Saltar al contenido principal
AI Predictive Targeting es un complemento disponible tanto en Web Experimentation como en Feature Experimentation. Póngase en contacto con su Customer Success Manager para obtener más detalles.
Cuando segmenta a todos los visitantes de la misma manera, trata a alguien con muchas probabilidades de convertir igual que a alguien con pocas, lo que dificulta decidir cuándo intervenir, qué mensaje mostrar y qué nivel de incentivo (si alguno) ofrecer. AI Predictive Targeting resuelve esto entrenando un modelo de aprendizaje automático que estima la probabilidad de conversión de cada visitante para un objetivo específico. Una vez que finaliza el entrenamiento, puede utilizar la condición Probabilidad de conversión en los segmentos para segmentar a los visitantes por su probabilidad de conversión predicha y adaptar su campaña en consecuencia.

​
Activar AI Predictive Targeting en un objetivo existente

  1. Haga clic en Configuración > Objetivos.
  2. Localice el objetivo que desea actualizar y haga clic en Editar.
  3. Haga clic en Configuración avanzada.
  4. Cambie la opción Utilizar este objetivo con AI Predictive Targeting a Activado.
  5. Seleccione el activador en el que AI Predictive Targeting realizará las predicciones de probabilidad.
  6. Haga clic en Guardar.
Activar AI Predictive Targeting

​
Activar AI Predictive Targeting al crear un nuevo objetivo

  1. Haga clic en Configuración > Objetivos.
  2. Haga clic en Nuevo objetivo.
  3. Introduzca los datos requeridos del objetivo y haga clic en Siguiente.
  4. Haga clic en Configuración avanzada.
  5. Cambie la opción Utilizar este objetivo con AI Predictive Targeting a Activado.
  6. Haga clic en Guardar.

​
Cómo elegir el activador correcto

Un activador es la acción del cliente, el evento o el momento del recorrido del cliente que pone en marcha una predicción. No seleccione un activador de forma arbitraria ni únicamente porque el evento esté disponible técnicamente. Un buen activador representa un paso significativo en el recorrido del cliente en el que tiene una decisión que tomar: si interactuar, personalizar, recomendar, retener, incentivar o dejar que el usuario continúe sin intervención. Algunos ejemplos de activadores significativos son:
  • Un usuario consulta la página de un producto
  • Un usuario añade un artículo al carrito
  • Un usuario abandona el proceso de pago
  • Un usuario completa una compra
  • Un usuario muestra señales de riesgo de abandono
  • Un usuario alcanza un hito de fidelización
  • Un usuario regresa tras un periodo de inactividad
En la práctica, asigne sus activadores al recorrido de su cliente. La mayoría de las marcas ya definen etapas clave del recorrido, como el descubrimiento, la consideración, la compra, la incorporación, la retención, la fidelización y la reactivación. Las puntuaciones de propensión resultan más útiles cuando las genera e interpreta en estos momentos. Una puntuación de “alta probabilidad de conversión” no es significativa de forma aislada. Se vuelve accionable cuando la vincula a un paso concreto del recorrido, por ejemplo, después de ver un producto, tras el abandono del carrito o antes de una fecha de renovación. La misma puntuación puede dar lugar a acciones diferentes según la etapa del recorrido. Kameleoon agrupa a los visitantes en cinco rangos de puntuación, cada uno de los cuales representa aproximadamente el 20 % de la audiencia elegible:
  • Muy baja
  • Baja
  • Moderada
  • Alta
  • Muy alta
Una puntuación alta o muy alta puede indicar que el visitante solo necesita un pequeño impulso, o ningún incentivo en absoluto. Una puntuación baja o muy baja puede indicar que el visitante necesita un mensaje más contundente, una experiencia diferente en el sitio, una interacción mejor cronometrada o un incentivo. En algunos casos, también puede significar que no se debe segmentar al visitante porque el impacto esperado es demasiado bajo. No puede definir la acción adecuada para cada nivel de puntuación de forma universal: valídela mediante la experimentación. Pruebe qué experiencia en el sitio funciona mejor para cada etapa del recorrido y cada rango de propensión, y luego perfeccione sus activadores y su estrategia de toma de decisiones en función del rendimiento observado.

​
Ejemplo: personalización en el sitio tras el abandono del carrito

Un minorista desea utilizar la puntuación de propensión para optimizar la experiencia en el sitio de los visitantes que abandonaron su carrito. El activador no debe ser simplemente “mostrar una personalización cada vez que tengamos una puntuación”. En su lugar, el activador debe ser el momento significativo del recorrido: un visitante añade artículos al carrito, no completa el proceso de pago y vuelve al sitio dentro de un periodo definido. En ese momento, la puntuación de propensión orienta la mejor acción en el sitio:
  • Propensión a comprar muy alta / alta: muestre un recordatorio ligero en la página sobre el carrito guardado, o ningún incentivo en absoluto.
  • Propensión a comprar moderada: muestre mensajes contextuales de confianza, como prueba social, opiniones de productos o ventajas de envío.
  • Propensión a comprar baja / muy baja: pruebe una experiencia en el sitio más contundente, como un banner con un incentivo, una recomendación de producto alternativa o un diseño diferente para la página del carrito.
Con el tiempo, pruebe estas experiencias en el sitio y descubra qué estrategia ofrece mejores resultados en cada rango de puntuación.

​
Fase de aprendizaje

Después de activar AI Predictive Targeting, Kameleoon inicia una fase de aprendizaje antes de que las predicciones estén disponibles. El modelo requiere:
  • 7 días de datos
  • 100 000 visitas
Deben cumplirse ambas condiciones. Por ejemplo, si su sitio recibe 100 000 visitas en un solo día, el modelo seguirá necesitando una semana completa de datos. Si su sitio recibe 50 000 visitas por semana, el entrenamiento durará dos semanas. Una vez completado el entrenamiento, el modelo se activa en el día 7 (D+7) y las predicciones están disponibles en el día 8 (D+8), después de que se haya acumulado un día de datos de predicción. Después de la activación, el modelo sigue aprendiendo: Kameleoon lo reentrena cada 10 minutos a medida que recopila nuevos puntos de datos y analiza más visitas y conversiones. Para obtener más información, consulte Con qué frecuencia se actualizan el modelo y las puntuaciones.
AI Predictive Targeting activo
La calidad del modelo depende del volumen de tráfico, la tasa de conversión y el número absoluto de conversiones recopiladas dentro de sus activadores. El tráfico por sí solo no es suficiente: si un objetivo recibe muchas visitas pero solo un puñado de conversiones, la IA no verá suficientes patrones de conversión para aprender una señal predictiva fiable.Para comprobar si un objetivo tiene suficiente volumen de conversiones, abra el panel de Objetivos y pase el cursor sobre el objetivo. Kameleoon muestra el número de conversiones recopiladas durante las últimas 24 horas. Use este número como una comprobación rápida de salud antes de confiar en el objetivo para AI Predictive Targeting.Procure tener un tamaño de audiencia razonable y un número significativo y sostenido de conversiones para obtener las mejores predicciones.

​
Indicadores de estado del modelo de IA

Los objetivos con AI Predictive Targeting activado muestran un indicador de estado en el panel de Objetivos.
IndicadorColorSignificado
AI LearningAzulEl modelo está recopilando datos y aún no ha alcanzado los umbrales de 7 días y 100 000 visitas.
AI ActiveVerdeLas predicciones están disponibles y el modelo evalúa a los visitantes en tiempo real.
AI AlertNaranjaEl entrenamiento está tardando más de lo esperado, normalmente debido a un tráfico bajo.
Pase el cursor sobre un indicador AI Learning para ver una información sobre herramientas que muestra el tiempo estimado y los visitantes necesarios para que se active AI Predictive Targeting.

​
Próximo paso

Una vez que el modelo alcance el estado AI Active, cree un segmento utilizando la condición Probabilidad de conversión para segmentar a los visitantes según su probabilidad de conversión predicha.