Informazioni sui modelli di consigli

In questa pagina vengono descritti i modelli di suggerimento forniti dall'API Retail, con le relative configurazioni di pubblicazione e gli obiettivi di ottimizzazione predefiniti, le personalizzazioni disponibili e i tipi di eventi supportati.

Introduzione

Quando ti registri per utilizzare l'API Retail, collabori con l'assistenza Retail per determinare i modelli di suggerimenti e le personalizzazioni migliori per il tuo sito. I modelli e le personalizzazioni che utilizzi dipendono dalle tue esigenze aziendali e da dove prevedi di mostrare i suggerimenti derivanti.

Quando richiedi suggerimenti dall'API Retail, fornisci il valore della configurazione di pubblicazione alla risorsa placement. Consulta le configurazioni di pubblicazione per i dettagli sull'utilizzo della risorsa placement per la configurazione delle configurazioni e sul supporto per i posizionamenti, che in precedenza venivano utilizzati dall'API Retail per posizionare i modelli. La configurazione di pubblicazione determina quale modello viene utilizzato per restituire i suggerimenti. Puoi anche filtrare i risultati.

Tipi di modello di suggerimento

L'API Retail offre i seguenti tipi di modelli di suggerimenti:

Altri che potrebbero piacerti

Il consiglio Altri che potrebbero piacerti prevede il prossimo prodotto con cui è più probabile che un utente coinvolga o con cui effettui una conversione. La previsione si basa sulla cronologia degli acquisti e delle visualizzazioni dell'utente e sulla pertinenza del prodotto candidato rispetto a un prodotto specificato corrente.

Obiettivo di ottimizzazione predefinito:percentuale di clic

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili:

Pagine supportate per il deployment del modello:

Acquistati spesso insieme (espansione del carrello degli acquisti)

Il consiglio Acquistati spesso insieme prevede gli articoli acquistati spesso insieme per un prodotto specifico nell'ambito della stessa sessione di acquisto. Se viene visualizzato un elenco di prodotti, prevede gli articoli acquistati spesso con quell'elenco.

Questo suggerimento è utile quando l'utente ha già indicato l'intenzione di acquistare un determinato prodotto (o elenco di prodotti) e stai cercando di consigliare dei complementi (anziché dei sostituti). In genere, questo consiglio viene visualizzato nella pagina "Aggiungi al carrello" o nelle pagine "Carrello" o "Registry" (per l'espansione del carrello degli acquisti).

Obiettivo di ottimizzazione predefinito:entrate per ordine

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili:

Pagine supportate per il deployment del modello:

Consigliate per te

Il consiglio consigliato per te prevede il prodotto successivo con cui è più probabile che un utente interagisca o effettui acquisti, in base alla cronologia degli acquisti o delle visualizzazioni di quell'utente e alle informazioni contestuali delle richieste, come i timestamp. Questo consiglio viene generalmente utilizzato nella home page.

Consigliato per l'utente Puoi essere utile anche sulle pagine delle categorie. La pagina della categoria è simile a una home page, ad eccezione del fatto che vengono visualizzati solo gli elementi di tale categoria. Per farlo, utilizza un modello consigliato per te con i tag di filtro. Ad esempio, puoi aggiungere tag di filtro personalizzati (corrispondenti a ogni pagina della categoria) agli articoli nel tuo catalogo. Quando invii la richiesta di previsione, imposta l'oggetto evento utente come category-page-view e specifica il tag di una pagina di categoria specifica nel campo filter. Vengono restituiti solo i risultati dei consigli che corrispondono al tag di filtro richiesto. In questo caso d'uso la diversità deve essere disabilitata, poiché la diversità può essere in conflitto con i tag di filtro basati sulle categorie.

Obiettivo di ottimizzazione predefinito:percentuale di clic

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili:

Pagine supportate per il deployment del modello:

  • Tutte

Articoli simili

Il consiglio Articoli simili prevede altri prodotti che hanno attributi per lo più simili al prodotto preso in considerazione. Questo consiglio viene generalmente utilizzato in una pagina dei dettagli del prodotto o quando un prodotto consigliato non è disponibile.

Il modello Articoli simili richiede solo informazioni dal catalogo dei prodotti; non sono richiesti eventi utente.

I modelli di Articoli simili non possono essere ottimizzati.

Ti consigliamo di creare un solo modello di elementi simili per progetto. Poiché i modelli di elementi simili non sono personalizzabili, la creazione di più modelli di elementi simili in base agli stessi eventi utente non genera consigli diversi e può comportare costi inutili.

Obiettivo di ottimizzazione predefinito:percentuale di clic

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili: N/A

Pagine supportate per il deployment del modello:

Acquista di nuovo

Il modello Compra di nuovo incoraggia gli acquisti di nuovo gli articoli in base agli acquisti ricorrenti precedenti. Questo modello personalizzato prevede i prodotti acquistati in precedenza almeno una volta e che di solito vengono acquistati con cadenza regolare. L'intervallo in cui viene suggerito un prodotto dipende dal prodotto e dal visitatore. I consigli di questo modello possono essere utilizzati su qualsiasi tipo di pagina.

Il modello Acquista di nuovo utilizza eventi utente completati per l'acquisto.

Il modello Acquista di nuovo non può essere ottimizzato.

Ti consigliamo di creare un solo modello Acquista per ogni progetto. Poiché i modelli Compralo di nuovo non sono personalizzabili, la creazione di più modelli Compralo di nuovo in base agli stessi eventi utente non genera consigli diversi e può comportare costi inutili.

Obiettivo di ottimizzazione predefinito:N/A

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili: N/A

Pagine supportate per il deployment del modello:

  • Tutte

In offerta

Il tipo di modello In offerta è un modello basato su promozioni personalizzate che può consigliare prodotti in offerta. Puoi utilizzare questo tipo di modello per incoraggiare gli utenti ad acquistare articoli scontati.

Utilizzato di solito nella home page, nella pagina per l'aggiunta al carrello, nella pagina del carrello degli acquisti, nella pagina della categoria e nella pagina dei dettagli.

Obiettivo di ottimizzazione predefinito:percentuale di clic

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili:

Pagine supportate per il deployment del modello:

Visualizzate di recente

Il consiglio visualizzato di recente non è un consiglio reale. Fornisce gli ID dei prodotti con cui l'utente/il visitatore ha interagito di recente, iniziando con i prodotti più recenti.

Obiettivo di ottimizzazione predefinito:N/A

Configurazione di pubblicazione predefinita: recently_viewed_default

Personalizzazioni disponibili: N/A

Pagine supportate per il deployment del modello:

  • Tutte

Ottimizzazione a livello di pagina

L'ottimizzazione a livello di pagina estende Recommendations AI dall'ottimizzazione per un singolo riquadro di consigli alla volta all'ottimizzazione per un'intera pagina con più riquadri. Il modello di ottimizzazione a livello di pagina seleziona automaticamente i contenuti di ogni pannello e determina l'ordine dei pannelli nella pagina.

Ad esempio, le home page sono in genere strutturate con prodotti organizzati in righe di gruppi correlati, come categorie, articoli di tendenza o prodotti visualizzati di recente. L'utilizzo del modello di ottimizzazione a livello di pagina di una home page può offrire all'utente finale un'esperienza personalizzata di suggerimento, automatizzando al contempo il processo decisionale per coordinare le combinazioni di modello e i layout per quella pagina.

Per creare un modello di ottimizzazione a livello di pagina, devi disporre innanzitutto di configurazioni di pubblicazione dei consigli esistenti con modelli addestrati. Quando crei un modello di ottimizzazione a livello di pagina, specifichi il tipo di pagina su cui utilizzerai il modello, le limitazioni che applicherai per limitare la pubblicazione di configurazioni di pubblicazione simili, l'obiettivo commerciale da ottimizzare (CTR o CVR), il numero di riquadri di suggerimenti da visualizzare e le configurazioni di pubblicazione da considerare per ogni riquadro.

Come nel caso di altri modelli, per utilizzare il modello di ottimizzazione a livello di pagina devi effettuare una chiamata di previsione utilizzando una configurazione di pubblicazione contenente il modello "Ottimizzazione a livello di pagina". Anziché i suggerimenti, la risposta di previsione contiene un elenco ordinato di ID di configurazione di pubblicazione che rappresentano la configurazione di pubblicazione da utilizzare per ogni riquadro. Quindi, effettua una nuova chiamata di previsione per ciascun riquadro con l'ID della configurazione di pubblicazione corrispondente restituito dal modello di ottimizzazione a livello di pagina. La risposta della previsione per ogni riquadro contiene l'elenco degli elementi consigliati da visualizzare in quel riquadro.

Obiettivo di ottimizzazione predefinito:N/A

Configurazione di pubblicazione predefinita:N/A

Personalizzazioni disponibili: N/A

Pagine supportate per il deployment del modello:

  • Tutte

Ottimizzazione per gli obiettivi commerciali

I modelli di machine learning vengono creati per ottimizzare in base a un particolare obiettivo commerciale, che determina il modo in cui viene creato il modello. Ogni modello ha un obiettivo di ottimizzazione predefinito, ma puoi richiederne un altro per supportare i tuoi obiettivi commerciali contattando il rappresentante dell'assistenza.

Dopo aver addestrato un modello, non puoi modificare l'obiettivo di ottimizzazione. Devi addestrare un nuovo modello per utilizzare un altro obiettivo di ottimizzazione.

L'API Retail supporta i seguenti obiettivi di ottimizzazione.

Percentuale di clic (CTR)

L'ottimizzazione per il CTR enfatizza il coinvolgimento; ti consigliamo di ottimizzare il CTR per massimizzare la probabilità che l'utente interagisca con il consiglio.

Il CTR è l'obiettivo di ottimizzazione predefinito per i tipi di modello di suggerimento Altri che possono piacerti e Consigliati per te.

Entrate per sessione

L'obiettivo di ottimizzazione delle entrate per sessione è disponibile per i tipi di modello di suggerimento "Altri che possono piacerti", "Consigliati per te" e "Acquistati spesso". Anche se l'obiettivo funziona in modo diverso per ogni modello, l'obiettivo è lo stesso di aumentare le entrate.

  • Altri consigli che potrebbero piacerti e consigliati per te. L'obiettivo combina le informazioni relative a clic, conversioni e prezzi degli articoli per aiutare il modello a consigliare articoli con prezzi più elevati e maggiori probabilità di essere acquistato.

  • Da acquistare spesso. Questo obiettivo ottimizza per consigliare articoli con una maggiore probabilità di essere aggiunti ai carrelli, avvantaggiando le entrate espandendo le dimensioni dei carrelli.

Tasso di conversione (CVR)

L'ottimizzazione per il tasso di conversione massimizza la probabilità che l'utente aggiunga l'articolo consigliato al proprio carrello; se vuoi aumentare il numero di articoli aggiunti a un carrello per sessione, ottimizza questo tasso per la conversione.

Opzioni di configurazione del modello avanzate

A seconda del tipo di modello, esistono altre opzioni di configurazione del modello che puoi utilizzare per modificare il comportamento del modello.

Preferenza ottimizzazione

L'ottimizzazione mantiene l'addestramento del modello ottimale man mano che i dati di input cambiano nel tempo. Configura il tuo modello in modo che venga ottimizzato automaticamente ogni tre mesi oppure scegli di eseguirlo manualmente. Il modello si regola automaticamente una volta dopo la creazione. Scopri di più

Per informazioni dettagliate sui costi, consulta la sezione Prezzi.

Configurazioni e modelli di pubblicazione disponibili

Prima di poter richiedere previsioni dal modello, devi creare almeno una configurazione di pubblicazione per il modello. Per scoprire di più, consulta la pagina Creare configurazioni di pubblicazione.

Puoi trovare i tuoi modelli nella pagina Modelli. Fai clic sul nome di un modello per andare alla relativa pagina dei dettagli, dove puoi visualizzare le configurazioni di pubblicazione associate al modello.

Prodotti di contesto

Nel generare un consiglio, i modelli prendono in considerazione i prodotti con cui un utente ha interagito in precedenza nel contesto del riquadro dei suggerimenti.

Questi prodotti contestuali vengono trasmessi al corpo di una richiesta predict nell'ambito di un evento utente. Ad esempio, se sulla pagina del carrello degli acquisti è presente un riquadro dei consigli, qualsiasi evento utente shopping-cart-page-view che attiva una richiesta predict deve includere i prodotti presenti nel carrello in quel momento. Questi prodotti vengono utilizzati come prodotti di contesto per il consiglio in questione.

Quando crei un modello Comprato frequentemente, specifichi se questo modello genererà suggerimenti nel contesto di uno o più elementi. L'opzione scelta dipende dal tipo di pagina che intendi utilizzare per il modello.

  • Più prodotti di contesto (impostazione predefinita): il modello Comprato frequentemente può utilizzare uno o più prodotti come contesto per i suoi suggerimenti. In genere, questo caso d'uso si riferisce alle pagine del carrello degli acquisti con una serie di prodotti contestuali che possono contribuire a consigliare la pubblicazione su quella pagina.

  • Prodotto di contesto singolo: il modello Comprato spesso può utilizzare un solo prodotto di contesto. Questo caso d'uso è in genere destinato alle pagine con un singolo prodotto che viene utilizzato come contesto per i suggerimenti, ad esempio le pagine di aggiunta al carrello e di dettagli del prodotto.

    Non è possibile passare più di un prodotto in una richiesta predict da un singolo prodotto di contesto mediante l'acquisto frequente di un modello. Tuttavia, questa operazione non è consigliata perché potrebbe non fornire suggerimenti ottimali.