Utilizzare i consigli nelle email

Sebbene i risultati di previsione di Vertex AI Search for Retail siano più comunemente utilizzati nei siti web di vendita al dettaglio, puoi utilizzare i consigli anche nei messaggi email. I consigli via email sono in genere inclusi nell'ambito del marketing campagne ravvicinate di email, email post-ordine o email del carrello abbandonate.

Scegli un tipo di modello

Il modello Consigliato per te può essere utile per le email perché è progettato per Offrire consigli nei casi d'uso in cui un utente non ha indicato interesse per un un elemento specifico. Funziona al meglio con gli utenti che hanno eseguito l'accesso e che hanno una cronologia di navigazione o di acquisti.

Il modello "Altri che potrebbero piacerti" viene in genere utilizzato nelle pagine dei dettagli dei prodotti anziché che per le campagne email. Tuttavia, puoi utilizzarlo per le email per consigliare gli articoli simili o complementari a quelli visualizzati di recente da un cliente.

In genere, questo modello viene utilizzato nella scheda "Aggiungi al carrello" pagina o "carrello degli acquisti" ma può essere utilizzato anche per l'email.

Il modello Acquista di nuovo è progettato per essere utilizzato sulla maggior parte dei tipi di pagine e può anche utilizzati per l'email.

Requisiti delle richieste

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

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

Anche i modelli Acquistati di frequente insieme e Altri che potrebbero piacerti richiedono gli ID prodotto nella sezione productDetails della chiamata di previsione. Per i modelli Acquistati spesso insieme, gli ID possono essere articoli dell'acquisto più recente di un utente.

Includere previsioni statiche nell'email

Puoi inviare previsioni statiche inserendo i dati in un modello email.

Il metodo predict può essere chiamato in tempo reale man mano che le email vengono inviate oppure il i suggerimenti possono essere recuperati singolarmente e salvati come parte di un un modello email o in un database a cui fare riferimento in seguito. Per ottenere il massimo consigli sulle date, chiama il metodo predict il più vicino possibile nel tempo quando l'email viene inviata.

Chiama il metodo predict per l'email

Il metodo predict di Vertex AI Search for Retail utilizza alcuni campi come e restituisce un elenco di suggerimenti sui prodotti. visitorId, userId e id vengono utilizzati come input per la maggior parte dei modelli di consigli.

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

Di seguito è riportato lo 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

Inclusione di previsioni dinamiche nell'email

Sebbene le previsioni statiche siano semplici da implementare, possono diventare obsolete più rapidamente rispetto alle previsioni dinamiche. Un utente potrebbe non aprire l'email per un po' di tempo e, nel frattempo, potrebbero essere disponibili consigli migliori. Altro Sofisticati sistemi di posta elettronica collettivi possono aggiungere contenuti dinamici includendo riferimento a un'immagine in un'email HTML.

Di seguito è riportato il codice HTML di esempio per un'immagine che include una configurazione di pubblicazione riferimento:

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

I consigli possono essere recuperati con una funzione Cloud Run o con qualsiasi app lato server in grado di effettuare la richiesta di previsione. I risultati della previsione deve essere convertito in un'immagine. Questa operazione può essere eseguita con una libreria, come ImageMagick.

Le previsioni vengono effettuate solo per le email aperte e visualizzate. Puoi anche memorizzare nella cache dei risultati anziché creare una nuova immagine se l'utente apre di nuovo l'email. In questo modo, il costo dell'utilizzo dei consigli per le email è ridotto.

Poiché la destinazione del link è in genere hardcoded nell'email, non necessariamente sai quali prodotti verranno mostrati. Reindirizzamento dei clic a singoli pagine del prodotto richiedono una configurazione aggiuntiva. Di solito utilizzi una singola immagine per tutti i consigli, quindi l'utilizzo di una mappa di immagini può aiutarti a determinare sui quali prodotti 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. Nel Pagina Quote, consulta la pagina Previsione dei suggerimenti richieste per progetto al minuto. Per richiedere un aumento, fai clic Modifica quote nella pagina dei dettagli della quota.

Consigliamo di implementare backoff esponenziale per riprovare richieste dopo un ritardo. Il servizio restituisce risposte HTTP 429 se la quota viene superata.

Valutare i risultati

La codifica 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 nelle email e includere questi dati nei report. Applica il tagging ai clic sui consigli nelle 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 un solo campagna. Tutte le linee guida per i test A/B standard per i siti web rimangono valide.

Passaggi successivi