Skip to main content

Usar MCP Recommendations

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

  • Definir términos esenciales relacionados con las estrategias de recomendación.
  • Comparar MCP Recommendations con un sistema de recomendación estático.
  • Explorar cómo crear, refinar e implementar campañas de recomendación.

Visión general de Recommendations

Marketing Cloud Personalization Recommendations se integra sin dificultades con su conjunto de datos para ofrecer recomendaciones instantáneas en tiempo real para los visitantes de su sitio web. A diferencia de los sistemas de recomendaciones estáticos, Marketing Cloud Personalization permite hacer sugerencias dinámicas que se actualizan continuamente en función del comportamiento actual del visitante y sus preferencias históricas.

Esto se logra a través del catálogo de Marketing Cloud Personalization, una base de datos dinámica que almacena productos, contenido, categorías y etiquetas. Se actualiza automáticamente en tiempo real, lo cual asegura que las recomendaciones reflejan los datos más recientes disponibles. Los productos agotados se eliminan automáticamente de las recomendaciones.

Este nivel de personalización permite a sus negocios lo siguiente:

  • Recomendar productos, contenido, marcas y categorías personalizadas para cada visitante.
  • Usar el aprendizaje automático para ofrecer sugerencias oportunas y relevantes.
  • Implementar recomendaciones personalizadas en varias industrias.

A diferencia de los motores de recomendación de caja negra, Marketing Cloud Personalization Recommendations es completamente transparente. Puede ver qué impulsa las recomendaciones y personalizarlas con algoritmos preconstruidos conocidos como recetas. Esta flexibilidad garantiza que las recomendaciones se alinean con los objetivos de negocio y las preferencias del usuario.

Una receta es un conjunto de reglas y algoritmos que determinan cómo se generan las recomendaciones. Las recetas están compuestas por lo siguiente:

  • Ingredientes: los principales algoritmos de aprendizaje automático que generan recomendaciones
  • Exclusiones: reglas que filtran los artículos no deseados (por ejemplo, eliminar los artículos que ya están en el carrito)
  • Impulsores: mecanismos que priorizan recomendaciones en función de la afinidad del visitante

Por ejemplo, los impulsores de afinidad de marca priorizan recomendaciones de marcas por las que el visitante se mostró interesado y crean una experiencia altamente personalizada.

Bloques y plantillas de artículos

Marketing Cloud Personalization facilita la implementación de recomendaciones mediante el uso de bloques y plantillas de artículos con formato previo.

  • Bloques de artículos: contenedores que presentan recomendaciones en un formato estructurado.
  • Plantillas de artículos: diseños personalizables que definen cómo aparecen los artículos recomendados.

Mediante el uso de estas herramientas, puede integrar recomendaciones a su sitio web sin esfuerzos ni codificación intensiva.

Recomendaciones específicas de la industria

Marketing Cloud Personalization está diseñada para varias industrias, lo cual permite que su negocio perfeccione sus estrategias de recomendación en función de sus necesidades exclusivas. Marketing Cloud Personalization Recommendations admite la personalización individual en tiempo real en varias industrias a través del aprendizaje automático y esto le permite lo siguiente:

  • Brindar recomendaciones personalizadas de gran relevancia para cada visitante.
  • Usar algoritmos transparentes para perfeccionar las estrategias de recomendación.
  • Garantizar que las recomendaciones sigan siendo oportunas y que estén actualizadas sin necesidad de hacer cambios manuales.

Estos son ejemplos de cómo Marketing Cloud Personalization puede beneficiar a determinadas industrias.

Industria

Qué puede hacer MCP

Ejemplo

Venta minorista y comercio electrónico

  • Brindar sugerencias personalizadas sobre productos en función del comportamiento de compra actual y anterior
  • Identificar categorías y marcas en tendencia que se alinean con las preferencias del cliente
  • Brindar recomendaciones en la página de inicio que muestran artículos relevantes para inspirar el descubrimiento de productos

Un visitante que explora marcas de ropa deportiva con frecuencia puede recibir sugerencias de novedades de estos productos, lo cual aumenta la implicación y las tasas de conversión.

Servicios financieros

  • Sugerir fondos de inversión, planes de seguros o tipos de cuenta en función de los intereses del cliente
  • Mostrar recursos y artículos financieros en tendencia en función de la implicación del visitante
  • Personalizar recomendaciones de manera que coincidan con las preferencias de clase de activo del cliente

Si un visitante explora artículos sobre planificaciones de jubilación, puede recibir recomendaciones de productos de inversión relevantes.

Generación de demanda y tecnología

  • Sugerir estudios de caso, seminarios web o documentos técnicos en función del comportamiento del visitante
  • Mostrar recursos personalizados que se alinean con la función o la industria del visitante
  • Evitar recomendaciones redundantes mediante la exclusión de contenido descargado previamente

Las interacciones pasadas de un visitante y sus intereses en la industria desencadenan recomendaciones personalizadas de libros electrónicos en una página de inicio.

Ahora que comprende los aspectos básicos de Marketing Cloud Personalization Recommendations, está en condiciones de revisar algunos datos. La siguiente parada del recorrido de MCP consiste en reportes.

Recursos

Comparta sus comentarios de Trailhead en la Ayuda de Salesforce.

Nos encantaría saber más sobre su experiencia con Trailhead. Ahora puede acceder al nuevo formulario de comentarios en cualquier momento en el sitio de Ayuda de Salesforce.

Más información Continuar a Compartir comentarios