Προτάσεις προϊόντων

Η μηχανή προτάσεων του Joryio επιλέγει στοιχεία ανά πελάτη για τα μηνύματά σας - email, SMS, WhatsApp, Viber, push, in-app και landing pages, τόσο σε καμπάνιες όσο και σε journeys (δείτε Πού λειτουργούν οι προτάσεις). Είναι σκόπιμα διαφανής - εσείς αποφασίζετε από τι μαθαίνει:

• Πηγή στοιχείων - τα συγχρονισμένα προϊόντα καταστήματός σας (Shopify/WooCommerce) ή οποιοδήποτε Custom Entity περιέχει catalog.
• Σήματα εκπαίδευσης - ποια συμβάντα διδάσκουν τη μηχανή, το καθένα με weight (π.χ. purchase ×5, add_to_cart ×2, product_viewed ×1 - οποιαδήποτε συμβάντα, μαζί με προσαρμοσμένα). Η ιδιότητα item id property λέει στη μηχανή ποια event property φέρει το στοιχείο (π.χ. productId). Όταν event χρησιμοποιεί διαφορετική ιδιότητα (π.χ. ad_view με ad_id), ορίστε τη ανά σήμα - κάθε γραμμή σήματος έχει δική της προαιρετική ιδιότητα που παρακάμπτει την προεπιλογή μοντέλου.
• Selection (προαιρετικό) - επιλέξτε ένα selection για να περιορίσετε τι μπορεί να προτείνει το μοντέλο: ένα product selection για προϊόντα καταστήματος (διαχείριση στη σελίδα Products) ή ένα entity selection για catalog Custom Entity (π.χ. μόνο ένα brand ή τοποθεσία). Μόνο static filters - τιμές φίλτρων ανά παραλήπτη δεν μπορούν να επιλυθούν κατά το ranking. Ισχύει τόσο στις καμπάνιες όσο και στα journeys. Όταν ελάχιστες από τις επιλογές του μοντέλου ταιριάζουν, τα δικά του προϊόντα του selection συμπληρώνουν το κενό. Αν το selection δεν μπορεί να διαβαστεί (διαγράφηκε ή η αναζήτηση αποτυγχάνει), το μοντέλο δείχνει μόνο τα καρφιτσωμένα προϊόντα του - ποτέ στοιχεία εκτός του selection.
• Παράθυρο εκπαίδευσης και επιλογή να μην προτείνονται ποτέ στοιχεία που ο πελάτης έχει ήδη αγοράσει (δείτε Εξαιρέσεις).

Πολλαπλά μοντέλα

Ένα workspace μπορεί να έχει πολλά ονομασμένα μοντέλα, καθένα με δικό του type, source και signals - δημιουργήστε τα στις Ρυθμίσεις → Recommendations και επιλέξτε ένα ανά product block στον email editor (Source: Recommended → Model), ή αναφερθείτε σε ένα μέσω του slot του στη Liquid. Ένα μοντέλο επισημαίνεται ως προεπιλεγμένο και χρησιμοποιείται όταν ένα block δεν επιλέγει μοντέλο.

Τύποι προτάσεων

Κάθε μοντέλο έχει έναν τύπο, που επιλέγεται στις Ρυθμίσεις → Recommendations → Model type:

Τύπος	Τι λαμβάνει κάθε παραλήπτης	Εκπαίδευση
Personalized	Στοιχεία που ταιριάζουν με τη δική τους πρόσφατη δραστηριότητα (εκπαιδευμένη συνεμφάνιση)	Nightly + Train now
Most popular	Η ίδια λίστα bestseller για όλους, σταθμισμένη από τα signals σας	Nightly + Train now
Trending now	Σταθμισμένη δραστηριότητα των τελευταίων 7 ημερών	Καμία - υπολογίζεται ζωντανά
Recently viewed	Τα δικά τους πιο πρόσφατα στοιχεία. Επιστρέφει σε Trending για νέους πελάτες· δεν συμπληρώνεται ποτέ με άλλα στοιχεία	Καμία - υπολογίζεται ζωντανά
Similar items	Βάσει περιεχομένου: προϊόντα που μοιράζονται κατηγορίες, brand, attributes (π.χ. Color, Material) και tags με ένα προϊόν. Οι κατηγορίες μετρούν περισσότερο, μετά brand και attributes· τα tags κρίνουν τις ισοπαλίες	Καμία - υπολογίζεται ζωντανά
Bought together	Προϊόντα που εμφανίστηκαν στην ίδια παραγγελία με ένα προϊόν, μέσα στο παράθυρο εκπαίδευσης του μοντέλου (από τις συγχρονισμένες παραγγελίες σας). Αν το προϊόν δεν έχει ακόμη κοινές αγορές, συμπληρώνουν παρόμοια στοιχεία	Καμία - υπολογίζεται ζωντανά
Viewed together	Προϊόντα που είδαν οι ίδιοι άνθρωποι που είδαν ένα προϊόν. Εκπαιδεύεται μόνο σε προβολές προϊόντων (Product Viewed). Προϊόν χωρίς ιστορικό κοινών προβολών επιστρέφει σε παρόμοια στοιχεία	Nightly + Train now
New arrivals	Τα νεότερα προϊόντα του καταλόγου (με βάση το πότε προστέθηκαν), προαιρετικά σε μία κατηγορία	Καμία - υπολογίζεται ζωντανά
Popular in category	Best sellers (τεμάχια σε παραγγελίες) ή τα πιο προβεβλημένα προϊόντα (συμβάντα Product Viewed) - επιλέξτε sales ή views - σε μια κατηγορία μέσα στο παράθυρο του μοντέλου. Κατηγορία: αυτή που ορίστηκε στο μοντέλο, αλλιώς η πρώτη κατηγορία του προϊόντος αναφοράς, αλλιώς όλος ο κατάλογος	Καμία - υπολογίζεται ζωντανά
Top discounted	Η μεγαλύτερη έκπτωση της τιμής compare-at έναντι της τιμής, προαιρετικά σε μία κατηγορία	Καμία - υπολογίζεται ζωντανά

Οι τελευταίοι έξι τύποι (από Similar items έως Top discounted) λειτουργούν μόνο με προϊόντα καταστήματος, όχι με custom-entity catalogs.

Ποιο προϊόν;

Τα Similar items, Bought together και Viewed together προτείνουν γύρω από ένα προϊόν. Επιλέγεται με αυτή τη σειρά:

1. Ένα σταθερό product id που ορίστηκε στο μοντέλο.
2. Το product id που ορίστηκε στο product block του email (το προαιρετικό πεδίο Product id).
3. Σε journey, το προϊόν του συμβάντος που ενεργοποίησε το journey - η ιδιότητα productId / product_id, ή το πρώτο στοιχείο μιας λίστας products / items.
4. Διαφορετικά, το προϊόν που ο παραλήπτης είδε πιο πρόσφατα.

Αν δεν υπάρχει κανένα από αυτά, εμφανίζεται η δημοφιλής λίστα fallback του μοντέλου.

Καρφιτσωμένα προϊόντα

Κάθε τύπος δέχεται μια λίστα καρφιτσωμένων product ids στο μοντέλο. Τα καρφιτσωμένα προϊόντα εμφανίζονται πρώτα, με αυτή τη σειρά, και ο αλγόριθμος του τύπου συμπληρώνει τις υπόλοιπες θέσεις. Ισχύουν οι ίδιες εξαιρέσεις - ένα καρφιτσωμένο προϊόν που έχει εξαντληθεί ή έχει ήδη αγοραστεί παραλείπεται.

Εξαιρέσεις

Από προεπιλογή:

• Εξαντλημένα προϊόντα - προϊόντα που το κατάστημα σημειώνει ως εκτός αποθέματος δεν προτείνονται. Απενεργοποιήστε το Hide out-of-stock products σε ένα μοντέλο για να επιτρέπονται.
• Ήδη αγορασμένα - προϊόντα που ο παραλήπτης έχει ήδη αγοράσει (από τις παραγγελίες του) δεν προτείνονται. Το Don't recommend items the customer already purchased είναι ενεργό από προεπιλογή και ισχύει για κάθε τύπο.
• Το ίδιο το προϊόν αναφοράς δεν προτείνεται ποτέ.
• Το Selection (allow-list) του μοντέλου εξακολουθεί να ισχύει· τα καρφιτσωμένα προϊόντα κρατούν τη θέση τους.
• Η λίστα αποκλεισμού υπερισχύει όλων, μαζί και των καρφιτσωμένων προϊόντων.

Λίστα αποκλεισμού

Προϊόντα που δεν πρέπει να προτείνονται ποτέ - δωροκάρτες, δείγματα, μια σειρά που καταργήθηκε. Υπάρχουν δύο λίστες και ισχύουν πάντα και οι δύο:

• Ανά μοντέλο - Never recommend στο μοντέλο: αναγνωριστικά προϊόντων και, για προϊόντα καταστήματος, επίσης κατηγορίες και ετικέτες (χωρίς διάκριση πεζών-κεφαλαίων).
• Για όλο το workspace - Settings → Recommendations, κάτω από τα μοντέλα: οι ίδιες τρεις λίστες, για κάθε μοντέλο.

Ένα αποκλεισμένο προϊόν δεν εμφανίζεται ποτέ από κανέναν τύπο - ούτε ως επιλογή, ούτε καρφιτσωμένο, ούτε από το δημοφιλές fallback, ούτε από το fallback που χρησιμοποιείται όταν ένα slot ξεμένει από χρόνο. Το αναγνωριστικό προϊόντος μπορεί να είναι του καταστήματος ή του Joryio. Κάθε λίστα χωράει έως 500 αναγνωριστικά προϊόντων και 100 κατηγορίες και 100 ετικέτες. Οι αλλαγές φτάνουν στα μηνύματα μέσα σε 5 λεπτά.

Προώθηση και υποβάθμιση

Κανόνες merchandising πάνω από τη συνάφεια, για τα προϊόντα του καταστήματος. Σε ένα μοντέλο, ανοίξτε το Boost and bury, πατήστε Add rule και επιλέξτε:

• Τι - ένα πεδίο προϊόντος (αριθμητικό ή ναι/όχι - η λίστα δείχνει τα πεδία που έχουν πραγματικά τα προϊόντα σας: τιμή, αρχική τιμή, ποσοστό έκπτωσης, μονάδες σε απόθεμα, σε απόθεμα, και χαρακτηριστικά όπως βαθμολογία ή περιθώριο), μια κατηγορία ή μια ετικέτα.
• Κατεύθυνση - το Boost ανεβάζει τα προϊόντα που ταιριάζουν, το Bury τα κατεβάζει.
• Ένταση - Light, Medium ή Strong (0,2, 0,5 και 1,0).

Πώς βαθμολογούν οι κανόνες: το μοντέλο πρώτα βρίσκει και ταξινομεί τους υποψηφίους του (συνάφεια, μαζί με τον εκπαιδευμένο ranker)· η λίστα αποκλεισμού, το Selection και το φίλτρο αποθέματος αφαιρούν ό,τι δεν επιτρέπεται να εμφανιστεί· και μετά οι κανόνες αλλάζουν τη σειρά όσων έμειναν, πριν η λίστα κοπεί στον αριθμό στοιχείων που δείχνει το μήνυμα. Η συνάφεια ενός υποψηφίου προκύπτει από τη θέση του σε αυτή τη σειρά - ο πρώτος από 10 παίρνει 1, ο τελευταίος 0,1. Ένα αριθμητικό πεδίο κλιμακώνεται στους υποψηφίους από 0 (χαμηλότερο) έως 1 (υψηλότερο)· ένα πεδίο ναι/όχι, μια κατηγορία ή μια ετικέτα μετρά 1 όταν ταιριάζει και 0 όταν όχι· ένα προϊόν χωρίς το πεδίο μετρά 0. Το Boost πολλαπλασιάζει τη συνάφεια επί (1 + ένταση x τιμή), το Bury διαιρεί με αυτό, και πολλοί κανόνες πολλαπλασιάζονται.

Οι κανόνες δεν προσθέτουν ποτέ προϊόν που δεν βρήκε το μοντέλο, δεν εμφανίζουν ποτέ αποκλεισμένο προϊόν και δεν μετακινούν ποτέ καρφιτσωμένο προϊόν - τα καρφιτσωμένα κρατούν τη θέση τους. Ισχύουν με τον ίδιο τρόπο σε κάθε κανάλι και στα journeys. Έως 10 κανόνες ανά μοντέλο.

Παραδείγματα:

• Προβολή των προσφορών - Boost, κατηγορία "Sale", Medium: ένα προϊόν σε προσφορά ακριβώς κάτω από ένα σε πλήρη τιμή το προσπερνά· ένα πολύ πιο κάτω στη λίστα δεν πηδά στην κορυφή.
• Πρώτα το περιθώριο - Boost, χαρακτηριστικό "Margin", Strong: ανάμεσα σε προϊόντα παρόμοιας συνάφειας προηγούνται όσα έχουν το υψηλότερο περιθώριο.
• Όχι αξεσουάρ στην αρχή - Bury, ετικέτα "accessory", Light.
• Πρώτα ό,τι έχει άφθονο απόθεμα - Boost, Μονάδες σε απόθεμα, Light.

Η Preview της κάρτας δείχνει τη λίστα μιας επαφής Without rules και With rules δίπλα δίπλα, με τους κανόνες της οθόνης πριν την αποθήκευση (τα στοιχεία που μετακινήθηκαν έχουν περίγραμμα). Επιλέξτε επαφή με email, τηλέφωνο ή αναγνωριστικό· χωρίς επιλογή εμφανίζεται η λίστα ενός ανώνυμου επισκέπτη. Μια προεπισκόπηση δεν μετρά ποτέ ως σερβιρισμένη πρόταση.

Fallback και ταχύτητα

Κάθε λίστα συμπληρώνεται από τα δημοφιλή στοιχεία του μοντέλου (εκπαιδευμένη δημοτικότητα, αλλιώς trending 7 ημερών, αλλιώς τα νεότερα προϊόντα), ώστε ένα slot να μην είναι ποτέ κενό όσο το κατάστημα έχει προϊόντα.

Κάθε παραλήπτης έχει χρονικό προϋπολογισμό (1,5 δευτερόλεπτο από προεπιλογή). Ένα slot που δεν επιλύεται εγκαίρως λαμβάνει τα δημοφιλή στοιχεία του μοντέλου, ώστε μια αποστολή να μην κολλάει ποτέ. Λίστες που δεν εξαρτώνται από τον παραλήπτη - τα σχετικά στοιχεία ενός προϊόντος, τα best sellers μιας κατηγορίας, τα new arrivals - υπολογίζονται μία φορά ανά αποστολή καμπάνιας και επαναχρησιμοποιούνται για κάθε παραλήπτη.

Πώς μαθαίνει

Η εκπαίδευση (nightly για ενεργές ρυθμίσεις ή Train now) εκτελεί δύο περάσματα στη ροή συμβάντων: weighted popularity ανά στοιχείο και item-to-item affinity - ποια στοιχεία προσεγγίζουν μαζί οι ίδιοι πελάτες, κανονικοποιημένα ώστε τα niche pairs να μην πνίγονται από bestsellers. Τα μοντέλα Viewed together εκπαιδεύουν την ίδια affinity μόνο σε προβολές προϊόντων.

Μάθηση από αποτελέσματα (v2 ranker)

Μόλις ένα μοντέλο έχει πραγματικά serving outcomes (προτάσεις που προβλήθηκαν → στοιχεία που αγοράστηκαν), δεύτερου σταδίου ranker εκπαιδεύεται nightly και αρχίζει να αναδιατάσσει τους υποψηφίους κάθε παραλήπτη με βάση τη μαθημένη πιθανότητα μετατροπής - «όταν δείχνουμε X σε πελάτες σαν αυτόν, το αγοράζουν». Περιλαμβάνει exploration slot ώστε νέα στοιχεία να έχουν δίκαιη ευκαιρία να κερδίσουν δεδομένα. Ο ranker ενεργοποιείται ανά μοντέλο μόνο αφού υπάρχουν αρκετά outcomes· μέχρι τότε (και όποτε δεν είναι προσβάσιμος) χρησιμοποιείται η τυπική ταξινόμηση της μηχανής, ώστε να μη χαλάει τίποτα. Οι αποστολές φέρουν flag που διακρίνει ranked από standard ordering, ώστε η απόδοσή τους να παραμένει συγκρίσιμη.

Εκτός από τα αποτελέσματα του παρελθόντος, ο ranker σταθμίζει πόσο ταιριάζει κάθε προϊόν στον παραλήπτη: την τιμή του σε σχέση με όσα ξοδεύει συνήθως (αξία παραγγελίας και τιμή προϊόντος), αν ανήκει στις κορυφαίες κατηγορίες ή μάρκες του (από τις παραγγελίες του), αν είναι σε προσφορά για κάποιον που συνήθως αγοράζει σε προσφορά, και αν πουλά αυτή την εβδομάδα πιο γρήγορα από το συνηθισμένο. Λαμβάνονται όπως ήταν τη στιγμή που σερβιρίστηκε η πρόταση, ώστε ο ranker να μη μαθαίνει ποτέ από όσα έγιναν μετά· οι προτάσεις που σερβιρίστηκαν πριν από αυτό μετρούν ως ουδέτερες. Ένα μοντέλο αρχίζει να τα χρησιμοποιεί στην επόμενη νυχτερινή εκπαίδευσή του.

Πού λειτουργούν οι προτάσεις

Οι προτάσεις λειτουργούν σε κάθε κανάλι, σε καμπάνιες και journeys:

Κανάλι	Πώς
Email	Το product block: Source: Recommended, επιλογή μοντέλου και πλήθους, συν προαιρετικό Product id για τους τύπους με προϊόν αναφοράς. Λειτουργούν επίσης βρόχοι Liquid πάνω στο recommendations, σε καμπάνιες και journeys· ένα block και ένας βρόχος με το ίδιο μοντέλο δείχνουν τα ίδια στοιχεία
SMS, WhatsApp, Viber	Η μεταβλητή Liquid {{ recommendations.<slot> }} στο κείμενο (στο WhatsApp: κείμενο session / απάντησης και τιμές μεταβλητών template)
Push	{{ recommendations.<slot> }} σε τίτλο, κείμενο, εικόνα και σύνδεσμο
In-app	Κάρτες προϊόντων σε μηνύματα HTML, ή Liquid σε τίτλο / κείμενο / εικόνα των native μηνυμάτων
Landing pages	Κάρτες προϊόντων ή Liquid

Liquid slots

Το slot είναι το όνομα του μοντέλου μετατρεπμένο σε κλειδί: πεζά, με κενά και σημεία στίξης να γίνονται _ ("For you" → for_you, "Bestsellers" → bestsellers). Το recommendations.default σημαίνει πάντα το προεπιλεγμένο μοντέλο του workspace. Ένα μοντέλο του οποίου το όνομα δεν έχει λατινικά γράμματα (π.χ. ελληνικό ή εβραϊκό όνομα) παίρνει το slot model_<πρώτοι 8 χαρακτήρες του id του> - η σελίδα Ρυθμίσεων και ο επιλογέας εξατομίκευσης δείχνουν το slot κάθε μοντέλου. Ένα άγνωστο slot αποδίδεται ως κενή λίστα.

Κάθε στοιχείο έχει:

Πεδίο	Σημασία
name (επίσης title)	Όνομα προϊόντος
price	Μορφοποιημένη με νόμισμα, π.χ. $19.90
compareAtPrice, discountPercent	Όταν το προϊόν έχει έκπτωση
url	Σύνδεσμος προϊόντος
image (επίσης imageUrl)	Εικόνα προϊόντος
description	Περιγραφή προϊόντος
id	Id προϊόντος

Ένα slot περιέχει έως 4 στοιχεία από προεπιλογή (έως 12 μέσω του data-jr-count μιας κάρτας).

Οι σύνδεσμοι των στοιχείων καταγράφουν κλικ όπως κάθε σύνδεσμος του μηνύματος: οι παράμετροι UTM και τα ids του Joryio προστίθενται στην ανακατεύθυνση του κλικ, και οι σύνδεσμοι SMS / WhatsApp / Viber συντομεύονται (σεβόμενοι τον διακόπτη Shorten & track links ανά μήνυμα).

Κείμενο SMS / WhatsApp / Viber:

{% for item in recommendations.for_you limit: 3 %}
{{ item.name }} - {{ item.price }} {{ item.url }}
{% endfor %}

Push:

Title: {{ recommendations.for_you.first.name }}
Body:  Now {{ recommendations.for_you.first.price }}
Image: {{ recommendations.for_you.first.image }}
Link:  {{ recommendations.for_you.first.url }}

Τα μηνύματα WhatsApp φέρουν μόνο κείμενο και σύνδεσμο - τα μηνύματα catalog / product είναι ξεχωριστή δυνατότητα, που δεν είναι ακόμη διαθέσιμη.

Native μηνύματα in-app: Liquid σε τίτλο, κείμενο και εικόνα, π.χ. εικόνα {{ recommendations.for_you.first.image }}.

Κάρτες προϊόντων

Σε μηνύματα in-app HTML και σε landing pages, αυτό το στοιχείο γίνεται μια σειρά από κάρτες προϊόντων (εικόνα, όνομα, τιμή, διαγραμμένη τιμή compare-at όταν υπάρχει έκπτωση, σύνδεσμος):

<div data-jr-recommendations="for_you" data-jr-count="4" data-jr-button-label="Shop now"></div>

Εκεί λειτουργούν επίσης βρόχοι Liquid.

Στις landing pages, οι κάρτες προϊόντων λειτουργούν σε κάθε δημοσιευμένη σελίδα: οι ανώνυμοι επισκέπτες βλέπουν τη μη προσωπική λίστα του μοντέλου (ανανεώνεται κάθε λίγα λεπτά), και ένας αναγνωρισμένος επισκέπτης βλέπει τη δική του. Η μορφή Liquid λειτουργεί σε εξατομικευμένες σελίδες.

Προεπισκοπήσεις και δοκιμαστικές αποστολές

Οι προεπισκοπήσεις του editor και οι δοκιμαστικές αποστολές σε κάθε κανάλι δείχνουν πραγματικά στοιχεία: για την επαφή της δοκιμής όταν η δοκιμή πηγαίνει σε μία, αλλιώς τη λίστα του μοντέλου για κάποιον χωρίς ιστορικό. Χρησιμοποιούν το ίδιο fallback, την ίδια λίστα αποκλεισμού και το ίδιο Selection με μια πραγματική αποστολή. Μια δοκιμαστική αποστολή δεν μετράει ποτέ ως πρόταση που σερβιρίστηκε στα analytics παρακάτω.

Δεν υποστηρίζεται ακόμη

• Στα μηνύματα in-app των journeys, τα Similar items, Bought together και Viewed together δεν χρησιμοποιούν το προϊόν που ενεργοποίησε το journey - χρησιμοποιούν το σταθερό προϊόν του μοντέλου, αλλιώς το προϊόν που είδε πιο πρόσφατα ο παραλήπτης.

Analytics απόδοσης

Μόλις οι προτάσεις ενός μοντέλου αποσταλούν σε πραγματικές αποστολές, η σελίδα του εμφανίζει τις τελευταίες 30 ημέρες: πόσες προτάσεις served, σε πόσους recipients, το ποσοστό που clicked το μήνυμα που τις περιείχε και το ποσοστό που bought a recommended item μέσα σε 7 ημέρες από τη λήψη (αποδίδεται μέσω του platform event recommendation.served). Το recommendation.served καταγράφεται σε αποστολές email, SMS, push, WhatsApp και Viber (όχι in-app), οπότε ο πίνακας μετρά όλα αυτά τα κανάλια.

Πώς σερβίρει

Κατά την αποστολή, η πρόσφατη δραστηριότητα κάθε παραλήπτη ψηφίζει για σχετικά στοιχεία· πελάτες χωρίς ιστορικό λαμβάνουν τα δημοφιλή στοιχεία του μοντέλου. Ρυθμίστε μοντέλα στις Ρυθμίσεις → Recommendations και χρησιμοποιήστε τα μέσω του product block του email (Source: Recommended με πλήθος) ή της μεταβλητής Liquid recommendations σε οποιοδήποτε άλλο κανάλι.