Podcast - IA aplicada a sistemas de recomendación de productos con Google Retail API

Con el paso del tiempo hemos normalizado que nos recomienden cosas y que lo hagan bien, pero los insiders del mundillo sabemos que no es precisamente fácil hacer un sistema de recomendaciones que acierte, que escale y que no se limite a ponerte el top 10 más vendido de una categoría….

Por suerte, cada vez es más frecuente encontrarnos sistemas de IA ya empaquetados como servicios, incluso adaptados a nuestro tipo de negocio.

En este episodio hablamos de la IA aplicada a sistemas de recomendación, concretamente de la plataforma de Google Recommendations AI. Veremos qué pasos son necesarios para construir un sistema de recomendaciones, cómo ajustar el sistema para diferentes objetivos de negocio, qué modelos están disponibles, qué herramientas de Google se pueden integrar, etc.

Retail: ¿foco puesto en los sistemas de recomendación?

Echando un vistazo al ecosistemas de lo retailers, hemos visto que en los últimos años han surgido varias tendencias clave:

• Reducción de las visitas en tiendas físicas provocadas por la pandemia.
• Experiencia de cliente como una prioridad, ya que está demostrado que en épocas de crisis, los negocios con el cliente en el centro se resienten menos y se recuperar antes.
• Valor creciente de la personalización: las recomendaciones personalizadas reportan potenciales beneficios (aumento del revenue) mediante búsquedas adaptadas, recomendaciones…

Cómo adaptarse a estas tendencias clave:

• Los compradores esperan una experiencia omnicanal fluida.
• Navegar y encontrar productos debe ser fácil en todos los formatos.
• Las experiencias deben adaptarse a sus necesidades de compra específicas.

Recommendations AI: "AI" rescate

Por suerte, hay herramientas que nos permiten adaptarnos fácilmente a estos necesarios cambios como puede ser Recommendation AI de Google Cloud, que destaca por los siguientes puntos fuertes:

• Machine Learning de última generación para una personalización inteligente.
• Mejoras en métricas como click-through rate, conversion rate y revenue.
• Servicio a escala global totalmente gestionado.
• Fácil integración de datos con aplicaciones nuevas y existentes.
• Integración vía API, por lo que es fácilmente integrable en cualquier punto del customer journey.

¿Cómo implementarlo en tu empresa?

Vamos a hablar de los pasos necesarios para implementar y desplegar un sistema de recomendación. Como pre-requisito es necesario tener un proyecto en GCP, como ya os habréis imaginado.

1. Importar el catálogo de productos. El producto espera el catálogo en un formato específico, pero fácilmente adaptable al nuestro.
2. Importar los eventos de usuario. Lo mismo pasa con los eventos de los usuarios, en este caso los podemos llevar desde Analytics fácilmente a través de BigQuery o por API.
3. Crea la configuración, el modelo y los controles de entrega. Una vez tenemos los datos nos toca la parte de configuración, qué necesitamos obtener del modelo y algún que otro parámetro más.
4. Entrenamiento del modelo. La parte más fácil, dar a un botón y esperar de 2 a 5 días para que la IA haga su magia.
5. Prueba tu modelo y configuración. Gracias a su interfaz web es fácil probar cómo funciona el modelo antes de ponerlo en producción.
6. Experimenta y evalúa. Una vez todo lo anterior esté listo, solo nos queda disfrutar de nuestras recomendaciones e incluirlas en nuestra web, app o donde las necesitemos.

Con esto ya tenemos una visión general de las necesidades, funcionalidades y cómo implantar Recommendation AI… Si además quieres saber cómo le fue al equipo usándolo y algún que otro dato interesante sobre este servicio ¡no te pierdas el episodio del podcast!

¿Dónde escuchar todos nuestros podcast?

Puedes escucharlos en las principales plataformas de podcast: Ivoox, Spotify, YouTube, Google Podcast, Apple Podcast y Amazon Music.