在電子郵件中使用建議

雖然 Vertex AI Search for Commerce 的預測結果最常用於零售網站,但您也可以在電子郵件中使用建議。電子郵件中的建議通常會隨行銷活動電子郵件、訂單後續電子郵件或購物車遺棄電子郵件一併傳送。

選擇模型類型

「為你推薦」模型可做為電子郵件的實用模型,因為這個模型專門用於在使用者未對特定項目表示興趣的用途中,提供推薦內容。這項功能最適合已登入的使用者,且這些使用者有瀏覽或購物記錄。

「你可能也喜歡」模型通常用於產品詳細資料頁面,而非電子郵件廣告活動。不過,您可以在電子郵件中使用這項功能,向顧客推薦與他們最近瀏覽的商品類似或互補的商品。

「經常一起購買」模型通常用於「加入購物車」頁面或購物車頁面,但也可以用於電子郵件。

「再次購買」模型適用於大多數類型的網頁,也可用於電子郵件。

申請規定

如要取得相關建議,userId 欄位必須與網站或應用程式中登入使用者相關聯的使用者 ID 相符。

理想情況下,visitorId 欄位應與網站中使用者上一個工作階段的 ID 相符。由於系統不一定會記錄最後一個工作階段 ID,因此也可以將隨機的專屬 ID 做為 visitorId 欄位傳送。

「經常一起購買」和「你可能也會喜歡」模型也需要在預測呼叫的 productDetails 區段中提供產品 ID。如果是「經常一起購買」模型,ID 可以是使用者最近一次購買的項目。

在電子郵件中加入靜態預測

將資料插入電子郵件範本,即可傳送靜態預測。

您可以在電子郵件寄出時即時呼叫 predict 方法,也可以個別擷取建議,並儲存為電子郵件範本的一部分,或儲存在資料庫中以供日後參考。如要取得最新建議,請盡量在傳送電子郵件前不久呼叫 predict 方法。

呼叫電子郵件的 predict 方法

商家適用的 Vertex AI Search predict 方法會將部分欄位做為輸入內容,並傳回產品推薦清單。visitorIduserIdid 是大多數最佳化建議模型的輸入內容。

必須使用程式碼或殼層指令碼,個別為每位使用者提出預測要求。

以下是預測要求的虛擬程式碼:

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

在電子郵件中加入動態預測

雖然靜態預測的實作速度很快,但與動態預測相比,靜態預測的準確度可能很快就會過時。使用者可能過一段時間才會開啟電子郵件,屆時可能會有更合適的建議。更精密的電子郵件大量傳送系統可以在 HTML 電子郵件中加入圖片參照,藉此新增動態內容。

以下是圖片的 HTML 範例,其中包含放送設定參照:

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

如要取回建議,可以使用 Cloud Run 函式,或任何可提出預測要求的伺服器端應用程式。然後將預測結果轉換成圖片。您可以使用程式庫 (例如 ImageMagick) 執行這項操作。

系統只會預測已開啟及查看的電子郵件。如果使用者再次開啟電子郵件,您也可以快取結果,不必建立新圖片。這樣一來,使用電子郵件建議的成本就會降低。

由於連結目的地通常會硬式編碼至電子郵件中,因此您不一定知道會顯示哪些產品。如要將點擊次數重新導向至個別產品頁面,必須進行額外設定。通常所有建議都會使用同一張圖片,因此使用圖片地圖有助於判斷使用者點選了哪個產品。

配額

如果您打算在短時間內執行大量預測要求,請檢查配額。在專案的「配額」頁面中,查看「每項專案每分鐘的建議預測要求數」。如要申請增加配額,請在配額詳細資料頁面中按一下「編輯配額」

建議您採用指數輪詢,在延遲後重試要求。如果超出配額,服務會傳回 HTTP 429 回應。

評估結果

網址標記可讓您追蹤及評估廣告活動的成效。 您可以使用 Google Analytics 或其他分析平台,在電子郵件中的連結加入追蹤參數,並將該資料納入報表。為電子郵件中的標記建議點擊次數套用篩選條件,以便評估指標。

如果您要對多項最佳化建議進行 A/B 測試,建議在單一廣告活動中進行。網站的標準 A/B 測試規範仍適用於應用程式。

後續步驟