Recomendadores de promoção e oferta

Por que as promoções precisam de um conjunto diferente de sinais

Os catálogos de promoção se comportam de modo diferente dos catálogos de produtos de várias maneiras.

• As ofertas têm ciclos de vida. Oferece a inicialização, a execução por uma janela de tempo específica e a descontinuação. O histórico de engajamento é escasso por natureza.
• O engajamento do usuário é limitado. A maioria dos usuários se engaja com muito menos ofertas do que produtos.
• A pertinência depende da elegibilidade. Uma oferta adequada a um usuário nem sempre se aplica a outro.

Devido a essas diferenças, você mapeia sinais de engajamento específicos da oferta e o catálogo de promoções para o recomendador, em vez do catálogo de produtos.

Como um Recomendador de promoção funciona

O DLPR segue o mesmo loop de feedback de recomendação-observação-recompensação-aprendizado que os recomendadores de item, mas aprende com como os usuários interagem com promoções e os itens alvo dessas promoções. O recomendador usa a atividade recente do usuário, o catálogo de promoções e os relacionamentos entre as ofertas e os itens aos quais eles se aplicam. O recomendador então classifica as ofertas de modo que reflita a relevância para o usuário e o alinhamento com sua meta de negócios.

Sinais de engajamento

Para aproveitar ao máximo um recomendador de promoção, forneça sinais em duas áreas relacionadas:

• Oferta de engajamento: Como os usuários interagem com as próprias promoções, como visualizações, cliques, resgates e sinais personalizados vinculados ao ciclo de vida da oferta.
• Engajamento de item alvo: Como os usuários interagem com os itens aos quais cada oferta se aplica, como visualizações de produto, ações de adição ao carrinho e compras.

O mapeamento de sinais para ambas as áreas dá ao recomendador uma visão mais clara de quais ofertas realmente conduzem o comportamento vinculado à sua meta.

Você também pode fornecer sinais adicionais que ajudam a definir a relevância, como engajamento com conteúdo relacionado (artigos, campanhas, páginas de destino) e metadados de perfil (preferências, segmentos, status de fidelidade). Quanto mais avançada for a combinação de sinais, melhor o recomendador poderá personalizar as ofertas para cada cliente.

Início fresco para promoções

O engajamento em promoção costuma ser escasso. Por isso, o início frio costuma ser a norma em vez da exceção. O recomendador usa uma ou mais estratégias baseadas em conteúdo para apresentar ofertas relevantes mesmo quando os dados de engajamento são limitados.

Semelhança entre promoção e promoção

O DLPR aprende com metadados de promoção, incluindo nome da oferta, descrição, tipo, categoria e termos, para gerar integrações semânticas para cada promoção em seu catálogo. Por inferência, o recomendador identifica a promoção com engajamento mais recente do usuário e retorna promoções semelhantes.

Você pode iniciar recomendações de oferta com histórico de engajamento mínimo, desde que seu catálogo de promoções tenha metadados descritivos.

Semelhança de promoção com produto

O recomendador também pode recomendar promoções com base nos produtos com os quais um usuário se engajou, conectando metadados de produto e promoção a ofertas relacionadas a itens que o usuário já importa.

Entradas do modelo

Um recomendador de promoção usa as seguintes entradas para classificar ofertas:

• Metadados do catálogo de promoções. Ofereça nomes, descrições, tipos de oferta, categorias, elegibilidade e quaisquer atributos que você fornecer.
• Sinais de engajamento de promoção. Visualizações, cliques, resgates e outras interações com ofertas.
• Configuração de objetivo. A meta de negócios para a qual as recomendações são otimizadas.

Orientação para seu catálogo de promoções

Um catálogo de promoção bem estruturado é a base da qualidade de início frio. Siga estas práticas recomendadas para maximizar a relevância da recomendação desde o primeiro dia.

• Forneça nomes e descrições completos e descritivos para cada oferta.
• Forneça tipos e categorias de oferta consistentes.
• Forneça atributos de elegibilidade quando relevante.