Utilizzare i consigli nelle email

Sebbene i risultati delle previsioni di Vertex AI Search for Commerce vengano utilizzati più comunemente nei siti web di vendita al dettaglio, puoi utilizzare i suggerimenti anche nei messaggi email. I consigli via email vengono in genere inclusi nelle email di campagne di marketing, nelle email post-ordine o nelle email relative al carrello abbandonato.

Scegliere un tipo di modello

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

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

Il modello Acquisti frequenti insieme viene solitamente utilizzato nella pagina Aggiungi al carrello o nella pagina del carrello degli acquisti, ma può essere utilizzato anche per le email.

Il modello Acquista di nuovo è progettato per essere utilizzato nella maggior parte dei tipi di pagine e può essere utilizzato anche per le email.

Requisiti della richiesta

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

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

I modelli Acquistati spesso insieme e Altri prodotti che potrebbero piacerti richiedono anche gli ID prodotto nella sezione productDetails della chiamata predict. Per i modelli Acquisti frequenti 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 di email.

Il metodo predict può essere chiamato in tempo reale man mano che le email vengono inviate oppure i suggerimenti possono essere recuperati singolarmente e salvati come parte di un modello di email o in un database a cui fare riferimento in un secondo momento. Per ricevere i consigli più aggiornati, chiama il metodo predict il più vicino possibile al momento dell'invio dell'email.

Chiama il metodo predict per l'email

Il metodo predict di Vertex AI Search for Commerce accetta alcuni campi come input 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 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

Includere le previsioni dinamiche nell'email

Sebbene le previsioni statiche possano essere implementate rapidamente, 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. I sistemi di invio di email collettive più sofisticati possono aggiungere contenuti dinamici includendo un riferimento a un'immagine in un'email HTML.

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

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

Il recupero dei suggerimenti può essere eseguito con una funzione Cloud Run o con qualsiasi app lato server in grado di effettuare la richiesta di previsione. I risultati della previsione devono poi essere trasformati in un'immagine. Questa operazione può essere eseguita con una libreria, ad esempio ImageMagick.

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

Poiché la destinazione del link è in genere codificata nell'email, non sai necessariamente quali prodotti verranno mostrati. Il reindirizzamento dei clic alle singole pagine di prodotto richiede una configurazione aggiuntiva. In genere utilizzi una sola immagine per tutti i consigli, quindi l'utilizzo di una mappa delle immagini può aiutarti a determinare su quale prodotto è stato fatto clic.

Quote

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

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

Valutare i risultati

Il tagging degli URL ti 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. Fai clic sui suggerimenti per i tag 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 una singola campagna. Si applicano ancora tutte le linee guida standard per i test A/B per i siti web.

Passaggi successivi