Esta es la documentación solo de Recomendaciones IA. Para probar Retail Search y la consola unificada de venta minorista en la fase restringida de Google Analytics, comuníquese con el equipo de Ventas de Cloud. Si no planea usar Retail Search, permanezca en la consola de Recomendaciones hasta nuevo aviso.

Si usas la versión v1beta de Recomendaciones IA, migra a la versión minorista de la API.

Tipos de modelos de recomendaciones

En esta página, se describen los tipos de recomendaciones o modelos que proporciona Recomendaciones IA, con sus posiciones y objetivos de optimización predeterminados, personalizaciones disponibles y tipos de eventos compatibles.

Introducción

Cuando te registres para usar Recomendaciones IA, trabajas con la Asistencia de Recomendaciones IA a fin de determinar los mejores modelos y personalizaciones de recomendaciones para usar en tu sitio. Los modelos y las personalizaciones que uses dependen de las necesidades de tu negocio y del lugar en el que planeas mostrar las recomendaciones resultantes.

Cuando solicitas recomendaciones de Recomendaciones IA, debes proporcionar el valor placement, que determina qué modelo se usa para mostrar tus recomendaciones. También puedes filtrar tus resultados.

Tipos de recomendación disponibles

Recomendaciones IA ofrece los siguientes tipos de modelos de recomendaciones:

Otros elementos que podrían gustarte

La recomendación “Otros elementos que podrían gustarte” predice el siguiente producto con más probabilidades de que un usuario lo compre o interactúe con él. La predicción se basa en el historial de compras y de visualizaciones del usuario y la relevancia del producto candidato para un producto actual especificado.

Objetivo de optimización predeterminado: tasa de clics

Ubicación predeterminada: N/A

Personalizaciones disponibles:

Tipos de eventos de usuario admitidos:

Se suelen comprar juntos (expansión del carrito de compras)

La recomendación “Se suelen comprar juntos” predice los artículos que se compran con frecuencia para un producto específico dentro de la misma sesión de compra. Si se mira una lista de productos, predice los artículos que se compran con frecuencia con esa lista.

Esta recomendación es útil cuando el usuario indica que tiene la intención de comprar un producto en particular (o una lista de productos) y deseas recomendar complementos (en lugar de los sustitutos). Por lo general, esta recomendación se muestra en la página “Agregar al carrito” o en las páginas “carrito de compras” o “registro” (para la expansión del carrito de compras).

Objetivo de optimización predeterminado: Ingresos por pedido

Ubicación predeterminada: N/A

Personalizaciones disponibles:

Tipos de eventos de usuario admitidos:

Recomendadas para ti

La recomendación "Recomendado para ti" predice el siguiente producto con más probabilidades de que un usuario lo compre o interactúe con él, según el historial de compras o de visualización de ese usuario y la información contextual de las solicitudes, como las marcas de tiempo. Por lo general, esta recomendación se usa en la página principal.

La opción “Recomendado para ti” también puede ser útil en las páginas de categorías. Una página de categorías es similar a una página principal, excepto que se muestran solo los elementos de esa categoría. Puedes lograr esto mediante un modelo estándar recomendado para ti con etiquetas de filtro. Por ejemplo, puedes agregar etiquetas de filtro personalizadas (correspondientes a cada página de categoría) a los elementos de tu catálogo. Cuando envíes la solicitud de predicción, configura el objeto del evento de usuario como category-page-view y especifica la etiqueta de página de una categoría específica en el campo “filter”. Solo se muestran los resultados de la recomendación que coinciden con la etiqueta de filtro solicitada. En este caso de uso, se debe inhabilitar la diversidad, ya que la diversidad puede entrar en conflicto con las etiquetas de filtro basadas en categorías.

Objetivo de optimización predeterminado: tasa de clics

Ubicación predeterminada: N/A

Personalizaciones disponibles:

Tipos de eventos de usuario admitidos:

Vistos recientemente

La recomendación “Vistos recientemente” no es en realidad una recomendación. Proporciona los ID de los productos con los que recientemente interactúa el usuario o visitante, con los productos más recientes primero.

Objetivo de optimización predeterminado: N/A

Ubicación predeterminada: recently_viewed_default

Personalizaciones disponibles: N/A

Tipos de eventos de usuario admitidos:

Todos

Objetivos de optimización

Los modelos de aprendizaje automático se crean para optimizar un objetivo en particular, que determina cómo se compila el modelo. Cada ubicación del modelo tiene un objetivo de optimización predeterminado, pero puedes solicitar un objetivo de optimización diferente para respaldar tus objetivos comerciales. Para ello, comunícate con tu representante de asistencia.

Después de entrenar un modelo, no puedes cambiar el objetivo de optimización. Debes entrenar un modelo nuevo para usar un objetivo de optimización diferente.

Recomendaciones IA es compatible con los siguientes objetivos de optimización:

Tasa de clics (CTR)

La optimización para aumentar la CTR enfatiza la participación; debes optimizar el CTR cuando quieras maximizar la probabilidad de que el usuario interactúe con la recomendación.

La CTR es el objetivo de optimización predeterminado para los tipos de modelo de recomendación “Otros elementos que podrían gustarte” y “Recomendado para ti”.

Ingresos por pedido

El objetivo de optimización de ingresos por pedido es el objetivo de optimización predeterminado para el tipo de modelo de recomendación “Frecuentemente comprado junto”. Este objetivo de optimización no se puede especificar para ningún otro tipo de modelo de recomendación.

Porcentaje de conversiones (CVR)

La optimización del porcentaje de conversiones maximiza la probabilidad de que el usuario agregue el artículo recomendado a su carrito. Si deseas aumentar la cantidad de artículos agregados a un carrito por sesión, optimiza el porcentaje de conversiones.

Opciones avanzadas de configuración del modelo

Según el tipo de modelo, existen otras opciones de configuración del modelo que puedes usar para cambiar su comportamiento.

Diversificación

Si quieres asegurarte de que los resultados que se muestran de una sola solicitud de predicción sean de diferentes categorías de tu catálogo de productos, puedes habilitar la diversificación.

La diversidad reduce la probabilidad de que se muestren elementos similares en el panel de recomendaciones, pero conlleva el riesgo de quitar algunas recomendaciones buenas. La diversificación se configura por nivel, y los niveles más altos de diversificación provocan que se muestren menos elementos por categoría.

Nivel de diversificación Cantidad máxima de elementos por categoría Predeterminada
Desactivada Ilimitada Otras variedades que podrían gustarte
Frecuentemente comprado junto
Automática Depende del catálogo Recomendadas para ti
Baja 3 -
Medio 2 -
Alto 1 -

La opción automática es compatible solo con el modelo de recomendación “Recomendado para ti”.

Reclasificación de precio

Puedes habilitar la reclasificación de precio de las sugerencias de “Recomendaciones para ti” y “Otras variedades que podrían gustarte”. La reclasificación de precio hace que los elementos sugeridos del catálogo con una probabilidad de recomendarse similar se ordenen según el precio, con los elementos de precio más alto primero. (Debido a que la relevancia también se usa para ordenar los elementos que se muestran, habilitar la reclasificación de precio no es lo mismo que ordenarlos por precio).

Habilitar la reclasificación de precio ayuda a equilibrar los porcentajes de conversiones y los valores promedio del pedido. La reclasificación de precio está inhabilitada de forma predeterminada.

Preferencias de ajuste

El ajuste mantiene el entrenamiento de modelos óptimo a medida que los datos de entrada cambian con el tiempo. Configura el modelo para que se ajuste de forma automática cada tres meses o elige que se ajuste solo de forma manual. El modelo se ajusta de forma automática una vez después de la creación. Más información

Para ajustar los detalles de los costos, consulta Precios.

Filtrado de resultados

Puedes filtrar los resultados de la predicción de una posición según el valor de etiqueta que proporcionaste con el elemento de catálogo y si el artículo está en stock. Más información

Posición disponible

Antes de poder solicitar predicciones de tu modelo, debes crear al menos una ubicación para él. Para obtener más información, consulta Administración de ubicaciones de recomendaciones.

Puedes ver tus modelos en la página Modelos. Haz clic en el nombre de un modelo para ir a la página de detalles, en la que puedes ver las posiciones asociadas con ese modelo.