Skip to content

Recomendações baseadas em regras

Um mecanismo de recomendação baseado em regras usa dados de usuários e informações de produtos para sugerir itens relevantes aos usuários dentro das mensagens. Ele usa o Liquid e os catálogos do Braze ou o Connected Content para personalizar dinamicamente o conteúdo com base no comportamento e nas atribuições do usuário.

Para saber mais sobre o Liquid, os catálogos e o Connected Content, confira estes cursos do Braze Learning:

Criação de um mecanismo de recomendação de catálogos

  1. Crie um catálogo de produtos.
  2. Para cada produto, adicione uma lista de produtos recomendados como uma string separada por um delimitador (como um pipe |) em uma coluna chamada “product_recommendations”.
  3. Passe para o catálogo o ID do produto para o qual você deseja encontrar recomendações.
  4. Obtenha o valor product_recommendations para esse item de catálogo e divida-o pelo delimitador com um filtro de divisão Liquid.
  5. Passe um ou mais desses IDs de volta para o catálogo para coletar os outros detalhes do produto.

Caso de uso de catálogos

Digamos que você tenha um aplicativo de alimentos saudáveis e queira criar uma campanha de cartão de conteúdo que envie receitas diferentes com base no tempo em que o usuário inscreveu-se em seu app.

  1. Crie e faça upload de um catálogo via CSV que inclua as seguintes informações:
    - id: Um número exclusivo que se correlaciona com o número de dias desde que o usuário inscreveu-se no seu app. Por exemplo, 3 está correlacionado a três dias.
    - tipo: A categoria da receita, como comfort, fresh, e outras.
    - título: O título do cartão de conteúdo que será enviado para cada ID, como “Prepare-se para o almoço desta semana” ou “Vamos almoçar tacos”.
    - link: O link para o artigo da receita.
    - image_url: A imagem que corresponde à receita.

2. Depois que for feito o upload do catálogo para a Braze, verifique a prévia de um número selecionado de itens do catálogo para confirmar se as informações foram importadas com precisão. Os itens podem ser randomizados na prévia, mas isso não afetará o resultado do mecanismo de recomendação.

3. Crie uma campanha de cartão de conteúdo. No criador, insira a lógica Liquid para determinar quais usuários devem receber a campanha e qual receita e imagem devem ser exibidas. Nesse caso de uso, o Braze extrairá o endereço start_date do usuário (ou data de inscrição) e o comparará com a data atual. A diferença de dias determinará qual cartão de conteúdo será enviado.

Título:

Mensagem:

Imagem:

4. Na seção Comportamento ao clicar, insira a lógica Liquid para onde os usuários devem ser redirecionados quando clicarem no Content Card em dispositivos iOS, Android e Web.



5. Acesse a guia Teste e selecione Usuário personalizado em Pré-visualizar mensagem como usuário. Insira uma data no campo Atributo personalizado para prévia do cartão de conteúdo que seria enviado a um usuário que inscreveu-se nessa data.

Criação de um mecanismo de recomendação do Connected Content

  1. Crie um endpoint “conteúdo conectado” de uma das seguintes maneiras:
    • Converta uma planilha em um ponto de extremidade da API JSON usando um serviço como o SheetDP e anote o URL da API que isso gera
    • Criar, hospedar e manter um endpoint interno personalizado
    • Comprar um mecanismo de recomendações por meio de um parceiro terceirizado, como um de nossos parceiros da Alloys, incluindo Amazon Personalise, Certona, Dynamic Yield e outros
  2. Escreva Connected Content Liquid no corpo da mensagem ou no editor de HTML do bloco de conteúdo que chamará seu endpoint para pesquisar seu banco de dados.
  3. Alinhe o Liquid com um valor de atributo personalizado que ele encontra no perfil de um determinado usuário.
  4. Como resultado, puxe a recomendação correta.
Atributo Substituição
YOUR-API-URL Substitua pelo URL real de sua API.
RECOMMENDED_ITEM_IDS Substitua pelo nome real de seu atributo personalizado que contém os IDs dos itens recomendados. Espera-se que esse atributo seja uma string de IDs separados por ponto e vírgula.
ITEM_ID Substitua pelo nome real da atribuição em sua resposta da API que corresponde à ID do item.

Caso de uso do Connected Content

Digamos que você queira extrair recomendações de restaurantes do banco de dados do Zomato Restaurants e salvar o resultado como uma variável local chamada restaurants. Você pode fazer a seguinte chamada de Connected Content:

Em seguida, digamos que você queira obter recomendações de restaurantes com base na cidade e no tipo de comida de um usuário. Isso pode ser feito inserindo dinamicamente os atributos personalizados da cidade e do tipo de alimento do usuário no início da chamada e atribuindo o valor de restaurants à variável city_food.restaurants.

A chamada do Connected Content seria semelhante a esta:

Se quiser personalizar a resposta para recuperar apenas o nome e a classificação do restaurante, você pode adicionar filtros à ponta da chamada, da seguinte forma:

Por fim, digamos que você queira agrupar as recomendações de restaurantes por classificação. Faça o seguinte:

  1. Use assign para criar matrizes em branco para categorias de classificação de “excelente”, “muito bom” e “bom”.
  2. Adicione um loop for que examine a classificação de cada restaurante da lista.
    • Se uma classificação for “Excelente”, acrescente o nome do restaurante à string excellent_restaurants e, em seguida, adicione um caractere * no final para separar cada nome de restaurante.
    • Se uma classificação for “Muito bom”, acrescente o nome do restaurante à string very_good_restaurants e, em seguida, adicione um caractere * no final.
    • Se uma classificação for “Boa”, acrescente o nome do restaurante à string good_restaurants e, em seguida, adicione um caractere * no final.
  3. Limite o número de recomendações de restaurantes retornadas a quatro por categoria.

Esta é a aparência da chamada final:

Veja na captura de tela abaixo um exemplo de como a resposta é exibida no dispositivo de um usuário.

Considerações

Ao decidir qual mecanismo de recomendação se adequa aos seus recursos disponíveis e aos casos de uso, consulte esta tabela de considerações:

Considerações Liquid Catálogos CSV API de catálogos Conteúdo conectado
Não consome pontos de dados Não suportado Com suporte Com suporte Com suporte
Nenhuma solução de código Não suportado Aceito se for pré-gerado Liquid Não suportado Não suportado
Frequentemente é necessário um Liquid avançado Com suporte Não suportado Não suportado Com suporte
Atualizações de dados no feed de produtos Não suportado Suportado se as recomendações não forem atualizadas com frequência Suportado se as recomendações forem atualizadas de hora em hora O suporte e as recomendações são atualizados em tempo real
Gerar recomendações na UI do Braze Com suporte Com suporte Com suporte Não é suportado se for gerado fora do Braze
Sem recomendações de hospedagem, gerenciamento e solução de problemas de dados Com suporte Com suporte Com suporte Não suportado
QUÃO ÚTIL FOI ESTA PÁGINA?
New Stuff!