Skip to main content
AI Predictive Targeting es un complemento disponible tanto en Web Experimentation como en Feature Experimentation. Contacta a tu Customer Success Manager para más detalles.
Cuando diriges a todos los visitantes de la misma manera, tratas a alguien con muchas probabilidades de convertir igual que a alguien que no las tiene, lo que dificulta decidir cuándo intervenir, qué mensaje mostrar y qué tan fuerte debe ser el incentivo (si lo hay). AI Predictive Targeting resuelve este problema entrenando un modelo de machine learning que estima la probabilidad de conversión de cada visitante para un objetivo específico. Una vez completado el entrenamiento, puedes usar la condición Probabilidad de conversión en los segmentos para dirigirte a los visitantes según su probabilidad de conversión predicha y adaptar tu campaña en consecuencia.

​
Cómo funciona el modelo

El modelo de machine learning de Kameleoon estima la probabilidad de conversión esperada de cada visitante a partir de tres categorías de puntos de datos. Los ejemplos de cada categoría no son exhaustivos: el modelo tiene en cuenta la mayoría de los puntos de datos que Kameleoon recopila. Para consultar el inventario completo, revisa la Lista de datos recopilados.

​
Sesiones anteriores

Puntos de datos de las sesiones anteriores del visitante, entre ellos:
  • Número de sesiones
  • Tiempo promedio entre sesiones
  • Número de páginas visitadas
  • Número de clics

​
Puntos de datos estáticos

Puntos de datos que describen el contexto del visitante, entre ellos:
  • Navegador
  • Sistema operativo
  • Página de entrada
  • Referrer
  • Tiempo desde la última sesión

​
Puntos de datos dinámicos

Puntos de datos que Kameleoon deriva del comportamiento del visitante durante la sesión actual, entre ellos:
  • Número de páginas visitadas
  • Número de clics
  • Tiempo pasado en el sitio web

​
Con qué frecuencia se actualizan el modelo y las puntuaciones

El modelo no es estático. Kameleoon lo reentrena cada 10 minutos a medida que recopila nuevos puntos de datos y analiza más visitas y conversiones. Kameleoon también reconstruye el archivo de aplicación engine.js cada hora para desplegar el modelo más reciente, a menos que uno de tus propios cambios (por ejemplo, actualizar una campaña) ya haya activado una reconstrucción. La puntuación de cada visitante se actualiza en tiempo real: Kameleoon la recalcula en cada disparador medido, como un paso del recorrido del cliente.

​
Enriquecer el modelo con tus propios datos

Puedes mejorar la precisión de las predicciones proporcionando tus propios datos de negocio. Cuando crees un custom data, activa Usar este custom data como entrada para AI Predictive Targeting para que esté disponible para el modelo.
El modelo solo acepta los tipos de custom data Número y Booleano. Evita añadir datos sensibles como fechas, marcas de tiempo o identificadores únicos de visitantes (por ejemplo, direcciones de correo electrónico o números de cuenta), ya que estos valores no son adecuados para los modelos predictivos. Evita también los custom data muy segmentados, por ejemplo, datos específicos de visitantes individuales o de segmentos muy pequeños.
Para instrucciones de configuración, consulta Crear custom data.

​
Configurar AI Predictive Targeting

1

Habilitar AI Predictive Targeting en un objetivo

Elige un objetivo de conversión y activa AI Predictive Targeting para iniciar la fase de aprendizaje del modelo. Selecciona un disparador que represente un momento significativo en el recorrido del cliente, como una vista de página de producto, una adición al carrito o un abandono de compra. Habilitar AI Predictive Targeting en un objetivo
2

Esperar a que se complete la fase de aprendizaje

El modelo requiere 7 días de datos y 100.000 visitas, y ambas condiciones deben cumplirse. Una vez completado el entrenamiento, el badge del objetivo cambia de IA en aprendizaje a IA activa, y las predicciones estarán disponibles al día siguiente. Para saber qué significa cada badge, consulta los Indicadores de estado del modelo de IA.
3

Crear un segmento con Probabilidad de conversión

Usa la condición Probabilidad de conversión para crear un segmento que dirija a los visitantes según su probabilidad de conversión predicha. Kameleoon agrupa a los visitantes en cinco niveles de puntuación: Muy baja, Baja, Moderada, Alta y Muy alta. Usar AI Predictive Targeting en un segmentoTambién puedes aplicar la condición Probabilidad de conversión directamente a un experimento mediante el targeting rápido, sin crear un segmento reutilizable.
4

Aplicar el segmento a una campaña

Añade el segmento a un experimento web, personalización o experimento de funcionalidades para ofrecer la experiencia adecuada a cada visitante según su propensión a convertir.

​
Uso con los SDK de Feature Experimentation

Cuando recuperas datos del visitante a través de un SDK de Feature Experimentation, establece kcs en true en tu llamada a getRemoteVisitorData. Sin este parámetro, Kameleoon no devuelve el Kameleoon Conversion Score (KCS), y la condición Probabilidad de conversión no tiene ninguna puntuación que evaluar. Para la referencia completa de parámetros, consulta getRemoteVisitorData en la documentación del SDK. El parámetro kcs está disponible en todos los SDK de Kameleoon.