«Para ganarte la confianza y fidelidad de tus clientes, demuéstrales lo bien que los conoces». Con este gancho publicitario, la plataforma Google Cloud introduce uno de sus últimos productos vinculados a la IA y el machine learning, Recommendations AI. Brindar sugerencias precisas y personalizadas de productos en comercio electrónico es el objetivo de este sistema de recomendaciones, presentado durante la Cloud Next 2019.

Celebrada en San Francisco (EE.UU), la conferencia anual del buscador de Alphabet acogió novedades tan esperadas como la herramienta Cloud Run de computación sin servidores, la plataforma Anthos de arquitectura multi-nube o el servicio Recommendations AI. Esta última iniciativa refuerza el interés de Google por la inteligencia artificial, manifestado ya en la actualización Neutral Matching de 2018 y el algoritmo Bert de finales de 2019.

Recommendations AI se define como un sistema de recomendaciones de Google desarrollado para ayudar a empresas vinculadas al ecommerce y el retail a sugerir productos a sus clientes; por ejemplo, upsells y cross-sells. Los de Mountain View aprovechan la experiencia acumulada de su buscador matriz en «productos tan emblemáticos como Google Ads, la Búsqueda de Google y YouTube» para «ofrecer recomendaciones personalizadas en todos los puntos de contacto con los clientes según sus gustos y preferencias», como explican en la página oficial del servicio, integrado en Google Cloud.

Los avances en IA y machine learning han posibilitado el lanzamiento de esta herramienta, que promete adaptarse al comportamiento de los consumidores y optimizar KPIs tan valiosas como las conversiones, el CTR o el coste por lead.

Así funciona Recommendations AI, una herramienta nacida del «machine learning» de Google

De inestimable utilidad, las recomendaciones de búsqueda en Google tienen un largo recorrido en sus SERPs. La función Suggest o Autocompletar, por ejemplo, fue introducida en 2008. Más longevo es el apartado de búsquedas relacionadas que figura al pie de sus páginas de resultados.

Disponible en versión beta desde julio de 2020, Recommendations AI traslada la experiencia adquirida en plataformas como Google Ads o YouTube a los clientes de Google Cloud, dándoles la oportunidad de ajustar mejor sus productos a las necesidades de cada comprador. Su funcionamiento se basa en «las últimas arquitecturas de aprendizaje automático de Google», que «se adaptan dinámicamente al comportamiento de los clientes en tiempo real y a los cambios en diversas variables, como la gama de productos, los precios y las ofertas especiales», en palabras de sus desarrolladores.

Porque la discordancia entre los productos buscados por un cliente y los ofrecidos por empresas ocasiona un goteo de ventas y oportunidades, fácil de disminuir con ayuda de la personalización, objetivo primordial de Recommendations AI. El responsable de productos de Google, Pallav Mehta, asegura que esta herramienta «es capaz de reconstruir el historial del buyers’s journey de un cliente y brindarle recomendaciones de productos personalizadas».

Básicamente el punto de partida de Recommendations AI es el consumidor, no el producto. Este enfoque mejora el rendimiento de sus sugerencias, «al poner un mayor énfasis en cada cliente individual en lugar de hacerlo en un artículo», como explica Pallav Mehta. A un nivel más profundo, «sus modelos de deep learning utilizan metadatos de elementos y usuarios para extraer información sobre millones de elementos a escala e iterar constantemente sobre esa información en tiempo real», concluye.

Los clientes de Recommendations AI tienen acceso a una interfaz visual que les ayuda a monitorear y configurar sus recomendaciones, sin interrumpir en flujo constante de datos procedentes de servicios como Google Tag Manager, Google Analytics 360, Merchant Center, Cloud Storage, etc. Pese a su elevado automatismo, esta plataforma permite añadir metatags no estructuradas. Por ejemplo, las imágenes, descripciones o títulos de productos.

Pero además, las sugerencias de Google en Recommendations AI pueden implementarse en múltiples páginas y secciones web, ya sea la home, una categoría de productos, el carrito de compras o la página de checkout. Por supuesto, son compatibles con la navegación web y mobile, impactando en todos los públicos.

Automático, inteligente y en armonía con el RGPD: 5 ventajas de Recommendations AI para ecommerce

Según datos de Google, el uso de Recommendations AI aumenta las conversiones en un 40%, la tasa de clics en un 90% y los ingresos hasta un 50%. A su eficacia testada se suman beneficios como la inmediatez de su puesta en marcha, que posibilita el volcado de datos existentes en otras herramientas pertenecientes a Google, como Analytics 360, Merchant Center o BigQuery. Así, los interesados pueden disfrutar sin esperas de las funciones de esta plataforma.

Pero además, Recommendations AI aumenta el valor de la información, útil en cualquier empresa de ecommerce para adelantarse a las necesidades de sus clientes, perfeccionar sus productos o tomar decisiones sobre la siguiente campaña de marketing.

Siempre a la vanguardia en inteligencia artificial, esta herramienta se sirve de los últimos modelos de machine learning para predecir el impacto de cambios en los productos y garantizar el mayor éxito posible para las opciones de personalización sugeridas.

Las compras complementarias (upsells, cross-sells) pueden el monto del carrito de compras, pero dependen de un eficaz sistema de recomendaciones.

Otra de las ventajas del servicio de recomendaciones de Google para ecommerce es la automatización. Determinadas tareas mecánicas y repetitivas —como el ajuste de parámetros, el entrenamiento de modelos de aprendizaje automático o el preprocesamiento de datos— consumen un tiempo y esfuerzo valiosos para los equipos de markering, que Recommendations AI les ahorra. Beneficiarse del big data nunca fue tan cómodo. Pero esta automatización no resta control a los responsables de la estrategia de marketing, que pueden influir en las sugerencias de Recommendations AI en función de los objetivos deseados (conversiones, ingresos, etc.).

La seguridad de los datos, además, está garantizada por las políticas internas de Google Cloud. Porque los clientes «son propietarios de sus datos y controlan cómo se utilizan», siendo además «libres para dejar de utilizar el producto» sin temor a que su información sensible ni la de sus consumidores se vea comprometida. «La protección de datos es fundamental para la forma en que diseñamos y construimos nuestros productos», puntualizan desde la plataforma de cloud computing de Google. Por último, Recommendations AI opera cumpliendo las directrices del Reglamento General de Protección de Datos (RGPD).

Cómo implementar Recommendations AI en páginas web y tiendas online

La implementación de Recommendations AI es un proceso relativamente simple, que se agiliza para los usuarios de Merchant Center o Tag Manager. La siguiente explicación, no obstante, será útil para cualquier empresa o profesional, sea o no cliente de estos servicios de Google.

En primer lugar, los interesados deben crear un perfil y un proyecto en Google Cloud, procurándose un identificador API y un token de OAuth que les permita acceder al proyecto creado. Seguidamente importarán su catálogo de productos utilizando los métodos ‘catalogItems.create’ y ‘catalogItems.import’. Después, registrarán los eventos de usuario, responsables de rastrear cada una de sus interacciones con los productos recomendados.

El siguiente paso consiste en configurar Recommendations AI, de acuerdo a la ubicación, los objetivos comerciales y otros enfoques, necesarios para garantizar la calidad de las recomendaciones ofrecidas por esta herramienta.

Antes de la creación de modelos, Recommendations AI requiere una cantidad mínima de datos históricos para realizar predicciones útiles sobre el comportamiento e intereses de los usuarios. Se realizará, por tanto, el entrenamiento de modelos, un proceso de recopilación de información que, sin los avances en machine learning, tardaría meses en lugar de 2-5 días de duración.

Tras la creación del modelo propiamente, se procede a su activación, accediendo después a la vista previa que permite comprobar el aspecto de las recomendaciones. Este proceso continúa con la realización de test A/B, a fin de comparar el rendimiento de la página web con y sin recomendaciones de este servicio. Finalizado este paso, los clientes podrán acceder a las métricas de su proyecto en el dashboard de Recommendations AI.

El futuro del ecommerce, ¿en manos de servicios de machine learning como Recommendations AI?

Más que una tendencia estrella de marketing en 2020, la personalización es la dirección a la que apunta el futuro del ecommerce. Y es que cada vez más clientes demandan una experiencia y atención a medida, en lugar del tratamiento genérico que había predominado en décadas anteriores.

El consumidor 2.0 propende a la personalización, a los productos y servicios capaces de adaptarse como un guante a sus necesidades.

Precisamente uno de los beneficios del machine learning es la mejora de la atención al cliente. Su tecnología permite utilizar las preferencias y el historial de compras de un cliente para asistirle en su buyer journey, adelantarse a sus necesidades y ofrecerle, en suma, una experiencia más satisfactoria.

Desde una perspectiva más elevada, la utilidad del machine learning es aplicable a empresas ajenas al comercio electrónico y el retail en general, como aquellas relacionadas con la seguridad, el tránsito vial o la salud. Cualquiera de estos sectores acumula grandes volúmenes de datos, susceptibles de ser canalizados hacia fines predictivos, por ejemplo.