriedade de evento correspondente.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Item mais popular
O modelo de recomendação “Mais popular” apresenta itens com os quais os usuários mais interagem.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir recomendar:
Incentive os usuários a explorar itens populares no seu catálogo com base em compras. Para garantir que você exiba apenas conteúdo relevante, recomendamos filtrar com uma seleção. Por exemplo, um serviço de entrega de comida pode destacar pratos ou restaurantes mais bem avaliados na área do usuário, com base na popularidade dos pedidos na plataforma, incentivando experimentação e descoberta.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Um objeto de compra, um evento de pedido realizado ou qualquer evento personalizado
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most popular.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes. Por exemplo, o serviço de entrega de comida pode ter uma seleção para filtrar por localização do restaurante ou tipo de prato.
- Escolha como você rastreia eventos atualmente e a propriedade de evento correspondente.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Incentive os usuários a explorar itens que curtiram recentemente ou itens que são populares em curtidas, com base em um evento personalizado para curtidas. Por exemplo, um app de streaming de música pode criar playlists personalizadas ou sugerir novos lançamentos de álbuns com base nos gêneros ou artistas que o usuário curtiu no passado, aumentando o engajamento e o tempo gasto no app.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para curtidas
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most recent.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para curtidas na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Destaque itens que atraíram atenção em toda a sua base de usuários por meio de visualizações, para incentivar engajamento ou compras. Por exemplo, um site imobiliário pode exibir os imóveis mais visualizados na área de busca do usuário para destacar propriedades que estão atraindo muita atenção, indicando potencialmente boas oportunidades ou localizações desejáveis.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para visualizações
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most popular.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para visualizações na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Exiba itens que estão sendo adicionados ao carrinho por muitos outros compradores, oferecendo aos usuários uma visão das tendências atuais entre seus produtos.
Por exemplo, um varejista de moda pode promover roupas e acessórios que estão em alta com base em adições populares ao carrinho por outros clientes. Eles podem então criar uma seção dinâmica “Em Alta” na página inicial e no app, que atualiza em tempo real para incentivar os compradores a comprar antes que os itens esgotem.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para adição ao carrinho
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most popular.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para adição ao carrinho na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Item mais recente
O modelo de recomendação “Mais recente” apresenta itens com os quais os usuários interagiram mais recentemente. Use esse modelo para reduzir o churn incentivando usuários inativos a se reengajarem com conteúdo relevante.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir recomendar:
Incentive os usuários a revisitar itens que clicaram recentemente, com base em um evento personalizado para cliques. Por exemplo, um varejista de moda online pode criar uma recomendação para enviar e-mails de acompanhamento ou notificações por push apresentando roupas nas quais o usuário demonstrou interesse ao clicar, incentivando-o a revisitar o item e realizar a compra.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para cliques
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most recent.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para cliques na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Incentive os usuários a explorar itens que curtiram recentemente ou itens que são populares em curtidas, com base em um evento personalizado para curtidas. Por exemplo, um app de streaming de música pode criar playlists personalizadas ou sugerir novos lançamentos de álbuns com base nos gêneros ou artistas que o usuário curtiu no passado, aumentando o engajamento e o tempo gasto no app.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para curtidas
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most recent.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para curtidas na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Promova itens com os quais os usuários interagiram recentemente, incluindo visualizações, cliques ou compras. Essa abordagem mantém suas recomendações atualizadas e alinhadas com os interesses mais recentes do usuário. Por exemplo:
- Educação: Uma plataforma de educação online pode incentivar usuários que assistiram recentemente a um vídeo educacional, mas não se inscreveram em um curso, a conferir cursos ou assuntos de interesse semelhantes para manter o usuário engajado e motivado a começar a aprender.
- Fitness: Um app de fitness pode sugerir treinos ou desafios semelhantes aos que o usuário completou ou interagiu recentemente, mantendo sua rotina de exercícios variada e envolvente.
- Varejista de materiais de construção: Após um cliente comprar uma ferramenta elétrica, um varejista de materiais de construção pode recomendar acessórios relacionados ou equipamentos de segurança com base na compra recente, melhorando a experiência e a segurança do usuário.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Um objeto de compra, evento de pedido realizado ou qualquer evento personalizado para uma interação de engajamento
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most recent.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para cliques na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Lembre os usuários do interesse deles em itens que adicionaram recentemente ao carrinho, mas ainda não compraram. Por exemplo, um varejista online pode enviar lembretes ou oferecer descontos por tempo limitado nos itens do carrinho, incentivando os usuários a concluírem suas compras antes que as ofertas expirem.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para adição ao carrinho
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Most recent.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha Custom Event e selecione seu evento personalizado para adição ao carrinho na lista.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Item em alta
O modelo de recomendação “Em alta” apresenta itens que demonstraram o impulso mais positivo em interações recentes dos usuários. Calculamos isso usando uma análise ponderada de aproximadamente 10 semanas de histórico de eventos, com o peso mais alto aplicado às 2 semanas mais recentes aproximadamente. Para evitar que pequenas flutuações afetem a qualidade da recomendação, aplicamos um limite de atividade e técnicas de suavização estatística.
Diferente do modelo “Mais Popular”, que apresenta itens com interação consistentemente alta, esse modelo apresenta itens que tiveram um aumento nas interações. Você pode usá-lo para recomendar produtos emergentes que estão ganhando tração atualmente.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir recomendar:
Destaque itens que seus usuários compraram recentemente com frequência crescente. Por exemplo, um negócio de eCommerce pode recomendar itens sazonais que os usuários estão começando a estocar durante os preparativos para a próxima estação.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Um método para rastrear compras (um objeto de compra, um evento de pedido realizado ou um evento personalizado)
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Trending.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha um evento de compra ou um evento personalizado que rastreia compras, junto com a propriedade correspondente.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Destaque itens que seus usuários curtiram recentemente com frequência crescente. Por exemplo, um app de música pode apresentar artistas emergentes que tiveram um aumento recente em curtidas dos usuários.
Requisitos
- Recomendação de itens de IA
- Catálogo de itens relevantes
- Evento personalizado para rastreamento de curtidas
Como configurar
- Crie uma recomendação de item de IA.
- Defina o Tipo como Trending.
- Selecione seu catálogo.
- (Opcional) Adicione uma seleção para filtrar sua recomendação apenas para itens relevantes.
- Escolha seu evento personalizado para rastreamento de curtidas, junto com a propriedade correspondente.
- Treine a recomendação.
- Use a recomendação no envio de mensagens.
Baseado em seleções
Seleções são grupos específicos de dados do catálogo. Ao usar uma seleção, você está essencialmente configurando filtros personalizados com base em colunas específicas do seu catálogo. Isso pode incluir filtros para marca, tamanho, localização, data de adição e muito mais. As seleções dão controle sobre o que você está recomendando ao permitir definir critérios que os itens devem atender para serem exibidos aos usuários.
Os três tipos anteriores envolvem configurar e treinar um modelo de recomendação na Braze. Embora você também possa usar seleções nesses modelos, é possível atender a alguns casos de uso de recomendação apenas com seleções de catálogo e personalização Liquid.
Se você usar seleções, o campo de classificação e quaisquer limites não serão usados com recomendações de itens de IA. Isso significa que, se você criar uma seleção com um campo de classificação específico e limitar o número de itens retornados, essas restrições não serão aplicadas quando as recomendações de itens de IA forem processadas.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir recomendar:
Esse cenário não depende diretamente de ações do usuário, mas sim de dados do catálogo. Você pode filtrar por novos itens com base na data de adição ao catálogo e promovê-los por meio de Campaigns ou Canvas direcionados sem precisar treinar um modelo de recomendação.
Por exemplo, uma plataforma de eCommerce de tecnologia pode alertar entusiastas sobre os gadgets mais recentes ou pré-vendas futuras, usando filtros para segmentar itens que foram adicionados recentemente ao catálogo.
Requisitos
- Catálogo de itens relevantes com um campo de data de adição
Como configurar
- Crie uma seleção com base no seu catálogo. Certifique-se de que seu catálogo tenha um campo de tempo (campo com Tipo de dados definido como Time) que corresponda à data em que o item foi adicionado.
- (Opcional) Adicione quaisquer filtros, se desejar.
- Certifique-se de que Randomize Sort Order esteja desativado.
- Em Sort Field, selecione seu campo de data de adição.
- Defina Sort Order como decrescente.
- Use a seleção no envio de mensagens.
Para uma experiência de usuário diversificada, recomendar itens aleatórios pode introduzir variedade e potencialmente despertar interesse em áreas menos visitadas do catálogo. Esse método não requer modelos ou eventos específicos, mas sim usa uma seleção de catálogo para garantir que os itens sejam exibidos aleatoriamente.
Por exemplo, uma livraria online pode oferecer um recurso “Surpreenda-me”, recomendando um livro aleatório com base nas compras anteriores ou nos hábitos de navegação do usuário, incentivando a exploração de gêneros fora da leitura habitual.
Requisitos
- Catálogo de itens relevantes
- Seleção com Randomize Sort Order ativado
Como configurar
- Crie uma seleção com base no seu catálogo.
- (Opcional) Adicione quaisquer filtros, se desejar.
- Ative Randomize Sort Order.
- Use a seleção no envio de mensagens.
Baseado em regras
Um mecanismo de recomendação baseado em regras utiliza dados do usuário e informações do produto para sugerir itens relevantes aos usuários nas mensagens. Ele usa Liquid e catálogos da Braze ou Connected Content para personalizar dinamicamente o conteúdo com base no comportamento e nos atributos do usuário.
As recomendações baseadas em regras são fundamentadas em uma lógica fixa que você precisa definir manualmente. Isso significa que suas recomendações não se ajustarão ao histórico de compras e gostos individuais de um usuário, a menos que você atualize a lógica. Portanto, esse método é mais indicado para recomendações que não precisam de atualizações frequentes.
Casos de uso
Com base nos dados de interação rastreados, os casos de uso para esse modelo podem incluir:
- Lembretes de reposição: Enviar lembretes de reposição para itens com um ciclo de uso previsível, como vitaminas mensais ou compras semanais de supermercado, com base na data da última compra.
- Compradores de primeira vez: Recomendar kits iniciais ou ofertas introdutórias para compradores de primeira vez para incentivar uma segunda compra.
- Programas de fidelidade: Destacar produtos que maximizariam os pontos ou recompensas de fidelidade de um cliente com base no saldo atual de pontos.
- Conteúdo educacional: Sugerir novos cursos ou conteúdos com base nos tópicos de materiais previamente consumidos ou comprados.
Recursos de IA específicos do plano
A tabela a seguir descreve as diferenças entre a versão gratuita e a versão pro dos tipos de recomendação IA Personalizado, Mais Popular, Mais Recente e Tendências:
| Área | Versão gratuita | Versão pro |
|---|---|---|
| Frequência de atualização do usuário1 | Semanal | Diária |
| Frequência de retreinamento do modelo | Mensal | Semanal |
| Máximo de modelos de recomendação | 1 modelo por tipo2 | 100 modelos por tipo2 |
1. Essa é a frequência com que as recomendações de itens específicos do usuário são atualizadas (somente IA Personalizado e Mais Recente). Mais Popular e Tendências são recomendações globais que são atualizadas quando o modelo é retreinado. Por exemplo, se um usuário comprar um item recomendado com base nas recomendações de itens de IA, seus itens recomendados serão atualizados de acordo com essa frequência.
2. Os tipos de recomendação disponíveis são IA Personalizado, Mais Recente, Mais Popular e Tendências.
Perguntas frequentes
O que faz com que os itens “Mais populares” sejam misturados às recomendações de outros modelos?
Quando o mecanismo de recomendação faz a curadoria de uma lista para você, ele primeiro adiciona seleções personalizadas com base no modelo específico que você escolheu, como “Mais recente” ou “IA Personalizada”. Se esse modelo preencher menos de 30 itens, a Braze adiciona os itens mais populares. Os itens personalizados aparecem primeiro na lista, seguidos pelos itens de fallback mais populares.
Isso acontece em algumas condições específicas:
- O modelo encontra menos de 30 itens que correspondem aos seus critérios.
- Os itens relevantes não estão mais disponíveis ou em estoque.
- Os itens não atendem aos critérios de seleção atuais, talvez devido a uma alteração no estoque ou nas preferências do usuário.
Observe que as recomendações operam de forma independente e não têm conhecimento do que os outros modelos estão recomendando. Isso significa que cada seção pode ter itens duplicados já exibidos em outras seções de recomendações de IA no mesmo e-mail.
Como evitar itens duplicados em várias seções de recomendação?
Como cada recomendação opera de forma independente, o mesmo item pode aparecer em mais de uma seção da mesma mensagem. Para remover duplicatas, use Liquid para rastrear quais IDs de itens você já exibiu e ignorá-los nas seções seguintes.
As recomendações existentes treinam semanalmente após a atualização para Item Recommendations Pro?
Sim, mas apenas após a próxima atualização programada. As recomendações existentes não mudam para treinamento semanal e previsão diária imediatamente após a atualização para Item Recommendations Pro. No entanto, elas adotarão o novo cronograma automaticamente no próximo ciclo de retreinamento. Por exemplo, se uma recomendação foi treinada pela última vez em 1º de fevereiro e está programada para retreinamento a cada 30 dias, ela adotará o novo cronograma semanal após sua próxima atualização em 2 de março.
Como posso fazer com que todas as recomendações que duram vários dias expirem de uma vez?
Se você quiser expirar todas as recomendações de vários dias em uma data específica (para que todas essas recomendações ativas recebam novas previsões de uma vez), entre em contato com o suporte da Braze ou seu gerente de sucesso do cliente para obter assistência. Os especialistas em IA da Braze realizam isso manualmente para garantir o máximo desempenho do modelo.
O que acontece se eu atualizar o nome da propriedade de uma recomendação de item de IA ativa?
Quando você atualiza o nome da propriedade (caminho do ID do item) e seleciona Salvar e compilar, a Braze inicia um trabalho de retreinamento em segundo plano que analisa os últimos seis meses de dados de interação usando o novo mapeamento.
Enquanto o modelo está sendo retreinado, os usuários continuam vendo recomendações da versão anterior. As recomendações não mudam até que o novo modelo conclua o treinamento com sucesso. Isso significa:
- Os usuários veem itens personalizados do modelo antigo (ou o fallback global se não tiverem recomendações específicas).
- Não há tempo de inatividade ou lacuna nas recomendações durante o processo de retreinamento.
- A transição do modelo antigo para o novo é transparente assim que o treinamento é concluído com sucesso.
Os eventos com o caminho de ID de item antigo são efetivamente ignorados para o novo modelo. Apenas os eventos que usam o novo mapeamento de nome de propriedade são incluídos no retreinamento.
O que acontece se o trabalho de retreinamento falhar após a alteração do nome da propriedade?
Se o trabalho de retreinamento falhar, toda a recomendação de item entrará em um estado desativado (não ativo). Como a Braze atualmente não faz fallback para o modelo treinado com sucesso mais recentemente em caso de falha no treinamento, qualquer Liquid que faça referência a essa recomendação falhará, e as mensagens associadas não serão enviadas.
Para reduzir esse risco, considere a seguinte abordagem:
- Crie uma nova recomendação de item com a configuração de nome de propriedade desejada.
- Verifique se o treinamento foi concluído com sucesso.
- Atualize seu envio de mensagens para fazer referência à nova recomendação em vez de modificar diretamente uma recomendação ativa.
Essa abordagem permite que você teste a nova configuração sem arriscar interrupções nas mensagens que fazem referência à sua recomendação existente.