Recomendaciones de productos personalizadas —el mismo motor que impulsa los widgets de recomendación de su sitio web— entregadas dentro de su aplicación nativa de iOS o Android. El perfil se comparte entre superficies, así que alguien que ha mirado chaquetas en su sitio recibe selecciones relevantes en cuanto abre la aplicación, en lugar de empezar de cero.
En el panel: Nueva campaña › App / API › Recom. de productos para apps.
Antes de empezar
Primero hay que instalar el SDK y que esté informando. La instalación para ambas plataformas, el código de inicialización y cómo confirmar que llegan datos están en Segmentación y personalización para aplicaciones móviles. Si su dispositivo no aparece en Visitantes en tiempo real, pare y arréglelo primero: no se pueden generar recomendaciones para un usuario que Personyze no puede ver.
También necesita un catálogo de productos en Personyze. Consulte el objeto products para enviar uno por API, o suba un feed en el panel.
Los pasos de la campaña
Seis pasos: Configurar, Catálogo, Interacciones, Contenido, Segmentar y Rendimiento.
Dos cosas a tener en cuenta. No hay paso de QA: las campañas de apps se validan en una compilación, no en el panel. Y Contenido va antes que Segmentar: primero diseña la recomendación y después decide quién la recibe.
1. Configurar
Confirma la integración del SDK. Se explica en el artículo enlazado arriba.
2. Catálogo
Su catálogo de productos tiene que estar en su sitio y actualizado. Cada producto necesita al menos un ID interno, un título y una URL de imagen: las recomendaciones sin imagen se muestran como recuadros vacíos en una aplicación, igual que en la web. Mantenga is_in_stock al día, o recomendará cosas que la gente no puede comprar.
3. Interacciones
Este es el paso que decide si las recomendaciones valen algo, y el que más a menudo se salta.
El motor aprende de lo que la gente hace con los productos: verlos, añadirlos al carrito, comprarlos. En un sitio web, Personyze a menudo puede detectarlo automáticamente. En una aplicación no puede: no hay DOM que observar. Su aplicación tiene que informar de ello explícitamente mediante llamadas al SDK.
Como mínimo, informe de las vistas de producto y de las compras. Sin datos de interacción, algoritmos como “comprados juntos” y “populares” no tienen nada con lo que calcular, y el widget volverá vacío o recurrirá a una lista genérica.
Si también vende en la web, los dos flujos se unen en un solo perfil: la navegación dentro de la aplicación mejora las recomendaciones del sitio web y viceversa.
4. Contenido
Elija el algoritmo de recomendación y la forma de la respuesta. En las apps hay dos opciones para mostrarla:
- HTML (WebView) — Personyze devuelve un widget ya renderizado que usted coloca en un WebView. La vía más rápida, y la maquetación se puede cambiar después sin publicar una actualización de la aplicación.
- JSON — Personyze devuelve los productos elegidos como datos estructurados y su aplicación los maqueta de forma nativa. Mejor rendimiento y sensación nativa; más trabajo al principio.
Si devuelve JSON, elija los campos que su aplicación necesita en la respuesta: título, precio, URL de la imagen, URL del producto y cualquier campo personalizado del catálogo que quiera mostrar.
5. Segmentar
Quién ve la recomendación. Se aplica toda la segmentación estándar. Un patrón habitual es mostrar algoritmos distintos a personas distintas: las novedades a los usuarios que llegan por primera vez, “comprados juntos” a quienes tienen historial de compras.
6. Rendimiento
Resultados una vez en vivo: cuántas veces se mostró la recomendación, cuánta interacción tuvo y qué aportó.
Validarlo
- Confirme que su dispositivo aparece en Visitantes en tiempo real.
- Informe de unas cuantas vistas de producto desde la aplicación y compruebe que quedan registradas en su sesión.
- Amplíe la audiencia para que coincida con usted con toda seguridad, y confirme que llegan recomendaciones y que no están vacías.
- Vuelva a acotar las reglas y confirme que el comportamiento cambia.
Un resultado vacío casi siempre se debe al paso 2 o 3 de la campaña —un catálogo que no se importó, o interacciones de las que no se está informando— y no a un problema de segmentación.