שימוש בהמלצות באימיילים

לרוב, משתמשים בתוצאות חיזוי מחיפוש מבוסס-AI למסחר באתרים קמעונאיים, אבל אפשר גם להשתמש בהמלצות בהודעות אימייל. ההמלצות באימייל נכללות בדרך כלל כחלק מאימיילים שיווקיים, אימיילים שנשלחים אחרי הזמנה או אימיילים על עגלות קניות נטושות.

בחירת סוג מודל

המודל 'מומלץ בשבילך' יכול להיות שימושי לאימיילים כי הוא נועד לספק המלצות בתרחישי שימוש שבהם משתמש לא הביע עניין בפריט ספציפי. התכונה הזו פועלת בצורה הכי טובה עם משתמשים מחוברים שיש להם היסטוריית גלישה או היסטוריית קניות.

בדרך כלל משתמשים במודל 'מוצרים נוספים שאולי יעניינו אותך' בדפי פרטי מוצר ולא בקמפיינים באימייל. עם זאת, אפשר להשתמש בה כדי לשלוח אימיילים עם המלצות לפריטים דומים או משלימים לפריטים שהלקוח צפה בהם לאחרונה.

בדרך כלל משתמשים במודל 'מוצרים שנרכשים יחד' בדף הוספה לעגלת הקניות או בדף עגלת הקניות, אבל אפשר להשתמש בו גם באימייל.

המודל 'קנייה חוזרת' מיועד לשימוש ברוב סוגי הדפים, ואפשר להשתמש בו גם באימייל.

דרישות לבקשה

כדי לקבל המלצות רלוונטיות, השדה userId צריך להיות זהה למזהה המשתמש שמשויך למשתמש מחובר באתר או באפליקציה.

מומלץ שהשדה visitorId יהיה זהה למזהה הסשן האחרון של המשתמש באתר. מכיוון שמזהה הסשן האחרון לא תמיד מתועד, אפשר גם לשלוח מזהה ייחודי אקראי כשדה visitorId.

בנוסף, המודלים 'מוצרים שנרכשים לעיתים קרובות ביחד' ו'מוצרים נוספים שאולי יעניינו אותך' דורשים מזהי מוצרים בקטע productDetails של קריאת החיזוי. במודלים של 'פריטים שנרכשים יחד בתדירות גבוהה', המזהים יכולים להיות פריטים מהרכישה האחרונה של המשתמש.

הכללת חיזויים סטטיים באימייל

אפשר לשלוח תחזיות סטטיות על ידי הוספת נתונים לתבנית אימייל.

אפשר לקרוא לשיטה predict בזמן אמת כשאימיילים נשלחים, או לאחזר את ההמלצות בנפרד ולשמור אותן כחלק מתבנית אימייל או במסד נתונים שאפשר יהיה להפנות אליו בהמשך. כדי לקבל את ההמלצות העדכניות ביותר, כדאי להפעיל את השיטה predict כמה שיותר קרוב למועד שליחת האימייל.

מבצעים קריאה ל-method‏ predict לאימייל

השיטה predict של AI Commerce Search מקבלת שדות מסוימים כקלט ומחזירה רשימה של המלצות למוצרים. ‫visitorId,‏ userId ו-id משמשים כקלט לרוב המודלים של ההמלצות.

כל בקשת חיזוי לגבי משתמש צריכה להתבצע בנפרד, באמצעות קוד או סקריפטים של מעטפת.

הקוד הבא הוא קוד מדומה לבקשת חיזוי:

for user in userlist:
  emailTemplate.recommendations = predict(user.visitorid,user.userid,user.lastorder.id,...)
...
format email template as required

הכללת תחזיות דינמיות באימייל

אפשר להטמיע חיזויים סטטיים במהירות, אבל הם עלולים להתיישן מהר יותר מחיזויים דינמיים. יכול להיות שמשתמש לא יפתח את האימייל במשך זמן מה, ועד אז יהיו המלצות טובות יותר. מערכות מתוחכמות יותר לשליחת אימיילים בכמות גדולה יכולות להוסיף תוכן דינמי על ידי הכללת הפניה לתמונה באימייל HTML.

הדוגמה הבאה היא של קוד HTML לתמונה שכולל הפניה להגדרת הצגה:

<img src="https://example.com/recs/email?userid=47832&campaign=2020FALL&servingconfig=fbt>

אפשר לקבל את ההמלצות בחזרה באמצעות פונקציית Cloud Run או כל אפליקציה בצד השרת שיכולה לשלוח את בקשת החיזוי. לאחר מכן צריך להפוך את תוצאות החיזוי לתמונה. אפשר לעשות את זה באמצעות ספרייה, כמו ImageMagick.

התחזיות מתבצעות רק לגבי אימיילים שנפתחו ונצפו. אפשר גם לשמור במטמון את התוצאות במקום ליצור תמונה חדשה אם המשתמש פותח שוב את האימייל. כך אפשר להקטין את העלות של השימוש בהמלצות לאימיילים.

יעד הקישור מוטמע בדרך כלל באימייל, ולכן לא תמיד יודעים אילו מוצרים יוצגו. כדי להפנות קליקים לדפי מוצרים ספציפיים, צריך לבצע הגדרה נוספת. בדרך כלל משתמשים בתמונה אחת לכל ההמלצות, ולכן שימוש במפת תמונות יכול לעזור לכם לקבוע על איזה מוצר לחצו.

מכסות

אם אתם מתכננים להריץ מספר גדול של בקשות חיזוי בפרק זמן קצר, כדאי לבדוק את המכסות. בדף Quotas של הפרויקט, בודקים את Recommendation prediction requests per project per minute. כדי לבקש הגדלה, לוחצים על Edit Quotas (עריכת מכסות) בדף הפרטים של המכסה.

מומלץ להטמיע השהיה מעריכית לפני ניסיון חוזר כדי לנסות שוב בקשות אחרי השהיה. אם חורגים מהמכסה, השירות מחזיר תגובות HTTP 429.

בדיקת התוצאות

תיוג כתובות URL מאפשר לכם לעקוב אחרי האפקטיביות של הקמפיינים ולהעריך אותה. אפשר להשתמש ב-Google Analytics או בפלטפורמת ניתוח נתונים אחרת כדי להוסיף פרמטרים של מעקב לקישורים באימיילים ולכלול את הנתונים האלה בדוחות. אפשר לתייג קליקים על המלצות באימיילים כדי לסנן אותם ולנתח את המדדים.

אם אתם מבצעים בדיקת A/B של כמה המלצות, מומלץ לעשות זאת במסגרת קמפיין אחד. כל ההנחיות הסטנדרטיות לבדיקות A/B לאתרים עדיין רלוונטיות.

המאמרים הבאים