Recommandations de produits basées sur l’IA

Découvrez comment créer une recommandation de produits avec l’IA pour les articles d’un catalogue.

Utilisez les recommandations de produits avec l’IA pour calculer les produits les plus populaires ou générer des recommandations personnalisées basées sur l’IA pour un [catalogue][catalogue] spécifique. Après avoir créé votre recommandation, vous pouvez utiliser la personnalisation pour insérer ces produits dans vos messages.

Conditions préalables

Avant de commencer, vous devrez effectuer les opérations suivantes :

• Vous devez disposer d’au moins un [catalogue][catalogue] pour utiliser l’un des types de recommandations décrits ci-dessous.
• Vous devez disposer de données d’achat ou d’événement sur Braze (événements personnalisés ou objet d’achat) qui incluent une référence à des ID de produits uniques stockés dans un catalogue.

Création d’une recommandation d’article par l’intelligence artificielle

Pour créer une recommandation d’article :

1. Sélectionnez Analyse > Recommandation de produits avec l’IA.
2. Sélectionnez Créer une prédiction > Recommandation d’élément d’intelligence artificielle.

Vous pouvez également choisir de créer une recommandation directement à partir d’un catalogue individuel. Sélectionnez votre catalogue dans la page Catalogues, puis sélectionnez Créer une recommandation.

Étape 1 : Ajouter les détails de la recommandation

Donnez à votre recommandation un nom et une description facultative.

Étape 2 : Définissez votre recommandation

Sélectionnez le type de recommandation. Tous les types de recommandations utilisent les six derniers mois de données d’interaction avec l’article (achat ou événement personnalisé). L’interaction mentionnée ci-dessous se réfère soit à un événement d’achat, soit à un événement personnalisé choisi à l’étape 3.

• Les plus populaires : Calcule jusqu’à 30 produits du catalogue avec lesquels tous les utilisateurs de l’espace de travail interagissent le plus souvent, comme les produits les plus achetés.
• Les plus récents : Crée une liste de 30 produits maximum avec lesquels l’utilisateur a interagi le plus récemment.
• Intelligence artificielle personnalisée : Utilise des transformateurs, un nouveau type d’apprentissage profond, pour prédire le prochain ensemble le plus probable d’éléments avec lesquels chaque utilisateur interagira. Nous calculons jusqu’à 30 des éléments les plus probables suivants, classés du plus au moins probable. Ce type de recommandation n’utilise pas de grands modèles de langage (LLM) pour combiner vos données avec celles de n’importe quel autre client de Braze.
• À la mode : Calcule jusqu’à 30 éléments de l’espace de travail qui ont eu la dynamique positive la plus récente en ce qui concerne les interactions avec les utilisateurs.

Étape 2a : 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 Intelligence artificielle personnalisée.

Ce paramètre empêche les messages de réutiliser les éléments 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 les mises à jour des recommandations peuvent encore apparaître. Pour la version gratuite des recommandations de produits, les mises à jour sont hebdomadaires. Pour la version pro des recommandations de produits avec l’IA, les mises à jour ont lieu toutes les 24 heures.

Par exemple, lorsque vous utilisez la version pro des recommandations d’articles par intelligence artificielle, si un utilisateur achète quelque chose 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. Toutefois, les messages envoyés après 24 heures ne comporteront pas cet élément.

Étape 2b : Sélectionner un catalogue

S’il n’est pas déjà indiqué, sélectionnez le [catalogue][catalogue] à partir duquel cette recommandation va extraire les produits.

Étape 2c : 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/localisation. Les sélections qui contiennent du liquide ne peuvent pas être utilisées dans votre recommandation.

Étape 3 : Sélectionnez l’interaction à l’origine des recommandations

Sélectionnez l’événement pour lequel vous souhaitez que cette recommandation soit optimisée. Cet événement est généralement un achat, mais il peut également s’agir de toute interaction avec un article.

Vous pouvez optimiser pour :

• Événements d’achat avec l’objet d’achat
• Événements personnalisés représentant un achat
• Événements personnalisés qui représentent toute autre interaction avec le produit (comme les consultations de produits, les clics ou les lectures de médias)

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

Étape 4 : Choisissez le nom de la propriété correspondante

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

Sélectionnez ce champ pour le nom de la propriété.

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

Conditions

La sélection de votre propriété est soumise à certaines conditions :

• Doit correspondre au champ id du catalogue que vous avez sélectionné.
• Si vous avez sélectionné Objet d’achat : Doit être le product_id ou un champ des properties de votre événement d’interaction.
• Si vous avez sélectionné Événement personnalisé : Doit être un champ de votre événement personnalisé properties.
• 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, si vous sélectionnez la propriété imbriquée district_name dans la propriété d’événement location, vous devez saisir location.district_name.
• 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’exemples :

• événement personnalisé
• objet achat

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 5 : Former la recommandation

Lorsque vous êtes prêt, sélectionnez Créer une recommandation. Ce processus peut durer de 10 minutes à 36 heures. Vous recevrez un e-mail lorsque la recommandation aura été entraînée avec succès ou une explication sur les raisons de l’échec de la création.

Vous trouverez la recommandation sur la page des prédictions, où vous pourrez ensuite la modifier ou l’archiver si nécessaire. Les recommandations seront automatiquement recyclées une fois par mois.

Analyse

Vous pouvez consulter l’analyse/analytique de votre recommandation pour voir quels éléments ont été recommandés aux utilisateurs et quelle a été la précision du modèle de recommandation.

1. Allez dans Analyse/analytique > Recommandation d’élément (si utilisé comme adjectif).
2. Sélectionnez votre recommandation dans la liste.

En haut de la page, vous trouverez des statistiques sur votre recommandation, telles que la précision et la couverture.

Ces indicateurs sont définis dans le tableau suivant.

La section suivante présente une ventilation des produits du catalogue, divisée en deux colonnes possibles :

• Produits personnalisés ou Produits les plus récents : Cette colonne répertorie chaque produit du catalogue par ordre décroissant de recommandation aux utilisateurs. Cette colonne indique également le nombre d’utilisateurs auxquels le modèle a attribué chaque élément.
• Produits les plus populaires : Cette colonne présente chaque article du catalogue par ordre décroissant de popularité. La popularité fait ici référence aux éléments du catalogue avec lesquels les utilisateurs interagissent le plus souvent dans l’ensemble de l’espace de travail. Le plus populaire est utilisé comme solution de repli lorsque la personnalisation ou le plus récent ne peuvent être calculés pour un utilisateur individuel.

L’aperçu de la recommandation présente un résumé de la configuration de la recommandation que vous avez choisie, y compris la date de la dernière mise à jour de la recommandation.

Utilisation des recommandations dans les messages

Une fois l’entraînement de votre recommandation terminé, vous pouvez personnaliser vos messages avec Liquid pour y insérer les produits les plus populaires de ce catalogue. Le liquide peut être généré pour vous par la fenêtre de personnalisation qui se trouve dans les compositeurs de messages :

1. Dans tous les compositeurs de messages qui prennent en charge la personnalisation, sélectionnez pour ouvrir la fenêtre de personnalisation.
2. Pour le type de personnalisation, sélectionnez Recommandation produit.
3. Pour Nom de la recommandation de l’élément, sélectionnez la recommandation que vous venez de créer.
4. Pour Nombre de produits prédits, indiquez le nombre de meilleurs produits que vous souhaitez insérer. Par exemple, vous pouvez afficher les trois produits les plus achetés.
5. Pour les informations à afficher, sélectionnez les champs du catalogue à inclure pour chaque article. Les valeurs de ces champs pour chaque article seront tirées du catalogue associé à cette recommandation.
6. Sélectionnez l’icône Copier et collez le liquide à l’endroit voulu dans votre message.

Niveaux de recommandation de produits avec l’IA

Le tableau suivant décrit les différences entre la version gratuite et la version pro des types de recommandation Intelligence artificielle personnalisée, Populaire et Tendance :

<sup>1. Il s’agit de la fréquence à laquelle les recommandations d’articles spécifiques à l’utilisateur sont mises à jour (tous les modèles à l’exception des articles les plus populaires, qui sont mis à jour lorsque le modèle se réapprend). Par exemple, si un utilisateur achète un produit sur la base des recommandations de produits avec l’IA, ses produits recommandés seront mis à jour selon cette fréquence
2. Les types de recommandations disponibles sont les suivants : Intelligence artificielle personnalisée, Plus récent, Plus populaire et Tendance.</sup>

Foire aux questions

Qu’est-ce qui fait que les articles les plus populaires sont mélangés aux recommandations d’autres modèles ?

Lorsque notre moteur de recommandation établit une liste pour vous, il donne d’abord la priorité aux sélections personnalisées en fonction du modèle spécifique que vous avez choisi, comme “Plus récent” ou “Personnalisé par l’intelligence artificielle”. Si, pour une raison quelconque, ce modèle ne peut pas remplir la liste complète des 30 recommandations, certains de vos articles les plus populaires parmi tous les utilisateurs sont alors ajoutés afin de s’assurer que chaque utilisateur dispose toujours d’un ensemble complet de recommandations.

Cela se produit dans quelques conditions spécifiques :

• Le modèle trouve moins de 30 produits correspondant à vos critères.
• Les articles concernés ne sont plus disponibles ou en stock.
• Les produits ne répondent pas aux critères de sélection actuels, peut-être en raison d’un changement au niveau des stocks ou des préférences de l’utilisateur.

[catalogue] : /docs/fr/user_guide/personalization_and_dynamic_content/catalogs/