Utilizzare i consigli nelle email

Sebbene i risultati delle previsioni di AI Commerce Search vengano utilizzati più comunemente nei siti web di vendita al dettaglio, puoi anche utilizzare i consigli nei messaggi email. I consigli nelle email vengono in genere inclusi come parte delle email di massa delle campagne di marketing, delle email post-ordine o delle email di carrello abbandonato.

Scegliere un tipo di modello

Il modello Consigliati per te può essere utile per le email perché è progettato per fornire consigli nei casi d'uso in cui un utente non ha indicato interesse per un articolo specifico. Funziona meglio con gli utenti che hanno eseguito l'accesso e che hanno una cronologia di navigazione o acquisti.

Il modello Altri articoli che potrebbero piacerti viene in genere utilizzato nelle pagine dei dettagli dei prodotti anziché per le campagne email. Tuttavia, puoi utilizzarlo per le email per consigliare articoli simili o complementari a quelli visualizzati di recente da un cliente.

Il modello Articoli acquistati spesso insieme viene in genere utilizzato nella pagina di aggiunta al carrello o nella pagina del carrello degli acquisti, ma può essere utilizzato anche per le email.

Il modello Acquista di nuovo è progettato per essere utilizzato sulla maggior parte dei tipi di pagine e può essere utilizzato anche per le email.

Requisiti della richiesta

Per ricevere consigli pertinenti, il userId campo deve corrispondere allo User ID associato a un utente che ha eseguito l'accesso al tuo sito web o alla tua app.

Idealmente, il campo visitorId deve corrispondere all'ID dell'ultima sessione dell'utente sul sito. Poiché l'ID dell'ultima sessione non viene sempre registrato, è possibile inviare anche un identificatore univoco casuale come campo visitorId.

I modelli Articoli acquistati spesso insieme e Altri articoli che potrebbero piacerti richiedono anche gli ID prodotto nella productDetails sezione della chiamata predict. Per i modelli Articoli acquistati spesso insieme, gli ID possono essere articoli dell'acquisto più recente di un utente.

Includere previsioni statiche nelle email

Puoi inviare previsioni statiche inserendo i dati in un modello di email.

Il metodo predict può essere chiamato in tempo reale quando vengono inviate le email oppure i consigli possono essere recuperati singolarmente e salvati come parte di un modello di email o in un database a cui fare riferimento in un secondo momento. Per avere i consigli più aggiornati, chiama il metodo predict il più vicino possibile al momento dell'invio dell'email.

Chiamare il metodo predict per le email

Il metodo predict di AI Commerce Search accetta alcuni campi come input e restituisce un elenco di consigli sui prodotti. visitorId, userId e id vengono utilizzati come input per la maggior parte dei modelli di consigli.

Ogni richiesta di previsione per un utente deve essere effettuata singolarmente, utilizzando codice o script shell.

Di seguito è riportato uno pseudocodice per una richiesta di previsione:

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

Includere previsioni dinamiche nelle email

Sebbene le previsioni statiche possano essere implementate rapidamente, possono diventare obsolete più rapidamente rispetto alle previsioni dinamiche. Un utente potrebbe non aprire l'email per un po' di tempo e, nel frattempo, potrebbero essere disponibili consigli migliori. I sistemi di invio di email di massa più sofisticati possono aggiungere contenuti dinamici includendo un riferimento a un'immagine in un'email HTML.

Di seguito è riportato un esempio di HTML per un'immagine che include un riferimento alla configurazione di pubblicazione:

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

Il recupero dei consigli può essere eseguito con una funzione Cloud Run o con qualsiasi app lato server in grado di effettuare la richiesta di previsione. I risultati della previsione devono quindi essere trasformati in un'immagine. Questa operazione può essere eseguita con una libreria, ad esempio ImageMagick.

Le previsioni vengono effettuate solo per le email aperte e visualizzate. Puoi anche memorizzare nella cache i risultati anziché creare una nuova immagine se l'utente apre di nuovo l'email. In questo modo si riduce il costo dell'utilizzo dei consigli per le email.

Poiché la destinazione del link è in genere codificata nell'email, non sai necessariamente quali prodotti verranno mostrati. Il reindirizzamento dei clic alle singole pagine dei prodotti richiede una configurazione aggiuntiva. In genere utilizzerai una singola immagine per tutti i consigli, quindi l'utilizzo di una mappa immagine può aiutarti a determinare su quale prodotto è stato fatto clic.

Quote

Se prevedi di eseguire un batch di richieste di previsione di grandi dimensioni in un breve periodo di tempo, devi controllare le tue quote. Nella pagina Quote del tuo progetto, controlla Richieste di previsione dei consigli per progetto al minuto. Puoi richiedere un aumento facendo clic su Modifica quote nella pagina dei dettagli della quota.

Ti consigliamo di implementare il backoff esponenziale per riprovare le richieste dopo un ritardo. Il servizio restituisce risposte HTTP 429 se la quota viene superata.

Valutare i risultati

Il tagging degli URL ti consente di monitorare e valutare l'efficacia delle campagne. Puoi utilizzare Google Analytics o un'altra piattaforma di analisi per aggiungere parametri di monitoraggio ai link nelle email e includere questi dati nei report. Tagga i clic sui consigli dalle email per filtrarli in modo da poter valutare le metriche.

Se esegui il test A/B di più consigli, ti consigliamo di farlo all'interno di una singola campagna. Si applicano ancora tutte le linee guida standard per i test A/B per i siti web.

Passaggi successivi