Criação de recomendações de itens de IA
Saiba como criar um mecanismo de recomendação de IA a partir de itens em seu catálogo.
Sobre as recomendações de itens de IA
Use as recomendações de itens de IA para calcular os produtos mais populares ou crie recomendações de IA personalizadas para um catálogo específico. Depois de criar sua recomendação, você pode usar a personalização para inserir esses produtos em suas mensagens.
As recomendações personalizadas por IA funcionam melhor com centenas ou milhares de itens e, normalmente, com pelo menos 30.000 usuários com dados de compra ou interação. Esse é apenas um guia aproximado e pode variar. Os outros tipos de recomendação podem trabalhar com menos dados.
Criação de uma recomendação de item de IA
Pré-requisitos
Antes de começar, você precisará concluir o seguinte:
- Você deve ter pelo menos um catálogo para usar qualquer um dos tipos de recomendação descritos abaixo.
- Você deve ter dados de compra ou de evento no Braze (eventos personalizados ou o objeto de compra) que incluam uma referência a IDs de produtos exclusivos armazenados em um catálogo.
Etapa 1: Criar uma nova recomendação
Você pode criar uma recomendação de item de IA em qualquer lugar do dashboard:
Você também pode optar por criar uma recomendação diretamente de um catálogo individual. Selecione seu catálogo na página Catálogos e, em seguida, selecione Criar recomendação.
Etapa 2: Adicionar detalhes da recomendação
Dê um nome e uma descrição opcional à sua recomendação.
Etapa 3: Defina sua recomendação
Selecione um tipo de recomendação. Cada tipo usa os últimos seis meses de dados de interação do item, como uma compra ou dados de eventos personalizados. Para saber mais sobre informações detalhadas e casos de uso de cada um, consulte Tipos e casos de uso.
Ao usar Mais recentes ou IA personalizada, os usuários com dados insuficientes para criar recomendações individualizadas receberão itens mais populares como fallback. A proporção de usuários que recebem o fallback Mais popular é exibida na página Análise de dados.
Etapa 3.1: Excluir compras ou interações anteriores (opcional)
Para evitar sugerir itens que um usuário já tenha comprado ou com os quais já tenha interagido, selecione Não recomendar itens com os quais os usuários tenham interagido anteriormente. Essa opção só está disponível quando o Tipo de recomendação está definido como IA Personalizado.
Essa configuração impede que as mensagens reutilizem os itens que um usuário já comprou ou com os quais interagiu, desde que a recomendação tenha sido atualizada recentemente. Os itens comprados ou com os quais houve interação entre as atualizações de recomendação ainda podem aparecer. Na versão gratuita das recomendações de itens, as atualizações ocorrem semanalmente. Para a versão profissional das recomendações de itens de IA, as atualizações ocorrem a cada 24 horas.
Por exemplo, ao usar a versão pro das recomendações de itens IA, se um usuário comprar algo e receber um e-mail de marketing em 30 minutos, o item que acabou de comprar poderá não ser excluído do e-mail a tempo. No entanto, as mensagens enviadas após 24 horas não incluirão esse item.
Etapa 3.2: Selecione um catálogo
Se ainda não estiver preenchido, selecione o catálogo do qual essa recomendação extrairá itens.
Etapa 3.3: Adicionar uma seleção (opcional)
Se quiser ter mais controle sobre sua recomendação, escolha uma seleção para aplicar filtros personalizados. As seleções filtram as recomendações por colunas específicas em seu catálogo, como marca, tamanho ou local. As seleções que contêm Liquid não podem ser usadas em sua recomendação.
Caso não encontre sua seleção, lembre-se de que é preciso criá-la primeiro.
Etapa 4: Selecione a interação para conduzir as recomendações
Selecione o evento para o qual você deseja que essa recomendação seja otimizada. Esse evento geralmente é uma compra, mas também pode ser qualquer interação com um item.
Você pode otimizar para:
- Eventos de compra com o objeto Purchase
- Eventos personalizados que representam uma compra
- Eventos personalizados que representam qualquer outra interação de item (como visualizações de produtos, cliques ou reproduções de mídia)
Se você escolher Evento personalizado, selecione seu evento na lista.
Etapa 5: Selecione o nome da propriedade correspondente
Para criar uma recomendação, você precisa informar ao Braze qual campo do seu evento de interação (objeto de compra ou evento personalizado) tem o identificador exclusivo que corresponde ao campo id
de um item no catálogo. Não tem certeza? Visualizar requisitos.
Selecione esse campo para o Nome da propriedade.
O campo Property Name (Nome da propriedade ) será preenchido previamente com uma lista de campos enviados pelo SDK à Braze. Se forem fornecidos dados suficientes, essas propriedades também serão classificadas em ordem de probabilidade de serem a propriedade correta. Selecione a opção que corresponde ao campo id
do catálogo.
Requisitos
Há alguns requisitos para selecionar sua propriedade:
- Deve ser mapeado para o campo
id
de seu catálogo selecionado. - Se você selecionou Objeto de compra: Deve ser o
product_id
ou um campo do evento de interaçãoproperties
. - Se você selecionou Evento personalizado: Deve ser um campo de seu evento personalizado
properties
. - Os campos aninhados devem ser digitados no menu suspenso Nome da propriedade em notação de ponto com o formato
event_property.nested_property
. Por exemplo, se estiver selecionando a propriedade aninhadadistrict_name
dentro da propriedade de eventolocation
, você digitarálocation.district_name
. - O campo pode estar dentro de uma matriz de produtos ou terminar com uma matriz de IDs. Em ambos os casos, cada ID de produto será tratada como um evento separado e sequencial com o mesmo registro de data e hora.
Exemplos de mapeamentos
Os exemplos de mapeamentos a seguir referem-se a esse catálogo de amostra:
id | título | preço |
---|---|---|
ADI-BL-7 | Adidas Preto Tamanho 7 | 100,00 USD |
ADI-RD-8 | Adidas Vermelho Tamanho 8 | 100,00 USD |
ADI-WH-9 | Adidas Branco Tamanho 9 | 100,00 USD |
ADI-PP-10 | Adidas Roxo Tamanho 10 | 75,00 USD |
Digamos que você queira usar o evento personalizado added_to_cart
para poder recomendar produtos semelhantes antes que o cliente faça o check-out. O evento added_to_cart
tem uma propriedade de evento de product_sku
.
Então, a propriedade product_sku
deve incluir pelo menos um dos valores da coluna id
no catálogo de amostras: “ADI-BL-7”, “ADI-RD-8”, “ADI-WH-9” ou “ADI-PP-10”. Você não precisa de eventos para cada item do catálogo, mas precisa de alguns deles para que o mecanismo de recomendação tenha conteúdo suficiente para trabalhar.
Exemplo de objeto de evento personalizado
Esse evento tem o endereço "product_sku": "ADI-BL-7"
, que corresponde ao primeiro item do catálogo de amostras.
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"
}
}
]
}
Exemplo de objeto de evento personalizado com um vetor de produtos
Se as propriedades do evento contiverem vários produtos em uma matriz, cada ID de produto será tratada como um evento separado e sequencial. Esse evento pode usar a propriedade products.sku
para corresponder ao primeiro e ao terceiro itens do catálogo de amostra.
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" }
]
}
}
]
}
Exemplo de objeto de evento personalizado com um objeto aninhado contendo um vetor de objeto de ID de produto
Se as IDs de seus produtos forem valores em um vetor em vez de objetos, você poderá usar a mesma notação e cada ID de produto será tratada como um evento separado e sequencial. Isso pode ser combinado de forma flexível com objetos aninhados no evento a seguir, configurando a propriedade como purchase.product_skus
para corresponder ao primeiro e ao terceiro itens no catálogo de amostra.
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"]
}
}
}
]
}
Um objeto de compra é passado pela API quando uma compra é feita.
Em termos de mapeamento, aplica-se uma lógica semelhante aos objetos de compra e aos eventos personalizados, exceto que você pode escolher entre usar o objeto de compra product_id
ou um campo no objeto properties
.
Lembre-se de que você não precisa de eventos para cada item do catálogo, mas precisa de alguns deles para que o mecanismo de recomendação tenha conteúdo suficiente para trabalhar.
Exemplo de objeto de compra mapeado para o ID do produto
Esse evento tem o endereço "product_id": "ADI-BL-7
, que mapeia o primeiro item do catálogo.
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"
}
}
]
}
Exemplo de objeto de compra mapeado para um campo de propriedades
Esse evento tem uma propriedade de "sku": "ADI-RD-8"
, que mapeia o segundo item do catálogo.
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"
}
}
]
}
Etapa 6: Treinar a recomendação
Quando estiver pronto, selecione Criar recomendação. Esse processo pode levar de 10 minutos a 36 horas para ser concluído. Você receberá uma atualização por e-mail quando a recomendação for treinada com sucesso ou uma explicação do motivo pelo qual a criação pode ter falhado.
Você pode encontrar a recomendação na página Previsões, onde poderá editá-la ou arquivá-la conforme necessário. As recomendações serão treinadas automaticamente uma vez por semana (pago) ou por mês (gratuito).
Recursos específicos do plano
A tabela a seguir descreve as diferenças entre a versão gratuita e a versão profissional dos tipos de recomendação IA Personalized, Popular e Trending:
Área | Versão gratuita | Versão Pro |
---|---|---|
Frequência de atualização do usuário1 | Semanalmente | Diariamente |
Frequência de retreinamento do modelo | Mensalmente | Semanalmente |
Modelos de recomendação máxima | 1 modelo por tipo2 | 100 modelos por tipo2 |
1. Essa é a frequência com que as recomendações de itens específicos do usuário são atualizadas (todos os modelos, exceto os itens Mais populares, que são atualizados quando o modelo é retreinado). Por exemplo, se um usuário comprar um item recomendado com base nas recomendações de itens da IA, seus itens recomendados serão atualizados de acordo com essa frequência
2. Os tipos de recomendação disponíveis são IA Personalizada, Mais recente, Mais popular e Tendências.
Perguntas frequentes (FAQ)
O que faz com que os itens “Mais populares” sejam misturados às recomendações de outros modelos?
Quando nosso mecanismo de recomendação faz a curadoria de uma lista para você, ele primeiro prioriza as seleções personalizadas com base no modelo específico que você escolheu, como “Mais recente” ou “IA Personalizado”. Se esse modelo não puder preencher a lista completa de 30 recomendações por qualquer motivo, alguns dos itens mais populares entre todos os usuários serão adicionados para garantir que cada usuário sempre tenha um conjunto completo de recomendações.
Isso acontece em algumas condições específicas:
- O modelo encontra menos de 30 itens que correspondem aos seus critérios.
- Os itens relevantes não estão mais disponíveis ou em estoque.
- Os itens não atendem aos critérios de seleção atuais, talvez devido a uma alteração no estoque ou nas preferências do usuário.
As recomendações existentes treinam semanalmente após a atualização para Item Recommendations Pro?
Sim, mas somente após a próxima atualização programada. As recomendações existentes não mudam para treinamento semanal e previsão diária imediatamente após o upgrade para o Item Recommendations Pro. No entanto, eles adotarão o novo cronograma automaticamente em seu próximo ciclo de retreinamento. Por exemplo, se uma recomendação foi treinada pela última vez em 1º de fevereiro e está definida para ser treinada novamente a cada 30 dias, ela adotará a nova programação semanal após a próxima atualização em 2 de março.