Ir para o conteúdo principal

Artigo

Uma visão geral dos recursos essenciais de recomendação do Dynamic Yield

Após quase uma década a desenvolver o motor de recomendação mais poderoso do mercado, dê uma vista de olhos a uma visão geral das capacidades de recomendação atuais disponíveis para os clientes da Dynamic Yield.

Publicado: 12 de janeiro de 2022

Yaniv Navot profile photo

Yaniv Navot

Senior Vice President, Commercialization,

Consumer Acquisition & Engagement,

Mastercard

Mulher mais velha pendurando arte em sua casa

No ambiente de varejo hipercompetitivo de hoje, os consumidores esperam que todas as suas experiências digitais sejam personalizadas e relevantes, incluindo as recomendações que recebem de empresas de comércio eletrônico. O aprendizado de máquina Become o ponto crucial da personalização da experiência de recomendação para os visitantes, auxiliando na generalização de dados observados para encontrar melhor os melhores produtos ou ofertas para atender a cada comprador específico.

Passámos quase uma década a desenvolver o motor de recomendação mais poderoso do mercado, criado com base no feedback direto de milhares de comerciantes e retalhistas de centenas de marcas e verticais globais.

Com o Dynamic Yield, você pode ter controle total de merchandising sobre seu conteúdo ou recomendações de produtos; adaptar o layout das recomendações de acordo com o contexto, combinar várias estratégias em um único widget de recomendação, testar e otimizar qualquer elemento — incluindo o layout, o design, a estratégia de recomendação, a localização, os cabeçalhos do widget e muito mais.

Também pode prever a próxima compra dos clientes através de uma estratégia de recomendação de aprendizagem profunda autotreinada para prever automaticamente o próximo produto em que um utilizador pode estar interessado, explorando a coocorrência de produtos no histórico de navegação do utilizador.

Esta visão geral detalhada inclui uma análise abrangente de todas as nossas capacidades de recomendação existentes, divididas em 13 categorias.

Criação de widgets (UX e design)

1. Design flexível e personalização

Os desenvolvedores podem construir e projetar modelos que sejam flexíveis para os profissionais de marketing reutilizarem, alterarem e escalarem em todo o site.

2. Pré-visualização do widget de recomendação

Quando o widget é renderizado — isso proporciona a capacidade de ver os resultados recomendados na página sem publicar a experiência.

3. Modelos de widget prontos para uso

Permite a implementação rápida de designs prontos.

4. Motor de modelos

Permite salvar o design do widget de recomendação como modelos — para serem reutilizados em vários widgets.

5. Histórico do modelo

Veja o histórico de alterações feitas no código dos modelos. Isso pode ser usado para rastrear a origem de um problema (solução de problemas) ou recuperar uma versão anterior do seu código.

Condições de segmentação

6. Segmentação por horário

Agende quando as experiências devem estar ativas e removidas do site.

7. Direcionamento baseado em afinidade

Direcione usuários que expressaram alto interesse - medido por suas interações com produtos (visualizações, adicionar ao carrinho e eventos de compra) - em uma propriedade específica do produto (por exemplo, cor azul, mostrar categoria).

8. Segmentação de novo usuário (primeira sessão)

Segmente usuários que estão atualmente na primeira sessão de todos os tempos (desde que o script do Dynamic Yield foi implementado no site).

9. Segmentação por comportamento da sessão

Permite direcionar a experiência do widget de recomendação por propriedades comportamentais da sessão, como número de visualizações de página, URL atual, URL anterior, tempo decorrido, etc.

10. Segmentação baseada em público compartilhada

Direcione para usuários que pertencem a um público do Dynamic Yield de um site diferente do Dynamic Yield.

11. Direcionamento baseado na fonte de tráfego

Permite o direcionamento para usuários que chegam através de uma fonte de tráfego específica.

12. Segmentação baseada no público

Direcione os usuários que pertencem a um público do Dynamic Yield deste site do Dynamic Yield.

13. Segmentação baseada em tecnologia

Permite direcionar a experiência do widget de recomendação por dispositivo, navegador, sistema operacional, marca operacional, resolução de tela e agente do usuário.

14. Segmentação baseada em localização

Permite direcionar a experiência do widget de recomendação pela localização atual do usuário.

15. Segmentação baseada no clima

Permite direcionar a experiência do widget de recomendação pelo clima atual ou previsto na localização atual do usuário.

16. Engajamento do produto / prova social

Permite direcionar a experiência do widget de recomendação para páginas de produtos que exibem produtos que receberam uma determinada quantidade de visualizações e compras.

17. Direcionamento por propriedade de página

Permite direcionar a experiência do widget de recomendação para páginas de produtos que exibem produtos que receberam uma determinada quantidade de visualizações e compras.

18. Avaliadores personalizados

Permite direcionar a experiência do widget de recomendação por qualquer propriedade calculada ad hoc usando código JS personalizado.

Estratégias de recomendação

19. Estratégia de recomendação automática

Esta estratégia seleciona o melhor algoritmo com base nas melhores práticas para o tipo de página escolhido.

20. Recomendações personalizadas baseadas em afinidade

Seleciona os produtos mais relevantes com base em todos os engajamentos com produtos registrados para o usuário. Considera os engajamentos realizados nos últimos 2 anos até os realizados na sessão atual (em tempo real).

21. Recomendações compradas juntas

Seleciona produtos frequentemente comprados junto com o produto sendo visualizado ou o conjunto de produtos no carrinho do usuário. Pode considerar compras feitas online ou offline.

22. Recomendações de visualizados juntos

Seleciona produtos frequentemente visualizados em conjunto com o produto que está a ser visualizado na mesma sessão.

23. Recomendações baseadas nos produtos visualizados recentemente

Recomenda os últimos itens visualizados pelo usuário atual (o mais recente aparece primeiro).

24. Recomendações baseadas em compras recentes

Recomenda os últimos itens comprados pelo utilizador atual (o mais recente aparece primeiro).

25. Recomendações mais populares

Pontua itens com base na soma ponderada de todas as interações – como compra, adicionar ao carrinho e visualização de produto – favorecendo interações recentes em detrimento de interações históricas.

26. Mais popular na categoria

Retorna itens por popularidade, mas inclui apenas itens na categoria especificada no contexto da página da página de categoria.

27. Itens semelhantes

Recomenda itens semelhantes ao item exibido atualmente, levando em consideração a popularidade do item.

28. Recomendações personalizadas (filtragem colaborativa)

Seleciona os produtos mais relevantes comparando comportamentos semelhantes entre todos os usuários usando modelos sofisticados de aprendizado de máquina.

29. Recomendações de compra conjunta offline

Recomenda produtos comprados offline junto com o item exibido atualmente ou o conjunto de produtos no carrinho do usuário.

30. Recomendações compradas juntas offline e online

Recomenda produtos que foram comprados em conjunto offline ou online com o item atualmente exibido ou o conjunto de produtos no carrinho do utilizador.

31. Recomendações compradas com compras recentes

Itens que geralmente são comprados junto com os últimos itens comprados pelo usuário atual.

32. Recomendações da última compra

Apresenta o conteúdo do carrinho da compra mais recente feita pelo utilizador atual.

33. Comprado com as últimas recomendações compradas

Itens que geralmente são comprados junto com itens na compra mais recente feita pelo usuário atual.

34. Estratégias de fallback

Caso a estratégia retorne menos itens do que o número de slots, o sistema executará um algoritmo de fallback respectivo para cada estratégia.

35. Recomendações de aprendizado profundo

Uma estratégia de recomendação de aprendizagem profunda autotreinável para prever automaticamente o próximo produto em que um utilizador pode estar interessado com base na sequência de interações históricas e em tempo real.

Filtros de estratégia dinâmica

36. Propriedades do produto

A definição permite a opção de as recomendações mostrarem ou excluírem produtos que tenham todas ou uma quantidade selecionada de propriedades de produto como o produto que está a ser visualizado. Esta funcionalidade está limitada apenas à página do produto.

37. Excluir produtos visualizados recentemente

Remove produtos visualizados recentemente de serem exibidos.

38. Excluir produtos comprados recentemente

Remove produtos comprados recentemente de serem exibidos.

Gestão de estratégia de recomendação

39. Embaralhar resultados de recomendação

Esta estratégia seleciona o melhor algoritmo com base nas melhores práticas para o tipo de página escolhido.

40. Estratégias de recomendação mistas (fusão algorítmica)

Permite definir diferentes algoritmos de recomendação por slot de widget.

Regras de merchandising e controlo

41. Filtros em tempo real com API de recomendação

Adicione regras de filtro em tempo real para filtrar os resultados com base em dados obtidos dentro da sessão (por exemplo, mostrar produtos com preços superiores ao produto visualizado atualmente, apresentar produtos com base na seleção explícita do visitante, etc.).

42. Criação de regras de filtro personalizadas

Permite definir regras que restringem os resultados das recomendações.

43. Fixar produtos

Permite que o usuário force a exibição de produtos específicos.

44. Adicionar produtos à lista de permissões (incluir)

Garanta que apenas um subconjunto de produtos será apresentado em um widget específico ou em um slot específico.

45. Produtos na lista negra (excluir)

Permite ao utilizador restringir os produtos que não devem ser recomendados num widget específico ou num slot específico.

46. Criação dinâmica de lista

Permite selecionar produtos para fixar / incluir na lista de permitidos / incluir na lista de bloqueados usando um conjunto de condições de atributo do produto (por exemplo, o preço é superior a $ 100, a categoria é ‘Vestidos’, etc.).

47. Priorização de regras de merchandising

Permite resolver conflitos entre 2 regras contraditórias.

48. Segmentação de regras de merchandising

Permite definir as condições em que uma regra deve ser aplicada (a que utilizadores, em que páginas, etc.).

49. Agendamento de regra de merchandising

Permite definir a data e a hora em que uma regra deve ser aplicada.

Testes & Otimização

50. Testes de algoritmos de recomendação

Teste A/B com diferentes algoritmos de recomendação.

51. Teste de layouts de widget de recomendação

Teste A/B de diferentes layouts e designs de widget de recomendação (vertical vs horizontal, número de slots, exibição/ocultação de preço, etc.).

52. Teste de regras de merchandising

Teste A/B de diferentes regras de filtragem de recomendações.

Canais

53. Web e web móvel

Renderiza recomendações em qualquer lugar na web e no site da web móvel.

54. Aplicativo móvel

Renderiza recomendações em qualquer lugar no aplicativo móvel.

55. E-mail

Renderiza recomendações em e-mails.

Relatórios

56. Relatório da métrica principal

Renderiza recomendações em qualquer lugar na web e no site da web móvel.

57. Relatórios de experiência aprimorada — métricas secundárias

Exibe como as variações são afetadas por métricas que não são a métrica principal do teste. As métricas secundárias disponíveis são CTR (em tipos de campanhas que injetam HTML), visualizações de página, Compras, Receita, AOV e qualquer evento personalizado.

58. Probabilidade de ser melhor

Em testes A/B - indica a probabilidade de cada variação de teste ser a variação vencedora do teste (em termos de uma métrica primária específica. por exemplo, receita de compra) com base no modelo de estatística bayesiana da DY.

59. Relatórios de experiência aprimorados – detalhamentos de público

Permite comparar o desempenho de um widget de recomendação entre diferentes grupos de público.

60. Relatórios personalizados de recomendações detalhadas

Exibe relatórios granulares detalhados para widgets de recomendação. (isto é, mostra o impacto direto e assistido das recomendações de produtos no desempenho do site com a capacidade de ter janelas de atribuição flexíveis).

61. Filtragem de valores atípicos

Impede que eventos individuais distorçam os resultados e prevejam incorretamente o comportamento médio futuro do usuário.

62. Segmentação preditiva

Sugere automaticamente qual estratégia de recomendação deve ser aplicada por público com base no desempenho previsto.

Recomendações dinâmicas

63. Renderização no momento da abertura (recomendações por e-mail)

As recomendações são renderizadas no momento da abertura para garantir que os cálculos do algoritmo e as propriedades do produto estejam atualizados.

64. E-mails acionados

Envia um e-mail com produto(s) em destaque para utilizadores que abandonaram o site (ou app) sem concluir uma compra. O e-mail inclui conteúdo relevante para a sessão de navegação abandonada.

65. Notificações push

Envia uma notificação push composta por produto(s) selecionado(s) dinamicamente e botões de ação (opcionais) em um horário agendado ou se um evento for acionado.

66. Anúncios

Substitui anúncios de recomendação de exibição estática por recomendações orientadas por algoritmos de aprendizado de máquina que escolhem a melhor variação em tempo real.

67. Páginas de destino

Oferece variações de recomendação personalizadas para cada usuário em vez de uma única variação (tamanho único para todos).

Integrações

68. Suporte a feeds de produtos

Contém todo o catálogo de produtos (produtos, com metadados de produto) e recomendações de produtos potentes. Pode ingerir e lidar totalmente com grandes feeds com milhões de SKUs de produtos para impulsionar recomendações.

69. API de feed delta

Envia alterações em tempo real dos itens para o feed de produtos.

70. Controlo de API

Permite receber resultados de recomendações em formato bruto – para aproveitar recomendações em qualquer sistema externo e para renderizar usando código personalizado, usando implantações no lado do servidor ou do cliente.

71. Posicionamento contextual do widget

Permite configurar onde um widget de recomendação deve ser colocado sem qualquer codificação.

72. Suporte a feeds múltiplos

Combine automaticamente múltiplos ficheiros ou origens num feed.

73. Suporte a campanhas em vários idiomas

Permite múltiplos valores para o mesmo item em um feed de dados que representam diferentes idiomas, como múltiplos nomes de produtos e descrições.

Tipos de teste

74. Alocação manual de tráfego (testes A/B padrão)

Permite testar variações de recomendação com base na porcentagem definida de alocação de tráfego.

75. Alocação de tráfego automatizada (multi-armed bandit)

Decide automaticamente qual porcentagem de usuários do site receberá cada variação. Ele utiliza uma estratégia de Multi-Arm Bandit, o que significa que as variações que tiveram melhor desempenho no passado recebem mais tráfego.

Tipos de recomendação

76. Recomendações de produto/item

Exibe os produtos/itens mais relevantes para cada usuário com base no contexto e no objetivo do widget de recomendação.

77. Recomendações de conteúdo

Exibe o conteúdo mais relevante para cada usuário com base no contexto e no objetivo do widget de recomendação.

Contact sales

Talk to an expert to learn how Mastercard can enhance your business through our products and services.

Mastercard