Recommendations AI
Recommendations AI est un service managé qui permet de délivrer à grande échelle des recommandations produits hautement personnalisées.
Recommendations AI construit un modèle de recommandation spécifique, en exploitant les produits du catalogue d’un site Web et le comportement des utilisateurs. Les recommandations pour d’autres produits du catalogue pourront ensuite être demandées et être affichées aux utilisateurs.
Le service fonctionne indépendamment des outils marketing Google, cependant l’implémentation est simplifiée pour les utilisateurs de Google Tag Manager ou de Google Merchant Center.
Comment fonctionne Recommendations AI ?
Pour exploiter Recommendations AI il est conseillé de suivre le workflow suivant:
- importer les catalogues produits
- importer les évènements utilisateur
- entraîner un ou plusieurs modèles de recommendation en fonction des objectifs et règles métiers
- interroger les modèles pour obtenir des recommendationns
Importer le catalogue produit
La première étape consiste à importer le catalogue de produits dans Recommendations AI.
Le catalogue de produits contient les informations sur les produits vendus aux clients, incluant le titre du produit, sa description, sa disponibilité en stock, ses prix.
Il est possible d’importer ces produits depuis BigQuery ou Cloud Storage.
Si Google Merchant Center est utilisé, les données sont directement au bon format et un export dans BigQuery depuis Merchant Center permettra ensuite d’importer les données sans autre modification dans Recommendations AI.
Si Google Merchant Center n’est pas utilisé, il faudra importer les données dans une table BigQuery conforme au schéma Recommendations AI Product Catalogs Schema
Il est important de maintenir son catalogue à jour afin que Recommendations AI puisse fournir les meilleures recommandations. Il est recommandé d’importer son catalogue quotidiennement afin de garantir que Recommendations AI travaille avec le catalogue courant. Une approche est d’utiliser Google Cloud Scheduler pour planifier les imports et mettre à jour uniquement les nouveaux éléments ou ceux qui ont changé.
Importer les évènements utilisateur
La deuxième étape consiste à importer des événements utilisateur.
Les événements utilisateurs enregistrent le comportement de l’utilisateur final d’un site web, incluant les recherches, consultations ou achats d’articles spécifiques.
Recommendations AI va utiliser ces évènements pour générer des recommandations de prochain produit qui intéressera l’utilisateur.
Il est possible d’importer ces évènements depuis BigQuery, Cloud Storage, ou en ligne via un appel à l’API.
Si Google Analytics 360 est utilisé, les données sont directement au bon format et un export dans BigQuery depuis Google Analytics permettra ensuite d’importer les données sans autre modification dans Recommendations AI.
Si Google Analytics n’est pas utilisé, il faudra importer les données dans une table BigQuery conforme au schéma Recommendations AI User Events Schema.
Les évènements peuvent être enregistrés:
- en utilisant un pixel JavaScript
- en envoyant les évènements directement vers l’API
- en utilisant un tag Tag Manager
Créer des modèles de recommandation
La troisième étape consiste à créer des modèles de recommandation.
Plusieurs types de modèles sont disponibles
- Others you may like qui prédit le prochain produit qu’un utilisateur va certainement acheter, en rapport avec un produit particulier
- Frequently bought together qui prédit des produits achetés fréquemment avec un ou plusieurs produits du catalogue dans la même session d’achat
- Recommended for you qui prédit le prochain produit qu’un utilisateur va certainement acheter
En fonction du type de modèle choisi, il sera possible de définir l’objectif métier:
- Click-through rate (CTR)
- Conversion rate (CVR)
- Revenue per session
Interroger les modèles
Une fois les modèles créés, il est possible d’obtenir des recommandations via l’API de prédiction et de les afficher au point de contact client, par exemple directement sur un site web.