{"id":32910,"date":"2023-08-24T09:00:57","date_gmt":"2023-08-24T07:00:57","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=32910"},"modified":"2024-01-25T10:35:10","modified_gmt":"2024-01-25T09:35:10","slug":"inteligencia-artificial-en-sap-commerce-recomendaciones-inteligentes-y-personalizadas","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/inteligencia-artificial-en-sap-commerce-recomendaciones-inteligentes-y-personalizadas\/","title":{"rendered":"Inteligencia Artificial en SAP Commerce: recomendaciones inteligentes y personalizadas"},"content":{"rendered":"

En el mundo del comercio electr\u00f3nico actual, destacar y ofrecer experiencias de compra personalizadas<\/strong> se ha vuelto crucial para sobresalir en un mercado altamente competitivo. Una de las herramientas m\u00e1s destacadas en este sentido es Intelligent Selling Service (ISS) de SAP Commerce<\/strong>. Este sistema inteligente de recomendaciones analiza comportamientos de los usuarios y aprende de ello a fin de proporcionar recomendaciones de<\/strong> productos m\u00e1s personalizadas y precisas<\/strong>. El objetivo es mejorar la experiencia del cliente<\/strong>, aumentando as\u00ed sus oportunidades de conversi\u00f3n y fidelidad hacia la marca. Con su enfoque en la inteligencia artificial y el aprendizaje autom\u00e1tico<\/strong>, ISS es una herramienta integral para navegar y tener \u00e9xito en la era digital del comercio electr\u00f3nico.<\/p>\n

Intelligent Selling Service se integra directamente con sistemas basados en SAP Commerce Cloud. Se trata de un sistema nativo en la nube con una interfaz de usuario muy intuitiva para una f\u00e1cil gesti\u00f3n y configuraci\u00f3n de datos.<\/p>\n

Utiliza datos de comportamiento en tiempo real<\/strong> para crear experiencias personalizadas, brindando recomendaciones y carruseles de productos relevantes. Con el apoyo de t\u00e9cnicas de an\u00e1lisis avanzado y algoritmos de aprendizaje autom\u00e1tico, ISS ayuda a maximizar la inversi\u00f3n en SAP Commerce Cloud, mejorando la participaci\u00f3n del cliente, generando crecimiento en los ingresos y optimizando los procesos de ventas<\/strong>. Su enfoque impulsado por la inteligencia artificial (IA) y el aprendizaje autom\u00e1tico (ML) permite actualizar constantemente las recomendaciones y maximizar el impacto comercial utilizando datos de telemetr\u00eda en tiempo real.<\/p>\n

De igual modo permite asegurar que el contenido de cualquier carrusel de productos del sitio web est\u00e9 actualizado y refleje las tendencias actuales y los objetivos comerciales<\/strong>. El mantenimiento autom\u00e1tico del contenido ahorra tiempo al comerciante<\/strong> para que pueda concentrarse en otras \u00e1reas de trabajo.<\/p>\n

Se trata de un sistema nativo en la nube disponible para licencias profesionales y empresariales de la versi\u00f3n SAP Commerce Cloud (no es compatible con instalaciones on premise). Para utilizarlo \u00fanicamente es necesario tener provisionado un tenant de Intelligent Selling Services as\u00ed como una tienda en l\u00ednea de SAP Commerce Cloud.<\/p>\n

Inteligencia Artificial en SAP Commerce: m\u00f3dulos de funcionalidad b\u00e1sicos<\/h2>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

Foundation<\/h3>\n

Consiste en el seguimiento continuo y recopilaci\u00f3n de los datos de comportamiento del cliente<\/strong> para que puedan utilizarse en otros m\u00f3dulos. Se registran datos de clics provenientes de SAP Commerce Cloud, o cualquier otro sistema externo que pueda proporcionar informaci\u00f3n a la base de datos Foundation de ISS. Estos datos recopilados se utilizan luego para respaldar los m\u00f3dulos de merchandising y recomendaci\u00f3n, mostrando, por ejemplo, qu\u00e9 productos ven, agregan al carrito o compran los clientes.<\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

Merchandising<\/h3>\n

Promueve y anuncia productos de manera que mejora la experiencia del usuario. Este m\u00f3dulo se enfoca en proporcionar una interfaz gr\u00e1fica intuitiva para que los comerciantes definan y visualicen inmediatamente el contenido<\/strong>, as\u00ed como en selecciones de productos basadas en m\u00e9tricas. Ofrece la capacidad de programar preferencias de tiempo sin necesidad de interacci\u00f3n manual.<\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

Recommendation<\/h3>\n

Ofrece recomendaciones inteligentes de productos basadas en el comportamiento del cliente.<\/strong> Este m\u00f3dulo utiliza algoritmos avanzados y an\u00e1lisis de datos para sugerir recomendaciones personalizadas de productos. Toma como referencia las acciones de los visitantes de la tienda para mostrar los productos m\u00e1s relevantes durante su recorrido de compra.<\/p>\n

La soluci\u00f3n tambi\u00e9n recopila informaci\u00f3n sobre qu\u00e9 productos se venden mejor, cu\u00e1les son populares y cu\u00e1les est\u00e1n subexpuestos, y se adapta autom\u00e1ticamente para mostrar recomendaciones personalizadas que maximicen la tasa de clics del usuario. Adem\u00e1s, proporciona una interfaz de usuario sin necesidad de codificaci\u00f3n que permite crear los tipos adecuados de recomendaciones de productos para diversas p\u00e1ginas de la tienda en l\u00ednea. Hay disponibles los siguientes tipos de recomendaciones:<\/p>\n

Productos Relacionados<\/h4>\n

Muestra productos alternativos<\/strong> a los que el usuario est\u00e1 viendo actualmente, analizando el comportamiento de los usuarios en la tienda en l\u00ednea. Gu\u00eda al usuario para que observe otros productos sin tener que volver a las listas de categor\u00edas o resultados de b\u00fasqueda. Ofrece recomendaciones basadas en lo que los usuarios suelen ver despu\u00e9s de acceder a un producto concreto. Predice b\u00e1sicamente el siguiente clic del usuario en funci\u00f3n de lo que otros usuarios han visto a continuaci\u00f3n<\/strong>.<\/p>\n

El sistema recopila datos para entrenar una red neuronal profunda (Deep Neural Network<\/em>) desarrollada por el equipo data science de SAP. Esta red analiza lo que los usuarios hacen durante una sesi\u00f3n o visita web<\/strong> y haciendo uso de t\u00e9cnicas de aprendizaje profundo o deep learning<\/em> analiza los recorridos de compra de todos los usuarios<\/strong> y condens\u00e1ndolos en un mapa de probabilidades de transici\u00f3n. Dependiendo de los patrones de exploraci\u00f3n los productos m\u00e1s probablemente relacionados se muestran al usuario.<\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

El aprendizaje autom\u00e1tico detr\u00e1s de las recomendaciones optimiza la tasa de clics del usuario<\/strong>, por lo que el efecto neto para el negocio es mayor cantidad de visitas a las p\u00e1ginas y un aumento en el tiempo de uso del sitio por parte del usuario.<\/p>\n

Productos personalizados<\/h4>\n

Esta funci\u00f3n hace uso de la informaci\u00f3n hist\u00f3rica, el comportamiento del usuario, metadatos del producto y el comportamiento de los usuarios en el site. Utilizando t\u00e9cnicas de machine learning<\/em> (ML) y deep learning<\/em> se analizan los recorridos de compra de todos los usuarios y se infieren recomendaciones personalizadas para cada usuario<\/strong>. El modelo de ML est\u00e1 optimizado para proporcionar una personalizaci\u00f3n relevante y en tiempo real dentro de una sesi\u00f3n<\/strong>, por lo que los productos recomendados pueden cambiar mucho, incluso despu\u00e9s de una sola vista de producto por parte del usuario.<\/p>\n

Productos complementarios<\/h4>\n

Este funci\u00f3n muestra productos que complementan los productos con los que el cliente interact\u00faa<\/strong>, ya sea vi\u00e9ndolos o agreg\u00e1ndolos al carrito. Determina los productos que se compran con mayor frecuencia juntos (utilizando deep learning<\/em> para analizar las compras anteriores de los usuarios). Ayudar al cliente a identificar todos los productos del mismo grupo conduce a un aumento tanto en la tasa de conversi\u00f3n como en el valor promedio del pedido.<\/p>\n

Productos de reposici\u00f3n<\/h4>\n

Muestra recomendaciones de productos que se compran de modo repetido en intervalos regulares de tiempo<\/strong>. Mediante t\u00e9cnicas de deep learning<\/em> se verifican los pedidos anteriores de los clientes para determinar sus h\u00e1bitos de compra y calcular el momento adecuado para mostrar los productos correctos. Por ejemplo, si el consumidor compra frecuentemente un producto en particular una vez a la semana, ese producto solo se recomendar\u00e1 despu\u00e9s de que hayan transcurrido unos d\u00edas desde el pedido anterior que contiene ese producto.<\/p>\n

Productos populares<\/h4>\n

Proporciona la mejor combinaci\u00f3n de productos<\/strong>, basada en una l\u00f3gica comercial adaptada manualmente y en base a m\u00e9tricas actualizadas. Un ejemplo podr\u00eda ser potenciar los productos con m\u00e1s \u00abunidades vendidas\u00bb.<\/p>\n

Productos vistos recientemente<\/h4>\n

Listado de productos que el usuario ha visto recientemente<\/strong>, para que puedan navegar r\u00e1pidamente hacia los productos que han estado viendo.<\/p>\n

C\u00f3mo configurar un carrusel en SAP Commerce con Intelligent Selling Services<\/h2>\n

Una vez que tenemos una instancia de ISS conectada con Commerce (para m\u00e1s detalle t\u00e9cnico consultar este enlace) los pasos a seguir para mostrar nuestro primer carrusel de productos recomendados inteligente ser\u00edan los siguientes.<\/p>\n

1. Acceder a la instancia de ISS en la nube y seleccionar el site<\/strong> sobre el que queremos actuar<\/h3>\n

2. Utilizar el Product Mix Builder <\/em>para crear combinaciones de productos y el Strategy Builder <\/em>para asociar esas combinaciones de productos a las estrategias<\/strong><\/h3>\n

Strategy Builder<\/em> se trata de una interfaz de usuario que ayuda a crear, dise\u00f1ar y configurar nuevas estrategias de merchandising<\/strong>, permitiendo asociar las combinaciones de productos a las estrategias. Es posible utilizar la misma combinaci\u00f3n de productos en m\u00faltiples estrategias y configurar la estrategia por tiempo\/fecha, as\u00ed como asignar prioridades a cada combinaci\u00f3n de productos asociada. Si hay varias combinaciones de productos que potencialmente pueden asociarse a una p\u00e1gina, la aplicaci\u00f3n utilizar\u00e1 la combinaci\u00f3n de productos con mayor prioridad.<\/p>\n

Product Mix Builder <\/em>es la interfaz utilizada para facilitar la configuraci\u00f3n de esas combinaciones de productos<\/strong>. Se debe especificar su tipo, es decir, el modo de recomendaci\u00f3n seleccionado: productos relacionados, personalizados, complementarios, de reposici\u00f3n, populares o m\u00e1s vistos.<\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

El siguiente paso consiste en la configuraci\u00f3n de los <\/strong>influencers<\/strong>,<\/em> es decir, un conjunto de datos analizados (tasa a inclusi\u00f3n en carrito, tasa de conversi\u00f3n, unidades vendidas, n\u00famero de p\u00e1ginas vistas, etc.) para impulsar m\u00e9tricas espec\u00edficas en tu combinaci\u00f3n de productos. Al definir un influencer<\/em>, se modifica el orden de los productos. Por ejemplo, si buscas promocionar tus productos m\u00e1s vendidos, al definir el influencer <\/em>relacionado con las tasas de conversi\u00f3n, los productos menos destacados se desplazar\u00e1n hacia arriba en la lista.<\/p>\n

Estos influenciadores trabajan con algoritmos subyacentes que procesan datos en un conjunto amplio de productos. Los cambios en la ponderaci\u00f3n del influencer <\/em>conllevan una variaci\u00f3n correspondiente en la recomendaci\u00f3n previa de productos. Cada influencer <\/em>se controla mediante un deslizador que se mueve entre -100 y 100, determinando si un influencer <\/em>es positivo o negativo para la m\u00e9trica. Un influenciador negativo impulsa el inverso de la m\u00e9trica; muestra los productos con menos de cualquier influenciador seleccionado.\u00a0 Los influenciadores pueden combinarse para crear una combinaci\u00f3n \u00fanica que cumpla con los objetivos comerciales del producto.<\/p>\n

La adici\u00f3n de influenciadores es necesaria para el product mix<\/em> del tipo \u00abproductos m\u00e1s populares\u00bb, mientras que para los productos del tipo \u00abProductos relacionados\u00bb y \u00abproductos personalizados\u00bb, los influenciadores son opcionales y pueden servir como una herramienta adicional (y afectan parcialmente -50%- en el orden de clasificaci\u00f3n de los productos). La plataforma ISS ofrece un panel de vista previa que permite a los usuarios verificar los cambios en tiempo real en los influenciadores y la mezcla de productos. Por ejemplo, si uno desea crear una recomendaci\u00f3n para mostrar productos frecuentemente agregados al carrito de compras, se tiene que seleccionar el recomendador \u00abProductos m\u00e1s populares\u00bb, agregar el influencer <\/em>relacionado, y ajustar su peso (cada vez que cambies el valor del peso, la recomendaci\u00f3n previa de productos tambi\u00e9n cambiar\u00e1 en consecuencia).<\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

3. Crear un carrusel de merchandising en las plantillas o p\u00e1ginas que se deseen v\u00eda SmartEdit<\/em><\/strong><\/h3>\n

El identificador de cada estrategia constituye la clave para conectar con un componente de carrusel de productos CMS en las p\u00e1ginas web de SAP Commerce Cloud.<\/p>\n

El componente que debe utilizarse es el denominado \u00abMerchandising Carousel\u00bb.<\/em><\/p>\n

\"\"<\/p>\n

Fuente: SAP<\/p>\n

Simplemente hay que arrastrar el tipo de componente Carrusel y soltarlo en la posici\u00f3n deseada en la p\u00e1gina, seleccionando la estrategia previamente definida en ISS y otros campos relacionados como el n\u00famero de elementos a mostrar en el carrusel. Despu\u00e9s solo tenemos que asegurarnos de que la p\u00e1gina web se ha sincronizado correctamente, y con ello ya tendr\u00edamos el carrusel de recomendaciones inteligente en SAP Commerce Cloud.<\/p>\n

En el caso de no utilizar SmartEdit todo lo anteriormente comentado puede replicarse con facilidad invocando directamente a la API Service de Intelligent Selling Service.<\/p>\n

4. Utilizar el Informe de Merchandising para medir el rendimiento de tus recomendaciones<\/strong><\/h3>\n

ISS integra un \u00e1rea de reporting y monitorizaci\u00f3n en el que visibilizar res\u00famenes estad\u00edsticos. El informe de Merchandising proporciona informaci\u00f3n sobre los KPI principales y permite comparar f\u00e1cilmente el rendimiento de diferentes esfuerzos de merchandising.<\/p>\n