Questa è la documentazione di Recommendations AI, Retail Search e la nuova console di Retail.

Utilizzare i consigli nelle email

Sebbene i risultati delle previsioni dell'API Retail siano più comunemente utilizzati nei posizionamenti dei siti web di vendita al dettaglio, puoi anche utilizzare i consigli nei messaggi email. I consigli nell'email sono generalmente inclusi nell'ambito di email a massa, email successive all'ordine o email abbandonate del carrello.

Scegli un tipo di modello

Il modello Consigliato per te può essere utile per le email perché è progettato per fornire consigli nei casi d'uso in cui un utente non ha manifestato interesse per un elemento specifico. È la soluzione migliore per gli utenti che hanno eseguito l'accesso e che hanno una certa cronologia di navigazione o di Shopping.

In genere il modello Altro che ti piace può essere utilizzato come posizionamento di una pagina dei dettagli del prodotto anziché per le campagne email. Tuttavia, puoi utilizzarlo per le email per consigliare elementi simili o complementari a quelli visualizzati di recente da un cliente.

Il modello "Acquistati spesso" è in genere utilizzato nella pagina "Aggiungi al carrello" o "Carrello degli acquisti", ma può essere utilizzato anche per le email.

Requisiti per la richiesta

Per ottenere suggerimenti pertinenti, il campo userId deve corrispondere all'ID utente associato all'utente che ha eseguito l'accesso sul tuo sito web o nella tua app.

Idealmente, il campo visitorId deve corrispondere all'ultimo ID sessione dell'utente dal sito. Poiché l'ultimo ID sessione non viene sempre registrato, è possibile inviare anche un identificatore univoco casuale come campo visitorId.

I modelli acquistati spesso insieme ad altri che potrebbero piacerti richiedono anche ID prodotto nella sezione productDetails della chiamata predict. Per i modelli Acquistati spesso, gli ID possono essere elementi dell'acquisto più recente di un utente.

Includere previsioni statiche nelle email

Puoi inviare previsioni statiche inserendo dati in un modello email.

Il metodo predict può essere chiamato in tempo reale man mano che le email esci o i suggerimenti possono essere recuperati singolarmente e salvati come parte di un modello email o in un database a cui fare riferimento in un secondo momento. Per ottenere il maggior numero possibile di suggerimenti aggiornati, chiama il metodo predict il più vicino possibile in tempo a quando viene inviata l'email.

Chiama il metodo predict per l'email

Il metodo predict del retail utilizza alcuni campi come input e restituisce un elenco di consigli sui prodotti. visitorId, userId e id sono utilizzati come input per la maggior parte dei modelli di Recommendations AI.

Ogni richiesta di previsione per un utente deve essere effettuata singolarmente, utilizzando script di codice o shell.

Di seguito è riportato uno pseudocodice per una richiesta di previsione:

for user in userlist:
  emailTemplate.recommendations = predict(user.visitorid,user.userid,user.lastorder.id,...)
...
format email template as required

Includere previsioni dinamiche nelle email

Sebbene le previsioni statiche siano semplici da implementare, possono diventare obsolete più velocemente delle previsioni dinamiche. È possibile che un utente non apra l'email per un po' di tempo e in quel momento siano disponibili consigli migliori. Sistemi collettivi di email più sofisticati possono aggiungere contenuti dinamici includendo un riferimento a un'immagine in un'email HTML.

Di seguito è riportato un esempio HTML per un'immagine che include un riferimento di posizionamento:

<img src="https://example.com/recs/email?userid=47832&campaign=2020FALL&placement=fbt>

Per recuperare i suggerimenti, puoi utilizzare una funzione Google Cloud o un'app lato server in grado di eseguire la richiesta di previsione. I risultati delle previsioni devono essere convertiti in un'immagine. Per farlo, puoi utilizzare una libreria, ad esempio ImageMagick.

Le previsioni vengono eseguite solo per le email aperte e visualizzate. Puoi anche memorizzare i risultati nella cache invece di creare una nuova immagine se l'utente apre nuovamente l'email. In questo modo ridurrai il costo di utilizzo di Recommendations AI per le email.

Poiché la destinazione del link è impostata in modo hardcoded nell'email, non è necessario sapere quali prodotti verranno visualizzati. Il reindirizzamento dei clic a singole pagine del prodotto richiede una configurazione aggiuntiva. Di solito utilizzi un'unica immagine per tutti i consigli, pertanto l'utilizzo di una mappa immagine può aiutarti a determinare su quale prodotto è stato fatto clic.

Quote

Se prevedi di eseguire un grande batch di richieste di previsione in un breve periodo di tempo, devi controllare le tue quote. Nella pagina Quote del tuo progetto, seleziona Richieste di previsione dei suggerimenti per progetto al minuto. Puoi richiedere un aumento facendo clic su Modifica quote nella pagina dei dettagli della quota.

Ti consigliamo di implementare il backoff esponenziale per ritentare le richieste dopo un ritardo. Il servizio restituisce HTTP 429 risposte se la quota viene superata.

Valuta i risultati

Il tagging degli URL consente di monitorare e valutare l'efficacia delle campagne. Puoi utilizzare Google Analytics o un'altra piattaforma di analisi per aggiungere parametri di monitoraggio ai link contenuti nelle email e includere tali dati nei rapporti. Tag consigliati per clic dalle email per filtrarli in modo da poter valutare le metriche.

Se esegui test A/B su più consigli, ti consigliamo di farlo all'interno di una singola campagna. Si applicano tutte le linee guida per i test A/B standard dei siti web.

Passaggi successivi