Acerca de los modelos de recomendaciones

En esta página, se describen los modelos de recomendación con sus objetivos de configuración de entrega y de optimización predeterminados, sus personalizaciones disponibles y los tipos de eventos compatibles.

Introducción

Cuando te registres para usar Vertex AI Search for Commerce, trabajarás con la Asistencia de Vertex AI Search for Commerce para determinar los mejores modelos y personalizaciones de recomendación para usar en tu sitio. Los modelos y las personalizaciones que uses dependen de las necesidades de tu negocio y del lugar en el que planeas mostrar las recomendaciones resultantes.

Cuando solicitas recomendaciones, debes proporcionar el valor de configuración de entrega al recurso placement. (Consulta Acerca de las configuraciones de entrega para obtener detalles sobre cómo usar el recurso placement para entregar configuraciones y sobre la compatibilidad de las ubicaciones, que se usaban antes para colocar modelos). La configuración de entrega determina qué modelo se usa para mostrar tus recomendaciones. También puedes filtrar tus resultados.

Tipos de modelos de recomendaciones

Estos son los tipos de modelos de recomendaciones:

Otros elementos que podrían gustarte

La recomendación Otros elementos que podrían gustarte predice el siguiente producto con más probabilidades de que un usuario lo compre o interactúe con él. La predicción se basa en el historial de compras y de visualizaciones del usuario y la relevancia del producto candidato para un producto actual especificado.

Objetivo de optimización predeterminado: Tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación del modelo:

Se suelen comprar juntos (expansión del carrito de compras)

La recomendación Se suelen comprar juntos predice los artículos que se compran con frecuencia para un producto específico dentro de la misma sesión de compra. Si se mira una lista de productos, predice los artículos que se compran con frecuencia con esa lista.

Esta recomendación es útil cuando el usuario indica que tiene la intención de comprar un producto en particular (o una lista de productos) y deseas recomendar complementos (en lugar de los sustitutos). Por lo general, esta recomendación se muestra en la página add-to-cart o en las páginas del carrito de compras o de registro (para la expansión del carrito de compras).

Objetivo de optimización predeterminado: Ingresos por sesión

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación del modelo:

Recomendadas para ti

La recomendación Recomendadas para ti predice el siguiente producto con más probabilidades de que un usuario lo compre o interactúe con él, según el historial de compras o de visualización de ese usuario y la información contextual de las solicitudes, como las marcas de tiempo. Por lo general, esta recomendación se usa en la página principal.

La opción Recomendadas para ti también puede ser útil en las páginas de categorías. Una página de categorías es similar a una página principal, excepto que se muestran solo los elementos de esa categoría. Puedes lograr esto mediante un modelo estándar recomendado para ti con etiquetas de filtro. Por ejemplo, puedes agregar etiquetas de filtro personalizadas (correspondientes a cada página de categoría) a los elementos de tu catálogo. Cuando envíes la solicitud de predicción, configura el objeto del evento de usuario como category-page-view y especifica una etiqueta de página de categoría específica en el campo filter. Solo se muestran los resultados de la recomendación que coinciden con la etiqueta de filtro solicitada. En este caso de uso, se debe inhabilitar la diversidad, ya que la diversidad puede entrar en conflicto con las etiquetas de filtro basadas en categorías.

Objetivo de optimización predeterminado: Tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación del modelo:

  • Todos

Comprar nuevamente

El modelo Comprar nuevamente fomenta volver a comprar artículos según las compras recurrentes anteriores. Este modelo personalizado predice productos que se compraron anteriormente al menos dos veces y que, por lo general, se compran con regularidad. El intervalo en el que se sugiere un producto depende del producto y del visitante del sitio. Las recomendaciones de este modelo se pueden usar en cualquier tipo de página.

Lo siguiente también se aplica al modelo Comprar nuevamente: - Usa eventos de usuario de compra completada. - No se puede ajustar. - Solo admite visitor_id, lo que significa que, si no tiene resultados personalizados, el modelo Comprar nuevamente sugiere artículos populares a nivel global. (Este comportamiento de resguardo no se puede controlar ni inhabilitar).

Crea solo un modelo Comprar nuevamente por proyecto, ya que estos modelos no se pueden personalizar. Crear varios modelos Comprar nuevamente basados en los mismos eventos de usuario no produce recomendaciones diferentes y puede generar costos innecesarios.

Objetivo de optimización predeterminado: N/A

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación del modelo:

  • Todos

En oferta

El tipo de modelo En oferta es un modelo personalizado basado en promociones que puede recomendar productos en oferta. Puedes usar este tipo de modelo para alentar a los usuarios a comprar artículos con descuento.

Por lo general, se usa en la página principal, la página para agregar al carrito, la página del carrito de compras, la página de categorías y la página de detalles.

Objetivo de optimización predeterminado: Tasa de clics

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación del modelo:

Vistos recientemente

La recomendación Vistos recientemente no es en realidad una recomendación. Proporciona los IDs de los productos con los que recientemente interactúa el usuario o visitante, con los productos más recientes primero.

Objetivo de optimización predeterminado: N/A

Configuración de entrega predeterminada: recently_viewed_default

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación del modelo:

  • Todos

Optimización a nivel de la página

La optimización a nivel de la página extiende las recomendaciones de la optimización para un solo panel de recomendaciones a la vez a la optimización para una página completa con varios paneles. El modelo de optimización a nivel de la página selecciona automáticamente el contenido de cada panel y determina el orden de los paneles en tu página.

Por ejemplo, las páginas principales suelen estructurarse con productos organizados en filas de grupos relacionados, como categorías, artículos populares o productos vistos recientemente. Usar el modelo de optimización a nivel de la página en una página principal puede proporcionar a un usuario final una experiencia de recomendación personalizada y, al mismo tiempo, automatizar el proceso de decisión para coordinar combinaciones de modelos y diseños para esa página.

Para crear un modelo de optimización a nivel de la página, primero debes tener configuraciones de entrega de recomendaciones existentes que tengan modelos entrenados. Cuando crees un modelo de optimización a nivel de la página, especifica en qué tipo de página usarás el modelo, qué restricciones aplicarás para limitar la entrega de configuraciones de entrega similares, qué objetivo comercial optimizarás (CTR o CVR), cuántos paneles de recomendaciones mostrarás y qué configuraciones de entrega considerarás para cada panel.

Al igual que con otros modelos, para usar el modelo de optimización a nivel de la página, debes realizar una llamada de predicción con una configuración de entrega que contenga el modelo "Optimización a nivel de la página". En lugar de recomendaciones, la respuesta de predicción contiene una lista ordenada de IDs de configuración de entrega que representan la configuración de entrega que se usará para cada panel. Luego, realiza una nueva llamada de predicción para cada panel con el ID de configuración de entrega correspondiente que se mostró del modelo de optimización a nivel de la página. La respuesta de predicción para cada panel contiene la lista de artículos recomendados que se mostrarán en ese panel.

Objetivo de optimización predeterminado: N/A

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación del modelo:

  • Todos

Artículos similares

Este modelo predice otros productos que comparten atributos similares con un producto contextual específico. Por lo general, se implementa en las páginas de detalles de los productos o se usa como resguardo cuando un producto específico está agotado.

El modelo Artículos similares solo requiere información del catálogo de productos. No se requieren eventos de usuario.

Los modelos de Artículos similares no se pueden ajustar ni personalizar. Por lo tanto, no se pueden usar para capturar el comportamiento del usuario. A pesar de que no se pueden personalizar, los modelos de Artículos similares se pueden usar para habilitar la coincidencia de categorías en la configuración de entrega para garantizar que los artículos que se muestran compartan al menos una categoría con el producto contextual.

Debes crear solo un modelo de Artículos similares por proyecto. Debido a que los modelos de Artículos similares no se pueden personalizar, crear varios modelos de Artículos similares basados en los mismos eventos de usuario no produce recomendaciones diferentes y puede generar costos innecesarios.

Objetivo de optimización predeterminado: Relevancia

Configuración de entrega predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación del modelo: Crea modelos de recomendaciones. Consulta Artículos similares.

Cuando habilitas esta función

  • La información de la descripción debe ser explicativa para cada producto y contener información o palabras únicas que no estén en el título.
  • Esta función funciona mejor cuando hay al menos 10 palabras de descripción en promedio.
  • El porcentaje de eventos que contienen item_ids desconocidos debe ser inferior al 10%. (Se puede verificar la proporción de eventos no unidos verificada. Obtén más información sobre la definición de proporción de eventos no unidos).

Optimización para objetivos comerciales

Los modelos de aprendizaje automático se crean para optimizar un objetivo comercial en particular, que determina cómo se compila el modelo. Cada modelo tiene un objetivo de optimización predeterminado, pero puedes solicitar un objetivo de optimización diferente para respaldar tus objetivos comerciales. Para ello, comunícate con tu representante de asistencia.

Después de entrenar un modelo, no puedes cambiar el objetivo de optimización. Debes entrenar un modelo nuevo para usar un objetivo de optimización diferente.

Vertex AI Search for Commerce admite los siguientes objetivos de optimización.

Tasa de clics (CTR)

La optimización para aumentar la CTR enfatiza la participación; debes optimizar el CTR cuando quieras maximizar la probabilidad de que el usuario interactúe con la recomendación.

La CTR es el objetivo de optimización predeterminado para los tipos de modelo de recomendación Otros elementos que podrían gustarte y Recomendadas para ti.

Ingresos por sesión

El objetivo de optimización de ingresos por sesión está disponible para los tipos de modelo de recomendación Otros elementos que podrían gustarte, Recomendadas para ti y Se suelen comprar juntos. Aunque el objetivo funciona de manera diferente para cada modelo, el objetivo es el mismo: aumentar los ingresos.

  • Para Otros elementos que podrían gustarte y Recomendadas para ti. El objetivo combina información de clics, conversiones y precios de artículos para ayudar al modelo a recomendar artículos que tengan precios más altos y una mayor probabilidad de compra.

  • Para Se suelen comprar juntos. Este objetivo se optimiza para recomendar artículos con una mayor probabilidad de que se agreguen a los carritos, lo que beneficia los ingresos al expandir los tamaños de los carritos.

Porcentaje de conversiones (CVR)

La optimización del porcentaje de conversiones maximiza la probabilidad de que el usuario agregue el artículo recomendado a su carrito. Si deseas aumentar la cantidad de artículos agregados a un carrito por sesión, optimiza el porcentaje de conversiones.

Opciones avanzadas de configuración del modelo

Según el tipo de modelo, existen otras opciones de configuración del modelo que puedes usar para cambiar su comportamiento.

Preferencias de ajuste

El ajuste mantiene el entrenamiento de modelos óptimo a medida que los datos de entrada cambian con el tiempo. Configura el modelo para que se ajuste de forma automática cada tres meses o elige que se ajuste solo de forma manual. El modelo se ajusta de forma automática una vez después de la creación. Más información

Para ajustar los detalles de los costos, consulta Precios.

Configuraciones y modelos de entrega disponibles

Antes de poder solicitar predicciones de tu modelo, debes crear al menos una configuración de entrega para él. Para obtener más información, consulta Crea configuraciones de entrega.

Puedes ver tus modelos en la página Modelos. Haz clic en el nombre de un modelo para ir a la página de detalles, en la que puedes ver la configuración de entrega asociada con ese modelo.

Productos contextuales

Cuando generan una recomendación, los modelos tienen en cuenta los productos con los que un usuario interactuó anteriormente en el contexto del panel de recomendaciones.

Estos productos contextuales se pasan al cuerpo de una solicitud predict como parte de un evento de usuario. Por ejemplo, si hay un panel de recomendaciones en una página del carrito de compras, cualquier evento de usuario shopping-cart-page-view que active una solicitud predict debe incluir los productos que están en el carrito de compras en ese momento. Estos productos se usan como productos contextuales para esa recomendación.

Cuando creas un modelo Se suelen comprar juntos, especificas si ese modelo generará recomendaciones en el contexto de uno o varios elementos. La opción que elijas depende del tipo de página en la que planeas usar el modelo.

  • Varios productos contextuales (predeterminado): El modelo Se suelen comprar juntos puede usar uno o varios productos como contexto para sus recomendaciones. Por lo general, este caso de uso es para páginas del carrito de compras que tienen una variedad de productos contextuales que pueden informar la recomendación que se mostrará en esa página.

  • Producto contextual individual: El modelo Se suelen comprar juntos solo puede usar un producto contextual. Por lo general, este caso de uso es para páginas que tienen un solo producto que se usaría como contexto para las recomendaciones, como las páginas para agregar al carrito y las páginas de detalles de los productos.

    Si pasas más de un producto en una solicitud predict de un solo modelo Se suelen comprar juntos de producto contextual, no se produce una falla, aunque no se recomienda porque es posible que no genere recomendaciones óptimas.