Compartir vía


¿Qué es Intelligent Recommendations?

Intelligent Recommendations democratiza las recomendaciones de IA y aprendizaje automático a través de una experiencia potente y sin código impulsada por la misma tecnología que mueve Xbox, Microsoft 365 y Microsoft Azure. Las empresas ahora pueden proporcionar descubrimiento relevante para los clientes con esta nueva e innovadora IA para personalización y recomendaciones.

Intelligent Recommendations brinda recomendaciones de productos personalizadas e información de telemetría mediante el uso de algoritmos de aprendizaje automático modernos. Estas recomendaciones y conocimientos le ayudarán a:

  • Mejore significativamente la navegación del catálogo y el descubrimiento de artículos.
  • Crear oportunidades adicionales y de venta cruzada.
  • Mejore las experiencias de los compradores y la usabilidad del producto.

Para obtener información general de Intelligent Recommendations, vea este vídeo:

Probar gratis

Comience una prueba gratuita de tres meses cuando cree una cuenta de 1 modelo, 1 RPS. Para obtener más información, consulta nuestra Guía de inicio rápido.

Funcionalidades

Intelligent Recommendations ayuda a las empresas a impulsar un mejor compromiso, conversión, ingresos y satisfacción del cliente. Intelligent Recommendations es un servicio de uso general que ofrece capacidades únicas y patentadas. Impulsa de manera más efectiva los resultados deseados desde el primer momento, como "comprar looks similares", "comprar por descripción", "tiempo real", "sesión". basado", recomendaciones basadas en elementos que pueden combinar las interacciones del usuario y los metadatos del elemento. Las empresas pueden promocionar y personalizar cualquier tipo de contenido, como productos vendibles, medios consumibles, documentos, videos y más.

Intelligent Recommendations proporciona las siguientes capacidades para las empresas:

  • AI-ML de clase mundial incorporado ofrece resultados sorprendentes y personalizados en cuestión de minutos. Proporcione experiencias de cliente perspicaces, personalizadas, adaptadas y más atractivas a partir de datos de comportamiento de usuario existentes o metadatos de elementos, para crear un impulso medible en cualquier negocio.

  • Fácil de integrar y extender en cualquier ecosistema y experiencia. Utilice herramientas sin código guiadas por la intuición comercial para probar, crear y entregar fácilmente cualquier personalización de modelo. Cuando se combina con API extensibles, esta capacidad permite una integración perfecta en cualquier ecosistema.

  • Servicio de software confiable a escala. Microsoft está democratizando la experiencia en aprendizaje automático, la plataforma compatible y las capacidades a gran escala para que las empresas puedan enfocarse en el próximo horizonte de crecimiento e innovación.

  • Gánese a los clientes con descubrimientos deliciosos. Impulse sugerencias hiperrelevantes para cualquier cliente o producto en Azure, lo que garantiza un viaje personalizado cada vez que un cliente interactúa con su negocio.

  • Altamente componible, fácilmente extensible. Altamente adaptable a la lógica y los escenarios comerciales personalizados, en función de los datos de entrada y la elección del algoritmo.

Aplicaciones comerciales de los sistemas de recomendación

Intelligent Recommendations permite a las empresas automatizar las recomendaciones relevantes, incluidos los resultados personalizados para los usuarios nuevos y recurrentes, También interpreta tanto las interacciones de los usuarios como los metadatos de los elementos o los usuarios. A cambio, las empresas reciben modelos de recomendaciones personalizados en función de sus necesidades y lógica empresarial. Intelligent Recommendations libera a las empresas de la tediosa gestión de colecciones editoriales. En cambio, ayuda a impulsar el compromiso, realizar experimentos y generar confianza con los consumidores.

Intelligent Recommendations e IA responsable

Microsoft está comprometido con el avance de la IA impulsada por principios que anteponen a las personas y protegen contra el abuso y los daños no deseados. Microsoft trabaja incorporando los principios de Microsoft para el uso responsable de la IA, creando filtros de contenido para ayudar a los clientes y brindando orientación sobre la implementación responsable de la IA a los clientes incorporados. Las elecciones que realiza como propietario del sistema influyen en la relevancia de las recomendaciones para sus clientes. Para obtener información sobre cómo Intelligent Recommendations uriliza la IA responsable, puede descargar una copia de nuestra Nota de transparencia de Intelligent Recommendations.

Ejemplo de escenarios admitidos

Intelligent Recommendations proporciona a las empresas un conjunto de herramientas de escenarios relevantes, como:

  • Recomendaciones personalizadas para usuarios finales: incluye una lista de contenido único para un usuario específico en función de sus hábitos de consumo e interacciones. Las empresas pueden recomendar productos, artículos, videos y más.

  • Artículos similares: según varias señales (interacciones del usuario) o metadatos (como imágenes, texto, amigos o datos demográficos). Las Intelligent Recommendations pueden recomendar artículos visualmente similares en un catálogo (por ejemplo, camisas con estampado floral) o mostrar vinos similares según la descripción y las notas de sabor.

  • Recomendaciones en tiempo real y basadas en sesiones para usuarios conocidos y desconocidos:cada recorrido del cliente ahora puede tener recomendaciones únicas, incluso los clientes nuevos.

  • Finalización de la cesta: muestra artículos complementarios para los usuarios en función de lo que ya hay en su carrito.

Estas interacciones pueden tener otros metadatos, como el momento de la transacción, la cantidad de dinero, la duración de la interacción y más.

La siguiente tabla describe el catálogo completo de recomendaciones de productos automatizadas disponibles para que las integre en sus experiencias de tienda existentes. Las recomendaciones se pueden distinguir aún más por el escenario. Para estos casos, ciertas listas tendrán un algoritmo seleccionable que diversifica los resultados devueltos. Obtenga más información sobre nuestros algoritmos para estos escenarios en nuestra Guía de preguntas y respuestas de modelado.

Escenario Descripción Ejemplo
Nuevo Devuelve una lista de los productos que se han surtido recientemente a canales y catálogos. Novedades en indumentaria.
Popular Devuelve una lista de productos clasificados por el máximo número de ventas. Ejemplo de tipo de lista Popular basado en la cantidad de juegos más vendidos.
Tendencias Devuelve una lista de los productos con el máximo rendimiento para un período determinado, clasificados por la mayor cantidad de ventas. Ejemplo de productos de tendencia.
Los usuarios que compraron este artículo también compraron Devuelve una lista de productos que se suelen comprar a la vez (complementarios) que el contenido del carro actual del consumidor. Ejemplo de Frecuentemente comprados juntos en una página de pago.
A la gente también le gusta Devuelve productos para un producto de inicialización determinado según los patrones de compra del consumidor. Se puede cambiar en función de la acción del consumidor (compra, visualizaciones). Ejemplo de A la gente también le gusta en una página de detalles del producto.
Picking para usted Devuelve una lista personalizada de productos basada en los patrones de compra del usuario que inició sesión. Para un usuario invitado anónimo, esta lista se contraerá. Ejemplo de selecciones de recomendaciones.
Comprar looks similares Devuelve una lista de productos con imágenes visualmente similares. Ejemplo de comprar looks similares que muestren vestidos degradados visualmente similares.
Comprar similares por descripción Devuelve una lista de productos con descripciones de contenido textualmente similares. Ejemplo de Comprar similar por descripción que muestra productos con descripciones similares a los zapatos de salón con estampado de leopardo.

Consulte también

Obtener información sobre la arquitectura de Intelligent Recommendations
Implementar Intelligent Recommendations
Guía de inicio rápido de Intelligent Recommendations
Intelligent Recommendations APINota de transparencia de Intelligent Recommendations