Recomendaciones de productos

El motor de recomendaciones de Joryio elige artículos por cliente para tus emails y, más adelante, para mensajes in-app y recorridos. 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 - **: para fuentes de catálogo de entidades, elige una selección para limitar lo que el modelo puede recomendar - por ejemplo, una sola marca o ubicación - . Solo filtros estáticos: los valores por destinatario no se pueden resolver al clasificar. Si falta o falla la selección, se usa el catálogo completo en vez de dejar el email vacío.
• Ventana de entrenamiento y una opción para no recomendar nunca artículos que el cliente ya compró.

Varios modelos

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

Tipo	Qué recibe cada destinatario	Entrenamiento
Personalizado	Artículos que coinciden con su actividad reciente - afinidad artículo a artículo -	Nocturno y Entrenar ahora
Más popular	La misma lista de más vendidos para todos, ponderada por tus señales	Nocturno y Entrenar ahora
Tendencias actuales	Lo más popular de los últimos 7 días	Ninguno: se calcula en vivo
Vistos recientemente	Sus últimos artículos vistos - usa Tendencias para clientes nuevos -	Ninguno: se calcula en vivo

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.

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.

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.

Cómo entrega recomendaciones

En el momento del envío, la actividad reciente de cada destinatario vota por artículos relacionados; los clientes sin historial reciben los más vendidos actuales. Configúralo en Configuración → Recomendaciones y úsalo en el bloque de producto del editor de email seleccionando Fuente: Recomendado con una cantidad.