Saltar al contenido principal

Artículo

Descripción general de las funciones de recomendación esenciales de Dynamic Yield

Tras pasar casi una década desarrollando el motor de recomendación más potente del mercado, echa un vistazo a una visión general de las capacidades de recomendación actuales disponibles para los clientes de Dynamic Yield.

Publicado: 12 de enero de 2022

Yaniv Navot profile photo

Yaniv Navot

Senior Vice President, Commercialization,

Consumer Acquisition & Engagement,

Mastercard

Mujer mayor colocando arte en su casa

En el entorno minorista actual, de alta competencia, los consumidores esperan que todas sus experiencias digitales sean personalizadas y relevantes, incluidas las recomendaciones que reciben de las empresas de comercio electrónico. El aprendizaje automático has become el núcleo de la personalización de la experiencia de recomendación para los visitantes, lo que ayuda a hacer generalizaciones a partir de los datos observados para encontrar mejor los productos o las ofertas que ofrecer a cada comprador específico.

Hemos pasado casi una década desarrollando el motor de recomendaciones más potente del mercado, creado a partir de los comentarios directos de miles de comerciantes y minoristas de cientos de marcas y sectores globales.

Con Dynamic Yield, puedes ejercer un control total de merchandising sobre tu contenido o recomendaciones de productos; adaptar el diseño de recomendación según el contexto, fusionar varias estrategias en un solo widget de recomendación, probar y optimizar cualquier elemento —incluidos el diseño, el formato, la estrategia de recomendación, la ubicación, los encabezados de los widgets y mucho más—.

También puedes predecir la próxima compra de los clientes mediante una estrategia de recomendación de aprendizaje profundo de autoentrenamiento para predecir automáticamente el siguiente producto que le pueda interesar a un usuario al explotar la coocurrencia de productos en su historial de navegación.

Esta visión general detallada incluye un análisis exhaustivo de todas nuestras capacidades de recomendaciones existentes, divididas en 13 categorías.

Creación de widgets (UX & diseño)

1. Diseño flexible y personalización

Los desarrolladores pueden crear y diseñar plantillas que los profesionales del marketing puedan reutilizar, modificar y adaptar fácilmente en todo el sitio.

2. Vista previa del widget de recomendaciones

Cuando el widget se procesa, esto ofrece la posibilidad de ver los resultados recomendados en la página sin publicar la experiencia.

3. Plantillas de widget listas para usar

Permite una implementación rápida de diseños ya creados.

4. Motor de plantillas

Permite guardar el diseño del widget de recomendación como plantillas para reutilizarlas en varios widgets.

5. Historial de plantillas

Ver el historial de cambios realizados en el código de las plantillas. Esto se puede utilizar para rastrear el origen de un problema (solución de problemas) o recuperar una versión anterior de tu código.

Condiciones de segmentación

6. Segmentación basada en el tiempo

Programa cuándo las experiencias deben publicarse y retirarse del sitio.

7. Segmentación basada en la afinidad

Dirígete a usuarios que hayan mostrado un alto interés —medido mediante sus interacciones con los productos (visualizaciones, adiciones al carrito y eventos de compra)— en una propiedad de producto específica (p. ej., color azul, mostrar categoría).

8. Segmentación para nuevos usuarios (primera sesión)

Segmentar a los usuarios que se encuentran actualmente en su primera sesión (desde que se implementó el script de Dynamic Yield en el sitio).

9. Segmentación por comportamiento de sesión

Permite segmentar la experiencia del widget de recomendaciones según las propiedades de comportamiento de la sesión, como el número de páginas vistas, la URL actual, la URL anterior, el tiempo transcurrido, etc.

10. Segmentación compartida basada en audiencias

Segmenta a los usuarios que pertenecen a una audiencia de Dynamic Yield de un sitio de Dynamic Yield diferente.

11. Segmentación basada en la fuente de tráfico

Permite la segmentación para los usuarios que llegan a través de una fuente de tráfico específica.

12. Segmentación basada en la audiencia

Dirígete a usuarios que pertenezcan a una audiencia de Dynamic Yield desde este sitio de Dynamic Yield.

13. Segmentación basada en tecnología

Permite segmentar la experiencia del widget de recomendaciones por dispositivo, navegador, sistema operativo, marca del sistema operativo, resolución de pantalla y agente de usuario.

14. Segmentación basada en la ubicación

Permite segmentar la experiencia del widget de recomendación según la ubicación actual del usuario.

15. Segmentación basada en el clima

Permite segmentar la experiencia del widget de recomendaciones según el clima actual o pronosticado en la ubicación actual del usuario.

16. Interacción con el producto / prueba social

Permite segmentar la experiencia del widget de recomendaciones en páginas de productos que muestran artículos que han recibido una cantidad determinada de visualizaciones y compras.

17. Segmentación de propiedades de página

Permite segmentar la experiencia del widget de recomendaciones en páginas de productos que muestran artículos que han recibido una cantidad determinada de visualizaciones y compras.

18. Evaluadores personalizados

Permite segmentar la experiencia del widget de recomendaciones mediante cualquier propiedad calculada de forma ad hoc utilizando código JS personalizado.

Estrategias de recomendación

19. Estrategia de recomendación automática

Esta estrategia selecciona el mejor algoritmo en función de las prácticas recomendadas para el tipo de página elegido.

20. Recomendaciones personalizadas basadas en afinidad

Selecciona los productos más relevantes según todas las interacciones con productos registradas para el usuario. Tiene en cuenta las interacciones realizadas desde hace dos años hasta las realizadas en la sesión actual (en tiempo real).

21. Recomendaciones de compras conjuntas

Selecciona los productos que se compran con frecuencia junto con el producto que se está viendo o el conjunto de productos del carrito del usuario. Puede tener en cuenta las compras realizadas en línea o fuera de línea.

22. Recomendaciones vistas conjuntamente

Selecciona los productos vistos con frecuencia junto con el producto que se está viendo en la misma sesión.

23. Recomendaciones basadas en visitas recientes

Recomienda los últimos artículos vistos por el usuario actual (el más reciente aparece primero).

24. Recomendaciones basadas en compras recientes

Recomienda los últimos artículos comprados por el usuario actual (el más reciente aparece primero).

25. Recomendaciones más populares

Puntúa los artículos basándose en la suma ponderada de todas las interacciones —como compras, adiciones al carrito y visualizaciones de productos—, dando preferencia a las interacciones recientes sobre las históricas.

26. Más popular en la categoría

Devuelve los artículos por popularidad, pero solo incluye los artículos de la categoría especificada en el contexto de la página de la categoría.

27. Artículos similares

Recomienda artículos que son similares al artículo que se muestra actualmente, teniendo en cuenta la popularidad del artículo.

28. Recomendaciones personalizadas (filtrado colaborativo)

Selecciona los productos más relevantes mediante la comparación de comportamientos similares en todos los usuarios con sofisticados modelos de aprendizaje automático.

29. Recomendaciones de compra conjunta sin conexión

Recomienda productos que se hayan comprado sin conexión junto con el artículo que se muestra actualmente o el conjunto de productos del carrito del usuario.

30. Recomendaciones online y offline compradas juntas

Recomienda productos que se han comprado juntos, ya sea online u offline, con el artículo que se muestra actualmente o con el conjunto de productos del carrito del usuario.

31. Comprado con recomendaciones recientes de compras

Artículos que suelen comprarse junto con los últimos artículos comprados por el usuario actual.

32. Recomendaciones de últimas compras

Muestra el contenido del carrito de la compra más reciente realizada por el usuario actual.

33. Comprado con recomendaciones de compras anteriores

Artículos que normalmente se compran junto con los artículos de la compra más reciente del usuario actual.

34. Estrategias de respaldo

En caso de que la estrategia devuelva menos elementos que el número de espacios, el sistema ejecutará un algoritmo de alternativa respectivo para cada estrategia.

35. Recomendaciones de aprendizaje profundo

Una estrategia de recomendación de aprendizaje profundo autoentrenable para predecir automáticamente el próximo producto que le puede interesar a un usuario en función de la secuencia de interacciones históricas y en tiempo real.

Filtros de estrategia dinámica

36. Propiedades del producto

La configuración ofrece la opción de que las recomendaciones muestren o excluyan los productos que tienen todas las propiedades de producto o una cantidad seleccionada de estas en comparación con el producto que se está viendo. Esta capacidad se limita únicamente a la página del producto.

37. Excluir los productos vistos recientemente

Evita que se muestren los productos vistos recientemente.

38. Excluir productos comprados recientemente

Evita que se muestren los productos comprados recientemente.

Gestión de la estrategia de recomendación

39. Mezclar los resultados de las recomendaciones

Esta estrategia selecciona el mejor algoritmo en función de las prácticas recomendadas para el tipo de página elegido.

40. Estrategias de recomendación mixtas (fusión algorítmica)

Permite configurar diferentes algoritmos de recomendación por espacio de widget.

Reglas de merchandising y control

41. Filtros en tiempo real con API de recomendación

Añade reglas de filtrado en tiempo real para filtrar los resultados según los datos obtenidos durante la sesión (p. ej., mostrar productos con un precio superior al producto que se está viendo actualmente, presentar productos según la selección explícita de los visitantes, etc.).

42. Creación de reglas de filtrado personalizadas

Permite establecer reglas que restringen los resultados de las recomendaciones.

43. Productos de PIN

Permite al usuario forzar la visualización de productos específicos.

44. Productos de lista blanca (incluir)

Asegúrate de que solo se presente un subconjunto de productos en un widget específico o en un espacio específico.

45. Excluir productos de la lista negra (exclusión)

Permite al usuario restringir qué productos no deben recomendarse en un widget o espacio específico.

46. Creación de listas dinámicas

Permite seleccionar productos para fijar, incluir en listas blancas o excluir en listas negras utilizando un conjunto de condiciones de atributos de productos (p. ej., el precio es superior a 100 $, la categoría es «Dresses», etc.).

47. Priorización de reglas de merchandising

Permite resolver conflictos entre dos reglas contradictorias.

48. Segmentación por reglas de merchandising

Permite establecer las condiciones en las que debe aplicarse una regla (a qué usuarios, en qué páginas, etc.).

49. Programación de reglas de comercialización

Permite establecer la fecha y la hora en las que se debe aplicar una regla.

Testing & optimization

50. Pruebas de algoritmos de recomendación

Prueba diferentes algoritmos de recomendación mediante pruebas A/B.

51. Pruebas de diseños de widgets de recomendación

Prueba diferentes diseños y distribuciones de widgets de recomendación (vertical frente a horizontal, número de espacios, mostrar u ocultar el precio, etc.).

52. Pruebas de reglas de comercialización

Realiza pruebas A/B con diferentes reglas de filtrado de recomendaciones.

Canales

53. Web y web móvil

Genera recomendaciones en cualquier parte de la web y del sitio web móvil.

54. Aplicación móvil

Genera recomendaciones en cualquier lugar de la aplicación móvil.

55. Correo electrónico

Genera recomendaciones en los correos electrónicos.

Informes

56. Informes de métricas principales

Genera recomendaciones en cualquier parte de la web y del sitio web móvil.

57. Informes de experiencias mejoradas: métricas secundarias

Muestra cómo las variaciones se ven afectadas por métricas que no son la métrica principal de la prueba. Las métricas secundarias disponibles son el CTR (en los tipos de campaña que inyectan HTML), las páginas vistas, las compras, los ingresos, el AOV y cualquier evento personalizado.

58. Probabilidad de ser el mejor

En las pruebas A/B, indica la probabilidad de que cada variante de prueba sea la variante ganadora (en términos de una métrica principal específica. p. ej. ingresos por compras) basado en el modelo de estadística bayesiana de DY.

59. Informes de experiencia mejorada: desglose de audiencia

Permite comparar el rendimiento de un widget de recomendación entre diferentes grupos de audiencia.

60. Informes de recomendaciones detalladas personalizadas

Muestra informes granulares detallados para los widgets de recomendación. (es decir, muestra el impacto directo y asistido de las recomendaciones de productos en el rendimiento del sitio, con la posibilidad de contar con ventanas de atribución flexibles).

61. Filtrado de valores atípicos

Evita que los eventos individuales sesguen los resultados y predigan incorrectamente el comportamiento futuro medio de los usuarios.

62. Segmentación predictiva

Sugiere automáticamente qué estrategia de recomendación se debe aplicar por audiencia en función del rendimiento previsto.

Recomendaciones dinámicas

63. Renderizado en tiempo de apertura (recomendaciones por correo electrónico)

Las recomendaciones se generan en el momento de la apertura para garantizar que los cálculos del algoritmo y las propiedades del producto estén actualizados.

64. Correos electrónicos activados

Envía un correo electrónico con productos destacados a los usuarios que han abandonado el sitio (o la aplicación) sin completar una compra. El correo electrónico incluye contenido relevante para la sesión de navegación abandonada.

65. Notificaciones push

Envía una notificación push compuesta por uno o varios productos seleccionados dinámicamente y botones de acción (opcionales) a una hora programada o si se activa un evento.

66. Anuncios

Reemplaza los anuncios estáticos de recomendación de visualización con recomendaciones impulsadas por algoritmos de aprendizaje automático que eligen la mejor variación en tiempo real.

67. Páginas de destino

Ofrece variaciones de recomendaciones personalizadas para cada usuario en lugar de una única variación (solución única para todos).

Integraciones

68. Soporte de fuentes de datos de productos

Contiene todo el catálogo de productos (productos con metadatos de productos) y alimenta recomendaciones de productos potentes. Puede asimilar por completo y gestionar fuentes de gran tamaño con millones de SKU de productos para potenciar las recomendaciones.

69. API de feed Delta

Envía cambios de artículos en tiempo real a la fuente de productos.

70. Control de API

Permite recibir los resultados de las recomendaciones en formato raw —para aprovechar las recomendaciones en cualquier sistema externo y representarlas mediante código personalizado, utilizando implementaciones tanto del lado del servidor como del cliente—.

71. Ubicación contextual del widget

Permite configurar dónde debe colocarse un widget de recomendaciones sin necesidad de programar.

72. Compatibilidad con múltiples fuentes

Combina automáticamente varios archivos o fuentes en una sola fuente de datos.

73. Compatibilidad con campañas en varios idiomas

Permite múltiples valores para el mismo elemento en una fuente de datos que representen diferentes idiomas, tales como varios nombres y descripciones de productos.

Tipos de prueba

74. Asignación manual de tráfico (pruebas A/B estándar)

Permite probar variaciones de recomendación basadas en el porcentaje de asignación de tráfico definido.

75. Asignación automatizada de tráfico (algoritmo multi-armed bandit)

Determina automáticamente qué porcentaje de los usuarios del sitio recibirá cada variación. Aprovecha una estrategia de bandidos de múltiples brazos, lo que significa que a las variaciones que funcionaron mejor en el pasado se les asigna más tráfico.

Tipos de recomendación

76. Recomendaciones de productos/artículos

Muestra los productos o artículos más relevantes para cada usuario basándose en el contexto y el objetivo del widget de recomendación.

77. Recomendaciones de contenido

Muestra el contenido más relevante para cada usuario según el contexto y el objetivo del widget de recomendación.

Ponte en contacto con ventas

Habla con un experto para descubrir cómo Mastercard puede mejorar tu negocio a través de nuestros productos y servicios.

Mastercard