Recomendaciones de productos

El motor de recomendaciones de Joryio elige artículos por cliente para tus mensajes - email, SMS, WhatsApp, Viber, push, in-app y landing pages, tanto en campañas como en recorridos (consulta Dónde funcionan las recomendaciones). Es deliberadamente transparente: tú decides de qué aprende:

• Fuente de artículos: productos de la tienda sincronizada - Shopify/WooCommerce - o cualquier entidad personalizada que contenga un catálogo.
• Señales de entrenamiento: qué eventos enseñan al motor, cada uno con un peso - por ejemplo, purchase ×5, add_to_cart ×2 y product_viewed ×1. Puede ser cualquier evento, incluidos los personalizados. La propiedad de ID de artículo indica al motor qué propiedad del evento contiene el artículo - por ejemplo, productId. Si un evento usa una propiedad distinta, como un evento ad_view que contiene ad_id, defínela por señal: cada fila de señal tiene una propiedad opcional que anula el valor predeterminado del modelo.
• Selección (opcional): elige una selección para limitar lo que el modelo puede recomendar - una selección de productos para los productos de la tienda (se gestionan en la página Productos) o una selección de entidad para el catálogo de una entidad personalizada, por ejemplo una sola marca o ubicación. Solo filtros estáticos: los valores por destinatario no se pueden resolver al clasificar. Se aplica tanto en campañas como en recorridos. Cuando muy pocas de las elecciones del modelo coinciden, los propios productos de la selección completan el hueco. Si la selección no se puede leer (se eliminó o la consulta falla), el modelo muestra solo sus productos fijados - nunca artículos fuera de la selección.
• Ventana de entrenamiento y una opción para no recomendar nunca artículos que el cliente ya compró (consulta Exclusiones).

Varios modelos

Un espacio de trabajo puede tener varios modelos con nombre, cada uno con su propio tipo, fuente y señales. Créalos en Configuración → Recomendaciones y elige uno por bloque de producto en el editor de email - Fuente: Recomendado → Modelo - o usa uno por su slot en Liquid. Un modelo se marca como predeterminado y se usa cuando un bloque no elige ninguno.

Tipos de recomendación

Cada modelo tiene un tipo, que se elige en Configuración → Recomendaciones → Tipo de modelo:

Tipo	Qué recibe cada destinatario	Entrenamiento
Personalizado (Personalized)	Artículos que coinciden con su actividad reciente - coocurrencia entrenada	Nocturno y Entrenar ahora
Más popular (Most popular)	La misma lista de más vendidos para todos, ponderada por tus señales	Nocturno y Entrenar ahora
Tendencias actuales (Trending now)	Actividad ponderada de los últimos 7 días	Ninguno: se calcula en vivo
Vistos recientemente (Recently viewed)	Sus últimos artículos vistos. Usa Tendencias para clientes nuevos; nunca se completa con otros artículos	Ninguno: se calcula en vivo
Artículos similares (Similar items)	Basado en contenido: productos que comparten categorías, marca, atributos (por ejemplo, Color, Material) y etiquetas con un producto. Las categorías pesan más, luego marca y atributos; las etiquetas deshacen empates	Ninguno: se calcula en vivo
Comprados juntos (Bought together)	Productos que aparecieron en el mismo pedido que un producto, dentro de la ventana de entrenamiento del modelo - a partir de tus pedidos sincronizados. Si el producto aún no tiene compras conjuntas, completan los artículos similares	Ninguno: se calcula en vivo
Vistos juntos (Viewed together)	Productos vistos por las mismas personas que vieron un producto. Se entrena solo con vistas de producto (Product Viewed). Un producto sin historial de vistas conjuntas usa artículos similares	Nocturno y Entrenar ahora
Novedades (New arrivals)	Los productos más nuevos del catálogo - según cuándo se añadieron -, opcionalmente limitados a una categoría	Ninguno: se calcula en vivo
Populares en la categoría (Popular in category)	Más vendidos (unidades en pedidos) o más vistos (eventos Product Viewed) - elige sales o views - en una categoría dentro de la ventana del modelo. Categoría: la definida en el modelo; si no, la primera categoría del producto de referencia; si no, todo el catálogo	Ninguno: se calcula en vivo
Mayores descuentos (Top discounted)	El mayor descuento del precio de comparación (compare-at) frente al precio, opcionalmente en una categoría	Ninguno: se calcula en vivo

Los seis últimos tipos - de Artículos similares a Mayores descuentos - funcionan solo con productos de la tienda, no con catálogos de entidades personalizadas.

¿Qué producto?

Artículos similares, Comprados juntos y Vistos juntos recomiendan en torno a un producto. Se elige en este orden:

1. Un ID de producto fijo definido en el modelo.
2. El ID de producto definido en el bloque de producto del email - el campo opcional Product id.
3. En un recorrido, el producto del evento que lo activó: su propiedad productId / product_id, o el primer elemento de una lista products / items.
4. Si no, el producto que el destinatario vio más recientemente.

Si no hay ninguno, se muestra la lista popular de respaldo del modelo.

Productos fijados

Todos los tipos aceptan una lista de IDs de productos fijados en el modelo. Los productos fijados se muestran primero, en ese orden, y el algoritmo del tipo completa los puestos restantes. Se les aplican las mismas exclusiones: un producto fijado agotado o ya comprado se omite.

Exclusiones

De forma predeterminada:

• Productos agotados: no se recomiendan los productos que la tienda marca sin stock. Desactiva Hide out-of-stock products en un modelo para permitirlos.
• Ya comprados: no se recomiendan los productos que el destinatario ya compró, según sus pedidos. Don't recommend items the customer already purchased está activado de forma predeterminada y se aplica a todos los tipos.
• El producto de referencia nunca se recomienda a sí mismo.
• La Selección del modelo (lista de permitidos) sigue aplicándose; los productos fijados conservan su lugar.
• La lista de bloqueo se impone a todo, incluidos los productos fijados.

Lista de bloqueo

Productos que nunca deben recomendarse - tarjetas regalo, muestras, una línea descatalogada. Hay dos listas y ambas se aplican siempre:

• Por modelo: Never recommend en el modelo - IDs de producto y, para productos de la tienda, también categorías y etiquetas (sin distinguir mayúsculas).
• Para todo el espacio de trabajo: Settings → Recommendations, debajo de los modelos - las mismas tres listas, aplicadas a todos los modelos.

Un producto bloqueado nunca se muestra en ningún tipo - ni como elección, ni fijado, ni desde el respaldo de populares, ni desde el respaldo que se usa cuando a un slot se le acaba el tiempo. El ID de producto puede ser el de la tienda o el de Joryio. Cada lista admite hasta 500 IDs de producto, 100 categorías y 100 etiquetas. Los cambios llegan a los mensajes en 5 minutos.

Impulsar y relegar

Reglas de merchandising sobre la relevancia, para los productos de la tienda. En un modelo, abre Boost and bury, pulsa Add rule y elige:

• Qué - un campo de producto (numérico o sí/no - la lista muestra los campos que tus productos tienen de verdad: precio, precio antes del descuento, porcentaje de descuento, unidades en stock, en stock, y atributos como una valoración o un margen), una categoría o una etiqueta.
• Dirección - Boost sube los productos que coinciden, Bury los baja.
• Intensidad - Light, Medium o Strong (0,2, 0,5 y 1,0).

Cómo puntúan las reglas: el modelo primero encuentra y ordena sus candidatos (relevancia, incluido el ranker aprendido); la lista de bloqueo, la Selection y el filtro de stock quitan lo que no se puede mostrar; y después las reglas reordenan lo que queda, antes de cortar la lista al número de elementos que muestra el mensaje. La relevancia de un candidato sale de su lugar en ese orden - el primero de 10 vale 1, el último 0,1. Un campo numérico se escala entre los candidatos de 0 (el más bajo) a 1 (el más alto); un campo sí/no, una categoría o una etiqueta cuentan 1 cuando coinciden y 0 cuando no; un producto sin el campo cuenta 0. Boost multiplica la relevancia por (1 + intensidad x valor), Bury la divide, y varias reglas se multiplican.

Las reglas nunca añaden un producto que el modelo no encontró, nunca muestran un producto bloqueado y nunca mueven un producto fijado - los fijados conservan su lugar. Se aplican igual en todos los canales y en los journeys. Hasta 10 reglas por modelo.

Ejemplos:

• Empujar las rebajas - Boost, categoría "Sale", Medium: un artículo rebajado justo debajo de uno a precio completo lo adelanta; uno muy abajo en la lista no salta al primer puesto.
• Primero el margen - Boost, atributo "Margin", Strong: entre productos de relevancia parecida, mandan los de mayor margen.
• No empezar por accesorios - Bury, etiqueta "accessory", Light.
• Primero lo que tiene mucho stock - Boost, Unidades en stock, Light.

La Preview de la tarjeta muestra la lista de un contacto Without rules y With rules una al lado de la otra, con las reglas que hay en pantalla antes de guardar (los elementos que se movieron aparecen recuadrados). Elige un contacto por email, teléfono o id; sin elegir ninguno muestra la lista que recibe un visitante anónimo. Una vista previa nunca cuenta como recomendación servida.

Respaldo y velocidad

Cada lista se completa con los artículos populares del modelo - popularidad entrenada; si no, tendencias de 7 días; si no, los productos más nuevos -, así que un slot nunca queda vacío mientras la tienda tenga productos.

Cada destinatario tiene un presupuesto de tiempo - 1,5 segundos de forma predeterminada. Un slot que no se resuelve a tiempo recibe los artículos populares del modelo, así que un envío nunca se atasca. Las listas que no dependen del destinatario - los artículos relacionados de un producto, los más vendidos de una categoría, las novedades - se calculan una vez por envío de campaña y se reutilizan para cada destinatario.

Cómo aprende

El entrenamiento - nocturno para configuraciones activadas o mediante Entrenar ahora - realiza dos pasadas sobre el flujo de eventos: popularidad ponderada por artículo y afinidad artículo a artículo, es decir, con qué artículos interactúan juntas las mismas personas. Se normaliza para que las parejas de nicho no queden ocultas por los más vendidos. Los modelos Vistos juntos entrenan la misma afinidad solo con vistas de producto.

Aprender de los resultados (clasificador v2)

Cuando un modelo tiene resultados reales de entrega - recomendaciones mostradas → artículos comprados, un clasificador de segunda fase se entrena con ellos cada noche y empieza a reordenar los candidatos de cada destinatario por probabilidad de conversión aprendida: «cuando mostramos X a clientes como este, compran». Incluye un espacio de exploración para que los artículos nuevos tengan una oportunidad justa de generar datos. El clasificador se activa por modelo solo cuando hay suficientes resultados; hasta entonces - y siempre que no esté disponible - se usa el orden estándar del motor, por lo que nunca se rompe nada. Los envíos incluyen una marca que distingue el orden clasificado del estándar, para mantener comparables los resultados.

Además de los resultados pasados, el ranker pondera cuánto encaja cada producto con el destinatario: su precio frente a lo que suele gastar (valor de pedido y precio por artículo), si está entre sus categorías o marcas principales (según sus pedidos), si está rebajado para alguien que suele comprar en rebajas y si se vende esta semana más rápido de lo habitual. Se toman tal como eran cuando se sirvió la recomendación, así que el ranker nunca aprende de lo que pasó después; las recomendaciones servidas antes de que esto existiera cuentan como neutras. Un modelo empieza a usarlos en su siguiente entrenamiento nocturno.

Dónde funcionan las recomendaciones

Las recomendaciones funcionan en todos los canales, en campañas y recorridos:

Canal	Cómo
Email	El bloque de producto: Fuente: Recomendado, elige el modelo y una cantidad, más un Product id opcional para los tipos con producto de referencia. También funcionan los bucles Liquid sobre recommendations, en campañas y recorridos; un bloque y un bucle que usan el mismo modelo muestran los mismos artículos
SMS, WhatsApp, Viber	La variable Liquid {{ recommendations.<slot> }} en el texto (en WhatsApp: texto de sesión / respuesta y valores de variables de plantilla)
Push	{{ recommendations.<slot> }} en título, cuerpo, imagen y enlace
In-app	Tarjetas de producto en mensajes HTML, o Liquid en título / cuerpo / imagen de los mensajes nativos
Landing pages	Tarjetas de producto o Liquid

Slots de Liquid

El slot es el nombre del modelo convertido en clave: en minúsculas, con espacios y signos de puntuación convertidos en _ ("For you" → for_you, "Bestsellers" → bestsellers). recommendations.default siempre es el modelo predeterminado del espacio de trabajo. Un modelo cuyo nombre no tiene letras latinas (por ejemplo, un nombre en hebreo) recibe el slot model_<primeros 8 caracteres de su ID> - la página de Configuración y el selector de personalización muestran el slot de cada modelo. Un slot desconocido se muestra como una lista vacía.

Cada artículo tiene:

Campo	Significado
name (también title)	Nombre del producto
price	Con formato de moneda, por ejemplo $19.90
compareAtPrice, discountPercent	Cuando el producto tiene descuento
url	Enlace del producto
image (también imageUrl)	Imagen del producto
description	Descripción del producto
id	ID del producto

Un slot contiene hasta 4 artículos de forma predeterminada (hasta 12 mediante el data-jr-count de una tarjeta).

Los enlaces de los artículos registran clics como cualquier enlace del mensaje: los parámetros UTM y los IDs de Joryio se añaden en la redirección del clic, y los enlaces de SMS / WhatsApp / Viber se acortan (respetando el interruptor Shorten & track links de cada mensaje).

Texto de 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 }}

Los mensajes de WhatsApp llevan solo texto y un enlace - los mensajes de catálogo / producto son una función aparte, aún no disponible.

Mensajes in-app nativos: Liquid en título, cuerpo e imagen, por ejemplo la imagen {{ recommendations.for_you.first.image }}.

Tarjetas de producto

En mensajes in-app HTML y en landing pages, este elemento se convierte en una fila de tarjetas de producto (imagen, nombre, precio, precio de comparación tachado cuando hay descuento, enlace):

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

Los bucles Liquid también funcionan ahí.

En las landing pages, las tarjetas de producto funcionan en cada página publicada: los visitantes anónimos ven la lista no personal del modelo (se actualiza cada pocos minutos) y un visitante identificado recibe la suya. La forma Liquid funciona en páginas personalizadas.

Vistas previas y envíos de prueba

Las vistas previas del editor y los envíos de prueba de todos los canales muestran artículos reales: para el contacto de prueba cuando el envío va a uno y, si no, la lista del modelo para alguien sin historial. Usan el mismo respaldo, la misma lista de bloqueo y la misma Selección que un envío real. Un envío de prueba nunca cuenta como recomendación servida en la analítica de abajo.

Aún no disponible

• En los mensajes in-app de recorridos, Similar items, Bought together y Viewed together no usan el producto que inició el recorrido - usan el producto fijo del modelo o, si no hay, el último producto que vio el destinatario.

Analítica de rendimiento

Cuando las recomendaciones de un modelo salen en envíos reales, su página muestra los últimos 30 días: cuántas recomendaciones se mostraron, a cuántos destinatarios, el porcentaje que hizo clic en el mensaje y el porcentaje que compró un artículo recomendado en los 7 días posteriores a recibirlo. Se atribuye mediante el evento de plataforma recommendation.served, que se registra en envíos de email, SMS, push, WhatsApp y Viber (no in-app), así que el panel cuenta todos esos canales.

Cómo entrega recomendaciones

En el momento del envío, la actividad reciente de cada destinatario vota por artículos relacionados; los clientes sin historial reciben los artículos populares del modelo. Configura modelos en Configuración → Recomendaciones y úsalos mediante el bloque de producto del email - Fuente: Recomendado con una cantidad - o mediante la variable Liquid recommendations en cualquier otro canal.