Créer des recommandations d’articles basées sur l’intelligence artificielle

Découvrez comment créer un moteur de recommandation par intelligence artificielle à partir des articles de votre catalogue.

À propos des recommandations d’articles par intelligence artificielle

Les recommandations d’articles par intelligence artificielle vous permettent de calculer les produits les plus populaires ou de créer des recommandations personnalisées par intelligence artificielle pour un catalogue spécifique. Une fois votre recommandation créée, vous pouvez utiliser la personnalisation pour insérer ces produits dans vos messages.

Fonctionnalités d’intelligence artificielle spécifiques au plan

Le tableau suivant décrit les différences entre la version gratuite et la version pro des types de recommandation Personnalisé par l’IA, Plus populaire, Plus récent et Tendance :

<sup>1. Il s’agit de la fréquence à laquelle les recommandations d’articles spécifiques à l’utilisateur sont mises à jour (Personnalisé par l’IA et Plus récent uniquement). Plus populaire et Tendance sont des recommandations globales qui se mettent à jour lors du réentraînement du modèle. Par exemple, si un utilisateur achète un article recommandé sur la base de recommandations d’articles par l’IA, ses articles recommandés seront mis à jour selon cette fréquence.
2. Les types de recommandation disponibles sont : Personnalisé par l’IA, Plus récent, Plus populaire et Tendance.</sup>

Créer une recommandation d’article par intelligence artificielle

Conditions préalables

Avant de commencer, vous devez disposer des éléments suivants :

• Au moins un catalogue pour utiliser l’un des types de recommandation décrits ci-dessous.
• Des données d’achat ou d’événement dans Braze (événements personnalisés ou objet d’achat) qui incluent une référence à l’article et correspondent aux ID d’articles du catalogue.

Étape 1 : Créer une nouvelle recommandation

Vous pouvez créer une recommandation d’article par intelligence artificielle depuis deux endroits du tableau de bord :

• from the navigation menu
• from a catalog

Étape 2 : Ajouter les détails de la recommandation

Donnez un nom à votre recommandation et ajoutez une description facultative.

Étape 3 : Définir votre recommandation

Sélectionnez un type de recommandation. Chaque type utilise les six derniers mois de données d’interaction avec les articles, comme les données d’achat ou d’événement personnalisé. Pour plus de détails et des cas d’utilisation pour chaque type, consultez Types et cas d’utilisation.

Étape 3.1 : Exclure les achats ou interactions antérieurs (facultatif)

Pour éviter de suggérer des articles qu’un utilisateur a déjà achetés ou avec lesquels il a déjà interagi, sélectionnez Ne pas recommander d’articles avec lesquels les utilisateurs ont déjà interagi. Cette option n’est disponible que lorsque le type de recommandation est défini sur Personnalisé par l’intelligence artificielle.

Ce paramètre empêche les messages de réutiliser les articles qu’un utilisateur a déjà achetés ou avec lesquels il a interagi, à condition que la recommandation ait été mise à jour récemment. Les articles achetés ou ayant fait l’objet d’une interaction entre deux mises à jour de la recommandation peuvent toutefois encore apparaître. Pour la version gratuite des recommandations d’articles, les mises à jour sont hebdomadaires. Pour la version pro des recommandations d’articles par intelligence artificielle, les mises à jour ont lieu toutes les 24 heures.

Par exemple, avec la version pro des recommandations d’articles par intelligence artificielle, si un utilisateur achète un produit puis reçoit un e-mail marketing dans les 30 minutes, l’article qu’il vient d’acheter risque de ne pas être exclu de l’e-mail à temps. En revanche, les messages envoyés après 24 heures ne comporteront pas cet article.

Étape 3.2 : Sélectionner un catalogue

S’il n’est pas déjà renseigné, sélectionnez le catalogue à partir duquel cette recommandation tirera ses articles.

Étape 3.3 : Ajouter une sélection (facultatif)

Si vous souhaitez mieux contrôler votre recommandation, choisissez une sélection pour appliquer des filtres personnalisés. Les sélections filtrent les recommandations en fonction de colonnes spécifiques de votre catalogue, telles que la marque, la taille ou l’emplacement. Les sélections contenant du Liquid ne peuvent pas être utilisées dans votre recommandation.

Étape 4 : Sélectionner l’interaction à l’origine des recommandations

Sélectionnez l’événement pour lequel vous souhaitez optimiser cette recommandation. Il s’agit généralement d’un achat, mais cela peut aussi être n’importe quelle interaction avec un article.

Vous pouvez optimiser pour :

• Les événements d’achat avec l’objet d’achat
• Les événements personnalisés représentant un achat
• Les événements personnalisés représentant toute autre interaction avec un article (comme les consultations de produits, les clics ou les lectures de médias)

Si vous choisissez Événement personnalisé, sélectionnez votre événement dans la liste.

Étape 5 : Choisir le nom de la propriété correspondante

Pour créer une recommandation, vous devez indiquer à Braze quel champ de votre événement d’interaction (objet d’achat ou événement personnalisé) contient l’identifiant unique correspondant au champ id d’un article dans le catalogue. Vous avez un doute ? Consultez les conditions requises.

Sélectionnez ce champ pour le nom de la propriété.

Le champ Nom de la propriété sera pré-rempli avec une liste de champs envoyés via le SDK à Braze. Si suffisamment de données sont disponibles, ces propriétés seront également classées par ordre de probabilité d’être la bonne propriété. Sélectionnez celle qui correspond au champ id du catalogue.

Conditions requises

La sélection de votre propriété est soumise à certaines conditions :

• Elle doit correspondre au champ id du catalogue sélectionné.
• Si vous avez sélectionné l’objet d’achat : il doit s’agir du product_id ou d’un champ des properties de votre événement d’interaction.
• Si vous avez sélectionné un événement personnalisé : il doit s’agir d’un champ des properties de votre événement personnalisé.
• Les champs imbriqués doivent être saisis dans le menu déroulant Nom de la propriété en notation par points, au format event_property.nested_property. Par exemple, pour sélectionner la propriété imbriquée district_name dans la propriété d’événement location, saisissez location.district_name.
• Si vous utilisez des événements e-commerce pour entraîner les recommandations d’articles : ajoutez products.product_id pour accéder à l’ID du produit à partir des événements.
• Le champ peut se trouver à l’intérieur d’un tableau de produits ou se terminer par un tableau d’ID. Dans les deux cas, chaque ID de produit sera traité comme un événement distinct et séquentiel avec le même horodatage.

Exemples de mappages

Les exemples de mappages suivants font tous deux référence à ce catalogue d’exemple :

• custom event
• purchase object

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "2ff3f9a9-8803-4c3a-91da-14adbf93dc99",
        "products": [
          { "sku": "ADI-BL-7" },
          { "sku": "ADI-WH-9" }
        ]
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "13791e08-7c22-4f6c-8cc6-832c76af3743",
        "purchase": {
          "product_skus": ["ADI-BL-7", "ADI-WH-9"]
        }
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

Étape 6 : Entraîner la recommandation

Lorsque vous êtes prêt, sélectionnez Créer une recommandation. Ce processus peut prendre de 10 minutes à 36 heures. Vous recevrez un e-mail de confirmation lorsque la recommandation aura été entraînée avec succès, ou une explication en cas d’échec.

Vous trouverez la recommandation sur la page Prédictions, où vous pourrez la modifier ou l’archiver selon vos besoins. Les recommandations sont automatiquement ré-entraînées une fois par semaine (version payante) ou par mois (version gratuite).