Qué son los algoritmos de recomendación
Ruta en la interfaz: New Campaign > Recommendations > Any Recommendation Wizard
Los algoritmos de recomendación toman todo lo que Personyze sabe de sus productos, sus visitantes y las interacciones entre ambos, y usan esos datos para presentar automáticamente a cada visitante lo que es más probable que le interese ver, en cualquier momento, en cualquier página o en los emails.
Cuando se presentan las recomendaciones, ya sea en filas horizontales o verticales, como carruseles o incluso como banners, las llamamos widgets de recomendación. Cada widget es una recomendación única, con su propio algoritmo.
Puede tener, y probablemente tendrá, varios widgets con distintos algoritmos por todo su sitio, y cada vez que un visitante carga una página con uno o varios de ellos, los productos que recomiendan serán ligeramente distintos, porque Personyze aprende de forma constante y automática de cómo interactúan los visitantes con los productos o contenidos de su sitio.
La clave para entender los algoritmos de recomendación
El concepto clave que hay que entender sobre los algoritmos de recomendación es que son un sistema híbrido que combina los datos colectivos (lo que hacen TODOS) con los datos de interés individuales (lo que hace ESTE visitante).
Por ejemplo, puede tener un algoritmo de recomendación que muestre:
«Productos más vistos (datos colectivos), según el interés más reciente del visitante (datos de interés individuales).»
Esto mostrará al visitante artículos de la categoría por la que mostró interés más recientemente, y les dará prioridad según la frecuencia con que los han visto los visitantes en conjunto.
Sin embargo, hay algunas excepciones:
- Las recomendaciones de volver a comprar no son en realidad un algoritmo como tal; son simplemente una lista de los artículos que el visitante compró antes
- Las recomendaciones del carrito abandonado son simplemente una lista de los artículos que el visitante dejó en su carrito.
- La recomendación de piloto automático usa una IA más profunda para encontrar patrones en el comportamiento de sus visitantes, examinando distintos factores como la ubicación, el sexo y otras variables. Con ello, muestra lo que es más probable que el visitante compre, según una variedad de factores que van más allá del interés conocido. Sin embargo, este algoritmo necesita cierta cantidad de datos de interacción para ser eficaz.
Aun así, la mayoría de los algoritmos de recomendación siguen este enfoque híbrido.
Filtros
También puede añadir filtros a cualquier recomendación para que sea más específica. Estos filtros se aplican a los datos colectivos (la población cuyos datos usamos) o al producto.
Por ejemplo, en el algoritmo del ejemplo anterior, lo más visto según el interés reciente, podríamos añadir el filtro «Age Range», que mostraría lo más visto dentro del rango de edad del visitante, en lugar de entre todos los visitantes, como ocurriría de otro modo.
Por otro lado, si quisiera añadir un filtro basado en el producto, podría añadir el filtro «New in Stock» para mostrar los artículos nuevos en stock más vistos del interés más reciente del visitante.
Buenas prácticas
Con esta información, debería poder decidir qué algoritmo tiene más sentido para el lugar del sitio (o de los emails) en el que se presenta su widget. Estas son algunas pautas generales para empezar:
- En la página de inicio – Normalmente querrá mostrar recomendaciones más generales, como:
«Productos más vistos de todo el tiempo de cualquier interés del visitante» - En las páginas de producto – Querrá mostrar widgets más específicos, como:
«Productos más comprados de la última semana del interés más reciente del visitante»
(la categoría de interés más reciente, cuando se coloca en una página de producto, será siempre la categoría del producto actual. - En la página de pago del carrito – Puede que quiera mostrar al visitante artículos que tengan una asociación de venta cruzada en su catálogo con los artículos de su carrito, como:
«Productos de venta cruzada más comprados de la última semana de la compra o interacción de añadir al carrito más reciente del visitante.»