[Premium]{class="badge positive" title="Consulte qué se incluye en Target Premium."}

Crear criterios

Los criterios de Adobe Target Recommendations controlan el contenido de sus actividades Recommendations. Cree criterios para mostrar las recomendaciones que más se ajusten a su actividad. Estos criterios utilizan las acciones del visitante para determinar qué contenido o productos mostrar.

En las secciones siguientes se explica cómo crear un nuevo criterio.

Acceso a la pantalla Crear nuevos criterios

Existen varias formas de llegar a la pantalla Create New Criteria. Algunas opciones de pantalla dependen de cómo llega a la pantalla.

  • En la pantalla de la biblioteca Recommendations > Criteria, haga clic en Create Criteria > Create Criteria. Los criterios que crea aquí quedan disponibles automáticamente para todas las actividades de Recommendations.
  • Cuando crea una actividad Recommendations con el Visual Experience Composer (VEC), se le redirige inmediatamente a la pantalla Select Criteria después de seleccionar un elemento en la página y hacer clic en Replace w/ Recommendations, Insert Recommendations Before o Insert Recommendations After. Puede seleccionar un criterio disponible o hacer clic en Create Criteria. Si crea un nuevo criterio, tiene la opción de guardarlo para utilizarlo con otras Recommendations actividades. Para obtener más información, consulte Crear una actividad de Recommendations.
  • Cuando esté editando una actividad Recommendations, haga clic en un cuadro Recommendations Location de la página y seleccione Change Criteria. En la pantalla Select Criteria, haga clic en Create Criteria. Tendrá la opción de guardar los nuevos criterios para usarlos con otras actividades de Recommendations.

Los siguientes pasos dan por sentado que tiene acceso a la pantalla de Create New Criteria mediante el primer método: la pantalla de biblioteca Recommendations > Criteria.

  1. Haga clic en Recommendations > Criteria.

  2. Haga clic en Create Criteria > Create Criteria.

    Crear nuevos criterios

  3. Configure la información en las secciones siguientes.

Basic Information info

  1. Escriba un Criteria Name.

    Es el nombre “interno” que se usa para describir los criterios. Por ejemplo, quizá use el nombre “Productos con más margen” para los criterios, pero es probable que no quiera que ese título se muestre al público. Consulte el paso siguiente para establecer el título que se presenta al público.

    Sección de información básica

  2. Escriba un Display Title público para que aparezca en la página para todas las recomendaciones que usen este criterio.

    Por ejemplo, una idea es mostrar “Las personas que han visto esto también vieron” o “Productos similares” cuando use estos criterios para mostrar recomendaciones.

  3. Escriba un Description corto de los criterios.

    La descripción le ayudará a identificar los criterios y puede incluir información sobre el propósito de los criterios.

  4. Seleccione un sector vertical según los objetivos de su actividad de recomendaciones.

    table 0-row-2 1-row-2 2-row-2 3-row-2
    Sector Objetivo
    Venta minorista/Comercio electrónico Conversión que termina en compra
    Generación de vanguardia/B2B/Servicios financieros Conversión sin compra
    Medios/Publicación Participación

    Otras opciones de criterios cambiarán según el sector que seleccione.

  5. Seleccione un(a) Page Type.

    Puede seleccionar varios tipos de página.

    En conjunto, el sector y los tipos de página se usan para categorizar los criterios guardados, facilitando su reutilización para otras actividades de Recommendations.

Recommendations Algorithm rec-algo

  1. Seleccionar un(a) Algorithm Type y Algorithm:

    Sección de algoritmo recomendado

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3
    Tipo de algoritmo Cuándo usar Algoritmos disponibles
    Cart-Based Haga recomendaciones basadas en el contenido del carro de compras del usuario.
    • Los ususarios que vieron estos, vieron aquellos
    • Los ususarios que vieron esto, compraron aquello.
    • Los ususarios que compraron estos, compraron aquellos
    Popularity-Based Haga recomendaciones basadas en la popularidad general de un elemento en el sitio o en la popularidad de elementos dentro de la categoría, marca, género, etc. favoritos o más vistos de un usuario.
    • Más visitados en todo el sitio
    • Más visitados por categoría
    • Más visitados por atributo de artículo
    • Principales vendedores en todo el sitio
    • Principales vendedores por categoría
    • Principales vendedores por atributo de artículo
    • Superior por métrica de Analytics
    Item-Based Haga recomendaciones basadas en la búsqueda de artículos similares a los que el usuario está viendo en este momento o ha visto recientemente.
    • Los usuarios que vieron esto, vieron aquello.
    • Los usuarios que vieron esto, compraron aquello.
    • Los usuarios que compraron esto, compraron aquello.
    • Artículos con atributos similares
    User-Based Haga recomendaciones basadas en el comportamiento del usuario.
    • Artículos vistos recientemente.
    • Recomendado para usted
    Custom Criteria Cree recomendaciones basadas en un archivo personalizado que haya cargado.
    • Algoritmo personalizado
    note note
    NOTE
    Si selecciona Items/ Media with Similar Attributes, tendrá la opción de establecer reglas de similitud de contenido.
  2. Si es necesario, seleccione un atributo de elemento y un atributo de perfil que coincida, una clave de recomendación, clave de filtrado o métrica de Analytics para configurar el algoritmo.

Las opciones de configuración del algoritmo restante varían según el algoritmo seleccionado. Para finalizar la configuración del algoritmo, seleccione un Recommendation Key, Filtering Key, Co-Occurrence Basis, Analytics Metric, y/o Item Attribute y Profile Attribute to Match.

Para obtener más información acerca de cómo elegir un(a) Recommendation Key, vea Basar la recomendación en una clave de recomendación.

Data Source data-source

  1. Seleccione el(la) Behavioral Data Source deseado(a): Adobe Target o Analytics.

    note note
    NOTE
    La sección Behavioral Data Source solo se muestra si su implementación usa Analytics for Target (A4T).

    Sección Source de datos de comportamiento

    Si elige Analytics, seleccione el grupo de informes deseado.

    Si los criterios utilizan Adobe Analytics como fuente de datos de comportamiento, una vez creados, el tiempo de disponibilidad de los criterios depende de si el grupo de informes seleccionado y la ventana de vista al pasado se han utilizado para otros criterios, como se explica a continuación:

    • Configuración de grupos de informes única: La primera vez que se utiliza un grupo de informes con una ventana retrospectiva de intervalo de datos determinada, Target Recommendations puede tardar de dos a siete días en descargar completamente los datos de comportamiento del grupo de informes seleccionado de Analytics. Este lapso de tiempo depende de la carga del sistema Analytics.
    • Criterios nuevos o editados que usan un grupo de informes ya disponible: Al crear un nuevo criterio o editar uno existente, si el grupo de informes seleccionado ya se ha utilizado con Target Recommendations con un intervalo de datos igual o inferior al seleccionado, entonces los datos estarán disponibles inmediatamente y no se requiere una configuración única. En este caso, o si la configuración de un algoritmo se edita sin modificar el grupo de informes o el intervalo de datos seleccionado, el algoritmo se ejecuta o vuelve a ejecutarse en un plazo de 12 horas.
    • Se ejecuta el algoritmo en curso: Los datos fluyen desde Analytics a Target Recommendations diariamente. Por ejemplo, para la recomendación Viewed Affinity, cuando un usuario ve un producto, se pasa una llamada de seguimiento de vista de producto a Analytics casi en tiempo real. Los datos de Analytics se insertan en Target al principio del día siguiente y Target ejecuta el algoritmo en menos de 12 horas.

    Para obtener más información, consulte Usar Adobe Analytics con Recommendations de Target.

  2. Establezca Lookback Window para determinar el intervalo de tiempo de los datos de comportamiento del usuario históricos disponibles que se utilizarán al determinar qué recomendaciones mostrar. Esta opción está disponible para todos los algoritmos, excepto para los elementos con atributos similares y algoritmos personalizados.

    Regulador de ventana retrospectiva

    Si el sitio tiene mucho tráfico y los comportamientos cambian con frecuencia, elija un período de datos más breve. Un periodo más breve permite a Recommendationsresponder mejor a los cambios del mercado y de su empresa. Por ejemplo, un periodo breve significa que Recommendationsdetectará cambios en el comportamiento de los visitantes a medida que estos comiencen a realizar compras de temporada, como las compras de vuelta al colegio o las compras navideñas, y recomendará artículos apropiados para esas temporadas.

    Si no dispone de muchos datos o el comportamiento de los visitantes no cambia con frecuencia, puede elegir un período de tiempo más largo. Sin embargo, para muchos sitios, una ventana más corta resulta en recomendaciones de mayor calidad.

    Los intervalos de fechas que hay disponibles son:

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3 5-row-3 6-row-3 7-row-3
    Opción Ventana retroactiva Frecuencia actualizada (mostrada al pasar el ratón por encima) Algoritmos admitidos
    Seis horas El algoritmo se ejecuta cada 3 a 6 horas Popularity-Based algoritmos cuando el Behavioral Data Source seleccionado es Adobe Target
    Un día El algoritmo se ejecuta cada 12 a 24 horas Popularity-Based algoritmos
    Dos días El algoritmo se ejecuta cada 12 a 24 horas
    • Popularity-Based algoritmos
    • Item-Based algoritmos
    • User-Based algoritmos
    • Cart-Based algoritmos
    Una semana El algoritmo se ejecuta cada 24 a 48 horas
    • Popularity-Based algoritmos
    • Item-Based algoritmos
    • User-Based algoritmos
    • Cart-Based algoritmos
    Dos semanas El algoritmo se ejecuta cada 24 a 48 horas
    • Popularity-Based algoritmos
    • Item-Based algoritmos
    • Todos los algoritmos de User-Based
    • Cart-Based algoritmos
    Un mes (30 días) El algoritmo se ejecuta cada 24 a 48 horas
    • Popularity-Based algoritmos
    • Item-Based algoritmos
    • User-Based algoritmos
    • Cart-Based algoritmos
    Dos meses (61 días) El algoritmo se ejecuta cada 24 a 48 horas
    • Popularity-Based algoritmos
    • Item-Based algoritmos
    • User-Based algoritmos
    • Cart-Based algoritmos

Backup Content content

Backup Content reglas determinan qué sucede si el número de artículos recomendados no cumple con su diseño de recomendaciones. Es posible que Recommendations criterios devuelvan menos recomendaciones de las que exige el diseño. Por ejemplo, si el diseño tiene espacios para cuatro artículos, pero los criterios hacen que solo se recomienden dos artículos, puede dejar vacíos los espacios restantes, puede utilizar recomendaciones de copia de seguridad para rellenar los espacios adicionales o puede elegir no mostrar recomendaciones.

Sección de contenido

  1. (Opcional) Deslice el conmutador Partial Design Rendering a la posición "Activado".

    Se rellenarán tantas ranuras como sea posible, pero la plantilla de diseño puede incluir espacio en blanco para las ranuras restantes. Si esta opción está deshabilitada y no hay suficiente contenido para rellenar todas las ranuras disponibles, las recomendaciones no se proporcionan y se muestra el contenido predeterminado en su lugar.

    Active esta opción si desea que las recomendaciones se proporcionen con espacios en blanco. Utilice recomendaciones de copia de seguridad si desea que las ranuras de recomendación se llenen de contenido basado en sus criterios con ranuras vacías llenas de contenido similar o popular de su sitio, como se explica en el siguiente paso.

  2. (Opcional) Deslice el conmutador Show Backup Content a la posición "Activado".

    Rellene las ranuras vacías restantes del diseño con una selección aleatoria de los productos más vistos de todo el sitio.

    El uso de recomendaciones de copia de seguridad garantiza que el diseño de recomendaciones llene todas las ranuras disponibles. Supongamos que tiene un diseño de 4 x 1, como se muestra a continuación:

    4 x 1 diseño

    Supongamos que sus criterios hacen que solo se recomienden dos artículos. Si habilita la opción Partial Design Rendering, las dos primeras ranuras se llenarán, pero las dos ranuras restantes permanecerán vacías. Sin embargo, si habilita la opción Show Backup Recommendations, las dos primeras ranuras se rellenan según los criterios especificados y las dos ranuras restantes se rellenan según las recomendaciones de copia de seguridad.

    La matriz siguiente muestra el resultado que observará al utilizar las opciones Partial Design Rendering y Backup Content:

    table 0-row-3 1-row-3 2-row-3 3-row-3 4-row-3
    Procesamiento de diseño parcial Contenido de copia Resultado
    Deshabilitado Deshabilitado Si se devuelven menos recomendaciones que las que llama el diseño, el diseño de recomendaciones se reemplaza por el contenido predeterminado y no se muestran recomendaciones.
    Habilitado Deshabilitado Se procesa el diseño, pero puede incluir espacio en blanco si se devuelven menos recomendaciones que las que llama el diseño.
    Habilitado Habilitado Las recomendaciones de copia de seguridad llenarán “ranuras” de diseño disponible, procesando completamente el diseño.
    Si la aplicación de reglas de inclusión a las recomendaciones de copia de seguridad restringe el número de recomendaciones de copia de seguridad correspondiente al punto de que no se pueda llenar el diseño, se procesa parcialmente el diseño.
    Si el criterio no devuelve ninguna recomendación, y las reglas de inclusión restringen las recomendaciones de copia de seguridad a cero, el diseño se reemplaza por el Contenido predeterminado.
    Deshabilitado Habilitado Las recomendaciones de copia de seguridad llenarán “ranuras” de diseño disponible, procesando completamente el diseño.
    Si la aplicación de reglas de inclusión a las recomendaciones de copia de seguridad restringe el número de recomendaciones de copia de seguridad correspondiente al punto de que no se pueda llenar el diseño, el diseño se reemplaza por el contenido predeterminado y no se muestran recomendaciones.

    Para obtener más información, vea Usar una recomendación de copia de seguridad.

  3. (Condicional) Si seleccionó Show Backup Content en el paso anterior, puede habilitar Apply inclusion rules to backup recommendations.

    Las reglas de inclusión determinan qué artículos se incluyen en las recomendaciones. Las opciones disponibles dependen del sector.

    Para obtener más información, consulte Especificar reglas de inclusión a continuación.

Similitud de contenido similarity

Utilice reglas de Content Similarity para hacer recomendaciones basadas en elementos o atributos de medios.

NOTE
Si seleccionó Item-Based/ Media with Similar Attributes como su Tipo de algoritmo y Algoritmo, tiene la opción de establecer reglas de similitud de contenido.

La similitud de contenido compara palabras clave de los atributos de los artículos y realiza recomendaciones basándose en la cantidad de palabras clave que los artículos tienen en común. Las recomendaciones que se basan en la similitud de contenido no requieren información anterior para ofrecer buenos resultados.

Resulta especialmente eficaz usar la similitud de contenido para generar recomendaciones en los artículos nuevos, ya que es poco probable que estos aparezcan en las recomendaciones usando Otras personas que vieron esto también vieron y otras lógicas basadas en el comportamiento anterior. También puede utilizar la similitud de contenido si quiere generar recomendaciones útiles para los nuevos visitantes, que no han hecho ninguna compra ni tienen datos históricos.

Al seleccionar Item-Based/ Media with Similar Attributes, tiene la opción de crear reglas para aumentar o reducir la importancia de atributos de elementos específicos a la hora de determinar las recomendaciones. En el caso de artículos como libros, puede aumentar la importancia de atributos como el género, el autor o la serie para recomendar libros parecidos.

Imagen ContentSimilarity

Como la similitud de contenido emplea palabras clave para comparar los artículos, algunos atributos, como mensaje o descripción, pueden producir “ruido” en la comparación. Puede crear reglas para pasar por alto estos atributos.

De forma predeterminada, todos los atributos están definidos en Línea de base. Solo es necesario crear una regla si quiere cambiar esta configuración.

NOTE
El algoritmo de similitud de contenido puede utilizar muestreo aleatorio para calcular la similitud entre los elementos. Como resultado, las clasificaciones de similitud entre los elementos pueden variar entre las ejecuciones de algoritmos.

Reglas de inclusión inclusion

Existen varias opciones que le ayudan a reducir el número de artículos que aparecen en las recomendaciones. Puede utilizar reglas de exclusión al crear criterios o promociones.

Reglas de inclusión

Las reglas de inclusión son opcionales, pero definir estos detalles permite controlar mejor los artículos que aparecen en las recomendaciones. Cada detalle que se configure reduce un poco más los criterios de visualización.

Por ejemplo, puede que desee mostrar únicamente los zapatos de mujer que tengan un precio entre 25 y 45 dólares y de los que haya más de 50 pares disponibles en el inventario. También puede ponderar cada atributo para que los artículos que son más importantes para su negocio tengan más posibilidades de aparecer.

Otro ejemplo: puede elegir mostrar ofertas de trabajo solo a quienes visiten su sitio desde determinadas ciudades, o tengan una determinada titulación universitaria.

Las opciones de reglas de inclusión varían por sector. De forma predeterminada, las reglas de inclusión se aplican a recomendaciones de copia de seguridad.

IMPORTANT
Debería usar las reglas de inclusión con cautela. Estos filtros son útiles si, por ejemplo, su organización ha establecido reglas que exigen que una marca no se recomiende al mismo tiempo que se está viendo otra marca. Sin embargo, esta función tiene un coste de oportunidad, ya que posiblemente pueda perder un porcentaje de alza al restringir la presentación de algunos elementos que normalmente se mostrarían con los criterios de la actividad.

Las reglas de inclusión se unen mediante Y. Deben cumplirse todas las reglas para incluir un artículo en una recomendación.

Para crear una regla de inclusión sencilla, como se mencionó, previamente, que muestre únicamente zapatos de mujer de entre 25 y 45 dólares y de los que haya más de 50 pares en el inventario, siga los pasos siguientes:

  1. (Condicional) Deslice el conmutador Allow recently purchased items to be recommended? a la posición "Activado".

    Esta configuración se basa en productPurchasedId. El comportamiento predeterminado es no recomendar artículos comprados previamente. En la mayoría de los casos, no desea promocionar artículos que un cliente haya comprado recientemente. Es útil si vende artículos que la gente suele comprar solo una vez como, por ejemplo, canoas. Si vende artículos que la gente vuelve a comprar de forma repetida, como champú u otros artículos personales, debe activar esta opción.

  2. Establezca un rango de precios para los productos que desea recomendar.

  3. Defina la cantidad mínima en inventario para los productos que desea recomendar.

  4. Configure la recomendación para que únicamente muestre los artículos cuando cumplan determinados criterios.

    Imagen Recs_InclusionRules

    Puede especificar que los artículos se incluyan solamente cuando uno de los atributos de la lista cumpla o no una o varias condiciones especificadas.

    Los evaluadores que hay disponibles dependen del valor que elija en la primera lista desplegable. Puede listar varios elementos. Estos artículos se evaluarán con O.

    Si hay varias reglas, se combinan con una Y.

    note note
    NOTE
    Esta opción limita los artículos mostrados en la recomendación. No afecta a las páginas en las que aparece la recomendación. Para limitar dónde se muestra la recomendación, seleccione las páginas en el Compositor de experiencias visuales.

Para obtener más información, vea Usar reglas de inclusión dinámicas y estáticas.

Ponderación de atributos weighting

Puede agregar varias reglas para "desplazar" el algoritmo basado en información o metadatos importantes acerca del catálogo de contenido, de modo que es más probable que se muestren determinados elementos.

Por ejemplo, puede aplicar una ponderación más alta a los artículos en venta para que aparezcan con más frecuencia en la recomendación. Los artículos que no están en liquidación no quedan completamente excluidos, pero aparecen con menos frecuencia. Se pueden aplicar múltiples atributos ponderados al mismo algoritmo y los atributos ponderados se pueden probar sobre el tráfico dividido en la recomendación.

  1. Elija un valor.

    Determina el tipo de elemento que es más probable que se muestre, en función de uno de los numerosos criterios disponibles.

  2. Elija un evaluador.

  3. Escriba la palabra clave para completar los atributos de la regla.

    Por ejemplo, la regla completa podría ser "La categoría contiene zapatos de subcadena".

    Imagen Recs_AttributeWeighting

  4. Seleccione la ponderación para asignarla a la regla.

    Las opciones varían de 0 a 100 en incrementos de 25.

  5. Si lo desea, agregue reglas adicionales.

Cuando termine, haga clic en Save.

Si está creando una nueva actividad Recommendations o está editando una existente, la casilla de verificación Save criteria for later está seleccionada de manera predeterminada. Si no desea usar los criterios en otras actividades, desmarque la casilla antes de guardar.

Vídeo de formación: Crear criterios en Recommendations (12:33) Distintivo de tutorial

Este vídeo contiene la información siguiente:

  • Crear criterios
  • Crear secuencias de criterios
  • Cargar criterios personalizados
recommendation-more-help
3d9ad939-5908-4b30-aac1-a4ad253cd654