Esta é a documentação apenas do Recommendations AI. Para testar a pesquisa de varejo e o console unificado de varejo na fase restrita do GA, entre em contato com a equipe de vendas do Cloud. Se você não quiser usar a pesquisa de varejo, permaneça no console de recomendações até novo aviso.

Se você estiver usando a versão v1beta do Recommendations AI, migre para a versão da API Retail.

Tipos de modelo de recomendação

Nesta página, descrevemos os tipos ou modelos de recomendação fornecidos pelo Recommendations AI, com os objetivos de otimização e canais padrão, personalizações disponíveis e tipos de evento compatíveis.

Introdução

Ao se inscrever para usar o Recommendations AI, você trabalha com o suporte do Recommendations AI para determinar os melhores modelos de personalização e as personalizações a serem usados no seu site. Os modelos e as personalizações que você usa dependem das suas necessidades de negócios e de onde você planeja exibir as recomendações resultantes.

Ao solicitar recomendações do Recommendations AI, você fornece o valor placement, que determina qual modelo é usado para retornar suas recomendações. Também é possível filtrar os resultados.

Tipos de recomendação disponíveis

O Recommendations AI oferece os seguintes tipos de modelo de recomendação:

Outros itens que você pode gostar

A recomendação "Outros que você pode gostar" prevê o próximo produto com que o usuário tem mais probabilidade de interagir ou realizar uma conversão. A previsão é baseada no histórico de compras e visualizações do usuário e na relevância do produto candidato para um produto especificado atual.

Objetivo de otimização padrão: taxa de cliques

Canal padrão: N/A

Personalizações disponíveis:

Tipos de evento do usuário compatíveis:

Itens comprados juntos com frequência (expansão do carrinho de compras)

A recomendação "Juntos comprados com frequência" prevê os itens comprados com frequência para um produto específico na mesma sessão de compras. Se uma lista de produtos estiver sendo visualizada, ela preverá os itens comprados com frequência com essa lista.

Essa recomendação é útil quando o usuário indica uma intenção de comprar um produto específico (ou uma lista de produtos) e você quer recomendar complementos (em vez de substitutos). Essa recomendação é normalmente exibida na página "adicionar ao carrinho" ou nas páginas "carrinho de compras" ou "registro" (para expansão do carrinho de compras).

Objetivo de otimização padrão: receita por pedido

Canal padrão: N/A

Personalizações disponíveis:

Tipos de evento do usuário compatíveis:

Recomendados para você

A recomendação "Recomendado para você" prevê o próximo produto com que o usuário tem mais probabilidade de interagir ou comprar, com base no histórico de compras do usuário e informações contextuais de solicitações, como carimbos de data/hora. Essa recomendação é normalmente usada na página inicial.

"Recomendado para você" também pode ser útil nas páginas de categoria. Uma página de categoria é semelhante a uma página inicial, exceto pelo fato de você exibir apenas itens dessa categoria. Para isso, use um modelo padrão "Recomendado para você" com tags de filtro. Por exemplo, você pode adicionar tags de filtro personalizadas (correspondentes a cada página de categoria) aos itens no seu catálogo. Ao enviar a solicitação de previsão, defina o objeto de evento de usuário como category-page-view e especifique a tag de uma página de categoria específica no campo "filter". Somente os resultados de recomendações correspondentes à tag de filtro solicitada são retornados. A diversidade precisa ser desativada nesse caso de uso, porque a diversidade pode entrar em conflito com tags de filtro com base na categoria.

Objetivo de otimização padrão: taxa de cliques

Canal padrão: N/A

Personalizações disponíveis:

Tipos de evento do usuário compatíveis:

Visualizados recentemente

A recomendação "Visitados recentemente" não é, na verdade, uma recomendação. Ele fornece os IDs dos produtos com que o usuário/visitante interagiu recentemente, com os produtos mais recentes primeiro.

Objetivo de otimização padrão: N/A

Canal padrão: recently_viewed_default

Personalizações disponíveis: N/A

Tipos de evento do usuário compatíveis:

Tudo

Objetivos de otimização

Modelos de machine learning são criados para otimizar objetivos específicos, que determinam como o modelo é criado. Cada colocação de modelo tem um objetivo de otimização padrão, mas é possível solicitar um objetivo de otimização diferente para apoiar as metas de negócios. Para isso, entre em contato com o representante do suporte.

Após treinar um modelo, não será possível alterar o objetivo de otimização. É preciso treinar um novo modelo para usar um objetivo de otimização diferente.

O Recommendations AI é compatível com os seguintes objetivos de otimização:

Taxa de cliques (CTR)

A otimização para CTR enfatiza o engajamento. otimize a CTR quando quiser maximizar a probabilidade de o usuário interagir com a recomendação.

A CTR é o objetivo de otimização padrão para os tipos de modelo de recomendações Outros itens que você pode gostar e Recomendado para você.

Receita por pedido

O objetivo da otimização de receita por pedido é o objetivo de otimização padrão para o tipo de modelo de recomendação Frequentemente comprados. Esse objetivo de otimização não pode ser especificado para nenhum outro tipo de modelo de recomendação.

Taxa de conversão (CVR)

A otimização para a taxa de conversão maximiza a probabilidade de o usuário adicionar o item recomendado ao carrinho. Se você quiser aumentar o número de itens adicionados ao carrinho por sessão, otimize a taxa de conversão.

Opções avançadas de configuração de modelo

Dependendo do tipo, há algumas outras opções de configuração de modelo que você pode usar para alterar o comportamento do seu modelo.

Diversificação

Se você quiser garantir que os resultados retornados de uma única solicitação de previsão sejam de categorias diferentes do catálogo de produtos, ative a diversificação.

A diversificação reduz a probabilidade de que itens do catálogo similares sejam mostrados no painel de recomendações, com o risco de remover algumas boas recomendações. A diversificação é configurada por nível, com níveis mais altos de diversificação, fazendo com que menos itens sejam exibidos por categoria.

Nível de diversificação Número máximo de itens por categoria Padrão
Desativada Ilimitado Itens de que você pode gostar
Comprados frequentemente juntos
Automático Depende do catálogo Recomendados para você
Baixa 3 -
Médio 2 -
Alta 1 -

Só há suporte para o modelo de recomendação "Recomendado para você".

Reclassificação de preços

Para recomendações como "Outros itens que podem interessar a você" e "Recomendado para você", é possível ativar a reclassificação de preços. A reclassificação de preços organiza, por ordem decrescente de preço, os itens recomendados do catálogo que têm probabilidade similar de serem pedidos. Como a relevância também é usada para ordenar os itens retornados, permitir a reclassificação de preços não é o mesmo que classificar por preço.

Ativar a reclassificação de preços ajuda a equilibrar as taxas de conversão e os valores médios dos pedidos. A reclassificação de preços é desativada por padrão.

Preferência de ajuste

O ajuste mantém o treinamento do modelo ideal à medida que os dados de entrada mudam com o tempo. Configure o modelo para ajustar automaticamente a cada três meses ou escolha somente para ajustá-lo manualmente. O modelo é ajustado automaticamente uma vez após a criação. Saiba mais.

Para ajustar os detalhes de custo, consulte Preços.

Filtragem de resultados

É possível filtrar os resultados da previsão de uma posição pelo valor da tag que você forneceu com o item do catálogo e por ele se está em estoque. Saiba mais.

Canais disponíveis

Antes de solicitar previsões do seu modelo, é preciso criar pelo menos uma veiculação para ele. Para mais informações, consulte Como gerenciar canais de recomendação.

Você encontra seus modelos listados na página Modelos. Clique no nome de um modelo para acessar a página de detalhes dele, em que é possível ver as posições associadas a esse modelo.