Acerca de los modelos de recomendación

En esta página se describen los modelos de recomendaciones, sus configuraciones de servicio y objetivos de optimización predeterminados, las personalizaciones que tienen disponibles y los tipos de eventos que admiten.

Introducción

Cuando te registras para usar Vertex AI Search para el comercio, trabajas con el equipo de asistencia de Vertex AI Search para el comercio para determinar los mejores modelos de recomendación y personalizaciones que puedes usar en tu sitio. Los modelos y las personalizaciones que utilice dependerán de las necesidades de su empresa y de dónde tenga previsto mostrar las recomendaciones resultantes.

Cuando solicitas recomendaciones, proporcionas el valor de configuración de servicio al recurso placement. (Consulta Información sobre las configuraciones de servicio para obtener más detalles sobre el uso del recurso placement en las configuraciones de servicio y sobre la compatibilidad con las ubicaciones, que antes se usaban para colocar modelos). La configuración de servicio determina qué modelo se usa para devolver tus recomendaciones. También puedes filtrar los resultados.

Tipos de modelos de recomendación

Estos son los tipos de modelos de recomendación:

Otros que te podrían interesar

La recomendación Otros productos que te pueden gustar predice el siguiente producto con el que es más probable que un usuario interactúe o complete una conversión. Esta predicción se basa en el historial de compras y de visualizaciones del usuario, así como en la relevancia del producto candidato con respecto al producto especificado.

Objetivo de optimización predeterminado: porcentaje de clics

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

Artículos que se suelen comprar juntos (expansión del carrito de la compra)

La recomendación "Artículos que se suelen comprar juntos" predice los artículos que se adquieren a menudo junto con un producto específico en la misma sesión de compra. Si se está viendo una lista de productos, predice los productos que se compran con frecuencia junto con esa lista.

Esta recomendación es útil cuando el usuario ya ha indicado su intención de comprar un producto concreto (o una lista de productos) y quieres recomendarle complementos (en lugar de sustitutos). Esta recomendación se suele mostrar en la página add-to-cart o en las páginas del carrito de la compra o de la lista de deseos (para ampliar el carrito de la compra).

Objetivo de optimización predeterminado: ingresos por sesión

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

Recomendado para ti

La recomendación "Recomendaciones para ti" predice el siguiente producto que un usuario tiene más probabilidades de examinar o adquirir según su historial de compras o de visualizaciones, así como la información contextual de las solicitudes, como las marcas de tiempo. Esta recomendación se suele usar en la página principal.

La sección Recomendado para ti también puede ser útil en las páginas de categorías. Una página de categoría es similar a una página principal, pero en ella solo se muestran los elementos de esa categoría. Para ello, puedes usar un modelo estándar Recomendado para ti con etiquetas de filtro. Por ejemplo, puede añadir etiquetas de filtro personalizadas (correspondientes a cada página de categoría) a los artículos de su catálogo. Cuando envíe la solicitud de predicción, defina el objeto de evento de usuario como category-page-view y especifique la etiqueta de una página de categoría concreta en el campo filter. Solo se devuelven los resultados de las recomendaciones que coinciden con la etiqueta de filtro solicitada. La diversidad debe inhabilitarse en este caso práctico, ya que puede entrar en conflicto con las etiquetas de filtro basadas en categorías.

Objetivo de optimización predeterminado: porcentaje de clics

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

  • Todo

Volver a comprar

El modelo "Volver a comprar" anima a los usuarios a comprar artículos de nuevo basándose en compras periódicas anteriores. Este modelo personalizado predice los productos que se han comprado al menos una vez y que suelen comprarse con una cadencia regular. 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.

El modelo Comprar de nuevo usa eventos de usuario de compra completada.

El modelo Comprar de nuevo no se puede optimizar.

Te recomendamos que crees solo un modelo de Comprar de nuevo por proyecto. Como los modelos de Comprar de nuevo no se pueden personalizar, crear varios modelos de Comprar de nuevo basados en los mismos eventos de usuario no genera recomendaciones diferentes y puede incurrir en costes innecesarios.

Objetivo de optimización predeterminado: no disponible

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todo

A la venta

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 animar a los usuarios a comprar artículos con descuento.

Se suele usar en la página principal, la página de añadir al carrito, la página del carrito de la compra, la página de categoría y la página de detalles.

Objetivo de optimización predeterminado: porcentaje de clics

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles:

Páginas admitidas para la implementación de modelos:

Consultadas recientemente

La recomendación Visto recientemente no es una recomendación como tal. Proporciona los IDs de los productos con los que el usuario o el visitante ha interactuado recientemente, con los productos más recientes en primer lugar.

Objetivo de optimización predeterminado: no disponible

Configuración de publicación predeterminada: recently_viewed_default

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todo

Optimización a nivel de página

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

Por ejemplo, las páginas principales suelen estructurarse con productos organizados en filas de grupos relacionados, como categorías, artículos populares o productos vistos recientemente. Si usa el modelo de optimización a nivel de página en una página principal, puede ofrecer a los usuarios finales una experiencia de recomendación personalizada y, al mismo tiempo, automatizar el proceso de toma de decisiones para coordinar las combinaciones de modelos y los diseños de esa página.

Para crear un modelo de optimización a nivel de página, primero debe tener configuraciones de servicio de recomendaciones que tengan modelos entrenados. Cuando creas un modelo de optimización a nivel de página, especificas en qué tipo de página vas a usar el modelo, qué restricciones vas a aplicar para limitar el servicio de configuraciones de servicio similares, qué objetivo de negocio quieres optimizar (CTR o CVR), cuántos paneles de recomendaciones quieres mostrar y qué configuraciones de servicio quieres tener en cuenta en cada panel.

Al igual que con otros modelos, para usar el modelo de optimización a nivel de página, debes hacer una llamada de predicción con una configuración de servicio que contenga el modelo "Optimización a nivel de página". En lugar de recomendaciones, la respuesta de predicción contiene una lista ordenada de IDs de configuración de publicación que representan la configuración de publicación que se debe usar en cada panel. A continuación, haz una nueva llamada de predicción para cada panel con el ID de configuración de servicio correspondiente que haya devuelto el modelo de optimización a nivel de página. La respuesta de predicción de cada panel contiene la lista de elementos recomendados que se deben mostrar en ese panel.

Objetivo de optimización predeterminado: no disponible

Configuración de publicación predeterminada: N/A

Personalizaciones disponibles: N/A

Páginas admitidas para la implementación de modelos:

  • Todo

Cuando habilitas esta función

  • La información de la descripción debe explicar cada producto y contener información o palabras únicas que no aparezcan en el título.
  • Esta función da mejores resultados cuando hay una media de al menos 10 palabras en la descripción.
  • El porcentaje de eventos que contienen item_ids desconocidos debe ser inferior al 10 %. (Puedes consultar la proporción de usuarios que no se han unido. Consulta más información sobre la definición de la proporción de no unidas.

Optimización para alcanzar objetivos empresariales

Los modelos de aprendizaje automático se crean para optimizar un objetivo empresarial concreto, que determina cómo se crea el modelo. Cada modelo tiene un objetivo de optimización predeterminado, pero puedes solicitar otro objetivo de optimización para alcanzar tus objetivos de negocio. Para ello, ponte en contacto con tu representante del equipo de Asistencia.

Una vez que haya entrenado un modelo, no podrá cambiar el objetivo de optimización. Debes entrenar un nuevo modelo para usar otro objetivo de optimización.

Vertex AI Search para el sector del comercio admite los siguientes objetivos de optimización.

Porcentaje de clics (CTR)

Si optimizas el CTR, se prioriza la interacción. Por lo tanto, deberías hacerlo cuando quieras maximizar la probabilidad de que el usuario interactúe con la recomendación.

El CTR es el objetivo de optimización predeterminado de los tipos de modelo de recomendación Otros que te podrían interesar y Recomendaciones personalizadas.

Ingresos por sesión

El objetivo de optimización de ingresos por sesión está disponible para los tipos de modelo de recomendación "Otros que te podrían interesar", "Recomendaciones personalizadas" y "Comprados juntos con frecuencia". Aunque el objetivo funciona de forma diferente en cada modelo, el objetivo es el mismo: aumentar los ingresos.

  • Para las secciones Otros que te podrían interesar y Recomendaciones personalizadas. El objetivo combina información de clics, conversiones y precios de los artículos para ayudar al modelo a recomendar artículos que tengan precios más altos y una mayor probabilidad de que se compren.

  • Para la función Artículos que se suelen comprar juntos. Este objetivo optimiza la recomendación de artículos con una mayor probabilidad de añadirse a los carritos, lo que aumenta los ingresos al ampliar el tamaño de los carritos.

Tasa de conversión

Si optimizas la tasa de conversión, aumentan las probabilidades de que el usuario añada el artículo recomendado al carrito. Si quieres aumentar el número de artículos que se añaden al carrito por sesión, optimiza la tasa de conversión.

Opciones de configuración avanzada del modelo

En función del tipo de modelo, hay otras opciones de configuración que puedes usar para cambiar el comportamiento del modelo.

Preferencia de ajuste

El ajuste mantiene el entrenamiento del modelo en un nivel óptimo a medida que cambian los datos de entrada con el tiempo. Configura tu modelo para que se ajuste automáticamente cada tres meses o elige ajustarlo solo manualmente. El modelo se ajusta automáticamente una vez después de la creación. Más información

Para obtener información detallada sobre los costes de ajuste, consulta la página Precios.

Configuraciones y modelos de publicación disponibles

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

Puedes ver tus modelos en la página Modelos. Haga clic en el nombre de un modelo para ir a su página de detalles, donde podrá ver las configuraciones de servicio asociadas a ese modelo.

Productos contextuales

Cuando se genera una recomendación, los modelos tienen en cuenta los productos con los que ha interactuado un usuario anteriormente en el contexto del panel de recomendaciones.

Estos productos contextuales se transfieren 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 la compra, cualquier shopping-cart-page-view evento de usuario que active una solicitud predict debe incluir los productos que estén en el carrito de la compra en ese momento. Estos productos se usan como productos de contexto para esa recomendación.

Cuando creas un modelo de Comprados con frecuencia, especificas si ese modelo generará recomendaciones en el contexto de uno o varios artículos. La opción que elijas dependerá del tipo de página en la que quieras usar el modelo.

  • Varios productos de contexto (opción predeterminada): el modelo Comprados juntos puede usar uno o varios productos como contexto para sus recomendaciones. Este caso de uso suele aplicarse a las páginas del carrito de la compra que tienen una variedad de productos contextuales que pueden influir en la recomendación que se va a mostrar en esa página.

  • Producto de contexto único: el modelo Comprados con frecuencia puede usar solo un producto de contexto. Este caso de uso suele aplicarse a páginas que tienen un solo producto que se usaría como contexto para las recomendaciones, como las páginas de añadir al carrito y las páginas de detalles del producto.

    Si se incluye más de un producto en una solicitud predict de un solo contexto de un modelo de producto Comprados juntos con frecuencia, no se producirá ningún error, aunque no se recomienda porque es posible que no se obtengan recomendaciones óptimas.