Usamos cookies. Tienes opciones. Las cookies nos ayudan a mantener el sitio funcionando sin problemas e informar sobre nuestra publicidad, pero si deseas realizar ajustes, puedes visitar nuestro Aviso de cookies para más información.
Uso de cookies en su dispositivo. Las cookies nos ayudan a mantener esta página web funcionando correctamente y a personalizar nuestra publicidad, pero el uso que hacemos de las cookies depende de usted. Acepte nuestra configuración o personalícela.
×

Optimiza las interacciones con tus clientes gracias a Interaction Studio

Cada vez más sectores incluyen las palabras machine learning y decisioning a su vocabulario, y su influencia en el mundo del marketing digital ya es más que evidente. Cada vez más fabricantes están sumándose a esta creciente tendencia, introduciendo complejos módulos y algoritmos entre sus productos estrella.

Salesforce dio un importante paso al frente con el lanzamiento de Interaction Studio 2.0 tras la adquisición de Evergage, que la propia compañía define como una extensión natural de Customer 360 que se posicionará como una sólida solución CDP en el mercado. En el post Interaction Studio, powered by Evergage nos adentramos en las nuevas capacidades introducidas en la herramienta, profundizando en su capa analítica en Salesforce Interaction Studio: entendiendo al consumidor.

Teniendo toda esta información, ¿cómo puedo empezar a recoger la información de mi página web para sacarle el máximo partido a las capacidades de machine learning de esta herramienta? Esta es la pregunta a la que responderemos en este artículo.

Implementación web

En primer lugar, debemos implementar Interaction Studio en nuestra web, para lo que utilizaremos un beacon disponible a través de la interfaz de usuario. Este beacon no es más que un fragmento de código JavaScript que permitirá cargar las librerías de la versión web del Software Development Kit (SDK) en todas las páginas del site e inyectar el código que desarrollaremos en el sitemap. De esta manera, posibilitaremos el flujo de datos entre la web y la herramienta.

La implementación puede llevarse a cabo de manera síncrona o asíncrona, en función de nuestras necesidades y los casos de uso planteados.

JavaScript Integration

Una vez hayamos implementado el beacon correctamente, estaremos listos para comenzar a desarrollar el sitemap.

Configuración del catálogo

Como se detalló en el artículo anterior, el código JavaScript presente en el sitemap permitirá estructurar y definir la información que estará disponible para ser utilizada desde Interaction Studio.

En este post profundizaremos en cómo poblar el catálogo de la herramienta capturando las interacciones de los usuarios con los distintos productos, artículos o cualquier otro elemento comercial con el que cuente nuestra web. De cara a definir la estructura del catálogo, deberemos tener en cuenta los siguientes conceptos:

Items

Son cada uno de los elementos comerciales con los que los usuarios pueden interactuar en nuestra web. En función de las características comunes compartidas entre distintos items, estos se agrupan en item types. Ejemplos de item types serían Productos o Blog Posts, mientras que los items serían cada uno de los productos o posts presentes en la página.

Item Actions

Hacen referencia a los eventos utilizados para identificar las acciones que realizan los usuarios con los elementos de nuestro catálogo. Están predefinidos en la herramienta e incluyen comportamientos como dejar un comentario en un determinado item, añadirlo al carrito o finalizar una compra.

Catalog Attributes

Definen las características que describen o pertenecen a un determinado item. Todos los items pertenecientes al mismo item type compartirán los mismos atributos. Algunos ejemplos podrían ser el ID de un producto, su precio y el stock disponible.

Dimensiones

Se refieren a las características contextuales de un item que definen cómo se relaciona con otros items y/o item types. La principal diferencia con respecto a los atributos reside en el hecho de que estas relaciones son configurables, permitiendo un gran control y flexibilidad en la organización y análisis de los datos. Las posibilidades son las siguientes:

  • One per Item: Cada item solo podrá contar con un único valor de la dimensión. Por ejemplo, si en nuestra página tuviésemos productos de más de una marca, configuraríamos la dimensión Marca de esta manera, ya que cada producto estará vinculado a una marca concreta.
  • Many per Item: En este caso, un único item puede tener asociados distintos valores de una misma dimensión. Si definiésemos una dimensión como Keywords, cada item podría estar relacionado con más de una keyword.
  • One per SKU: Cada valor de la dimensión aplica a un SKU determinado. Esto será muy útil en el caso de vender un producto como zapatillas en nuestra web, cambiando los valores de la dimensión Color para cada SKU asociado al mismo modelo de zapatilla.

Catalog-Dimensiones

Además, Interaction Studio calculará la afinidad de los usuarios con las distintas dimensiones en función de sus interacciones con los elementos comerciales de la web. De esta manera, cada visitante tendrá una afinidad determinada con ciertas marcas, colores o cualquier otra dimensión que consideremos en nuestro modelo de datos.

Como veremos a continuación, dominar todos estos conceptos y dedicar el tiempo necesario a definir el catálogo de la manera más precisa posible nos permitirá exprimir al máximo los módulos de analítica predictiva que esta herramienta pone a nuestra disposición.

Einstein Recipes

Las Einstein Recipes componen el módulo recomendador de la herramienta. Se basan en algoritmos de machine learning para mostrar recomendaciones de productos únicas a cada visitante de nuestra web, adaptándose a los cambios en su comportamiento en tiempo real. Estas recetas se construyen teniendo en cuenta distintos elementos que debemos conocer a la perfección para aprovechar su gran flexibilidad.

  • Ingredientes: Son las piezas principales que componen una receta. Se utilizan para especificar el contenido y los productos que considerará el algoritmo teniendo en cuenta las interacciones de cada usuario y las relaciones que establecimos anteriormente entre los elementos del catálogo. Los ingredientes pueden combinarse estableciendo distintas ponderaciones entre ellos y fijando el periodo temporal de información histórica que se utilizará para entrenar el modelo en cada caso.

Einstein Recipes - Ingredients

  • Exclusiones: Se utilizan para filtrar las recomendaciones del algoritmo en función de factores como los productos que ha visto, añadido al carrito o comprado un usuario, las distintas dimensiones que hemos configurado o incluso listas estáticas de productos que pueden ser ingestadas en la herramienta para enriquecer aun más los datos utilizados por el modelo.
  • Potenciadores: Permiten explotar las afinidades descritas anteriormente, priorizando los items con mayores calificaciones y actions asociadas.
  • Variaciones: Limitan la cantidad de items del mismo tipo que serán recomendados, aumentando la variedad de elementos mostrados a los usuarios.

Einstein Recipes - Variations

Una vez configurada una receta, procederemos a entrenar el algoritmo resultante. A continuación, podremos crear grupos de prueba filtrando usuarios en función de su engagement con nuestra marca, su afinidad con ciertos elementos o cualquier otra característica que nos permita comprobar que las recomendaciones obtenidas en tiempo real se alinean con la estrategia de nuestra compañía.

 

Einstein Decisions

Las Einstein Decisions son la apuesta de Salesforce para mostrar personalizaciones one-to-one relevantes teniendo en cuenta el valor comercial de las distintas ofertas para nuestro negocio. Para ello, estableceremos las características de los usuarios que serán evaluadas y las métricas a optimizar, dotando al algoritmo de contexto sobre nuestros clientes y objetivos.

Einstein Decisions

De esta manera, podremos sacar el máximo partido a las capacidades de optimización basadas en inteligencia artificial de Interaction Studio, mostrando el contenido más adecuado para cada usuario en cada una de sus interacciones con cualquiera de los canales de nuestra marca (NBA/NBO).

La creciente necesidad de incorporar capacidades de análisis predictivo y toma automática de decisiones basadas en IA en las conversaciones con los usuarios que interactúan con nuestro negocio surge debida a la inmensa cantidad de datos presente en el ecosistema digital. Sin embargo, toda esta información debe ser estructurada y tratada de manera adecuada para poder explotar este tipo de tecnologías de manera eficiente.

Con todos estos elementos, las posibilidades que Interaction Studio pone a nuestra disposición son casi ilimitadas, alimentando sus módulos predictivos con un sinfín de información totalmente maleable en función de los objetivos y prioridades de cada tipo de negocio.

¿A qué esperas para aprovechar todas las funcionalidades que esta herramienta puede ofrecerte? Si todavía no te hemos convencido, ¡permanece atento a las siguientes publicaciones!

------------------------------------------------------------------------------------------------------------------------------------------

*Fuentes:

Salesforce Interaction Studio

Interaction Studio Knowledge Base

Pexels

Unirse al debate

Recibe nuestros posts en tu email