Recorrido de 20 minutos con 2–3 ejemplos personalizados en tus propias páginas.
Soporte por email, chat o teléfono 24/7 incluido en cada plan de pago.
Un playbook de ecommerce para recomendaciones de producto — despliega bundles de Comprado Junto, bestsellers personalizados y algoritmos predictivos de venta cruzada.
Vídeo 4K de nivel profesional, sensor de 24MP. La opción compacta para creadores.
Investigadores han desvelado una nueva arquitectura de procesamiento que imita la eficiencia sináptica del cerebro humano. Este cambio marca el final de la computación tradicional tal como la conocemos...
Desde el panel de Personyze, haz clic en “Recomendación de producto” para lanzar el asistente de configuración.
Debes indicarle a Personyze cuándo un usuario ve, compra o añade un artículo al carrito. Tienes 3 métodos:
evento igual a “add_to_cart”
(self.personyze=self.personyze||[]).push(['Product Viewed', "PRODUCT_ID"]);
(self.personyze=self.personyze||[]).push(['Product Added to cart', "PRODUCT_ID", 'Quantity', QUANTITY]);
(self.personyze=self.personyze||[]).push(['Product Removed from cart', "PRODUCT_ID"]);
(self.personyze=self.personyze||[]).push(['Products Removed from cart']);
Define *dónde* aparece este widget. Puedes configurarlo para que se muestre solo en la Homepage, o solo para visitantes de Norteamérica.
Personaliza el aspecto y la sensación para que coincida exactamente con tu marca usando el paso “Personalizar aspecto y sensación”.
Añade etiquetas visuales a los productos para aumentar el CTR:
vip_price
En el paso “Toques finales”, aplica reglas para asegurar que las recomendaciones sean inteligentes para el negocio.
Filtra productos basándote en variables de Datos de Usuario:
Tu homepage debe atraer a todos — tanto a visitantes nuevos como a clientes fieles.
Usa el “Recomendaciones personalizadas” algoritmo. Cambia la lógica automáticamente:
Esto asegura relevancia desde el primer clic hasta el centésimo.
Ayuda a los usuarios a encontrar lo que buscan aprovechando el contexto.
Muestra artículos de la categoría con la que el usuario interactuó más recientemente. Si miró “Taladros” ayer, muestra “Herramientas eléctricas” en la homepage hoy.
Muestra los artículos más vendidos dentro de la categoría actual. Si el usuario navega “Portátiles”, muestra los portátiles más vendidos, no zapatos.
Similar a Best Seller, pero basado en Vistas en lugar de compras. Ideal para artículos en tendencia que aún no han convertido.
Optimiza la página de detalle del producto para mantener a los usuarios interesados y navegando.
Filtrado colaborativo: “La gente que vio esta camisa también vio estas.” Genial para ofrecer alternativas si el producto principal no es el adecuado.
Una señal más fuerte que solo “visto”. Le dice al usuario: “La gente que consideró este artículo terminó comprando *estos* artículos.” Excelente para cerrar ventas.
Un widget de historial simple pero efectivo. Ayuda a los usuarios a comparar opciones navegando fácilmente hacia los artículos que vieron antes.
El empuje final para aumentar el tamaño de la cesta antes del pago.
Este potente algoritmo analiza el contenido completo del carrito de la compra para encontrar artículos que complementen la *combinación* de productos (p. ej., Cámara + Funda -> Tarjeta de memoria).
Permite anulación manual. “Si el carrito contiene X, muestra SIEMPRE Y.” Útil para reglas estrictas de compatibilidad (p. ej., baterías específicas para un juguete específico).
Aprovecha la prueba social mostrando artículos muy deseados. A menudo activa adiciones impulsivas al carrito.
Trae a los clientes de vuelta con novedades muy relevantes.
Deep learning que analiza el historial de compras completo de un usuario para predecir qué podría necesitar a continuación.
Perfecto para consumibles. Saca a la luz artículos que el usuario ya ha comprado antes, agilizando el proceso de reposición.
Muestra los artículos más nuevos de tu catálogo, pero aplica una “Filtrar por categoría de compra pasada” regla (p. ej., un comprador de “Yoga” ve nuevas esterillas).
No adivines qué algoritmo funciona mejor. Pruébalos.
Personyze dividirá el tráfico automáticamente y puede acabar asignando el 100% del tráfico al ganador.
Mide el impacto directo de tus recomendaciones con estadísticas detalladas.
Preguntas habituales sobre las recomendaciones de producto con IA. Para cualquier otra cosa, nuestro equipo está a un mensaje de distancia.
El filtrado colaborativo es la tecnología central detrás de recomendaciones como “Quienes compraron esto también compraron aquello.” Analiza patrones a través de miles de sesiones de usuario para encontrar correlaciones ocultas entre productos sin necesidad de reglas manuales.
Personyze empieza a recopilar datos de inmediato. Algoritmos básicos como “Más populares” funcionan al instante. Los algoritmos avanzados como “Recomendaciones personalizadas” suelen necesitar unos días de tráfico (o una carga histórica de datos) para construir perfiles de usuario precisos.
Sí. Puedes usar “Recomendaciones gestionadas” o “Pines” para forzar que ciertos artículos (como productos de alto margen o con exceso de stock) aparezcan primero, mientras dejas que el algoritmo rellene los huecos restantes de forma dinámica.
Absolutamente. El motor funciona de manera idéntica para contenido. En lugar de “Productos”, recomienda “Artículos” basándose en historial de lectura, etiquetas y afinidad de categoría. Solo necesitas sincronizar tu feed de contenido en lugar de un feed de producto.
Sí. Por defecto, Personyze filtra los artículos donde stock_status = 0. Puedes personalizar esta regla en el paso de filtrado para excluir también artículos con poco stock o con etiquetas específicas.
stock_status = 0
Este es el problema del “arranque en frío”. Personyze lo gestiona recurriendo a Lógica de multitud (p. ej., “Más populares” o “En tendencia ahora”) o usando datos contextuales (p. ej., “Populares en tu ciudad”) hasta que el usuario genere su propio historial.
Sí. Tienes control total sobre el HTML/CSS. Puedes usar nuestro editor visual para ajustar plantillas existentes o pegar tu propia estructura HTML personalizada para que coincida perfectamente con la marca de tu sitio.
Ingresos directos cuenta las ventas en las que el usuario hizo clic en el artículo recomendado específico y lo compró. Ingresos asistidos cuenta las ventas en las que el usuario hizo clic en una recomendación pero terminó comprando *otra cosa* en la misma sesión.
Sí. Puedes crear campañas separadas para móvil y escritorio. Por ejemplo, mostrar un slider horizontal de 4 artículos en móvil, pero una cuadrícula de 8 artículos en escritorio.
Sí. Si tu feed de producto contiene campos localizados (p. ej., title_en, title_es), puedes configurar el widget para que muestre dinámicamente el idioma correcto según la configuración del navegador del usuario o la selección del sitio.
title_en
title_es
Sí. El algoritmo “Cross-sells para artículos en el carrito” crea bundles efectivamente sugiriendo artículos complementarios (p. ej., sugerir un objetivo cuando hay una cámara en el carrito).
Los feeds suelen sincronizarse una vez cada 24 horas. Sin embargo, puedes configurar actualizaciones más frecuentes (p. ej., cada hora) o usar nuestra API para enviar cambios de stock/precio en tiempo real al instante.
Sí. La función de A/B testing te permite dividir el tráfico entre dos conjuntos de lógica distintos (p. ej., “Filtrado colaborativo” frente a “Más populares”) para ver cuál genera más ingresos.
Sí. Personyze anonimiza los datos del usuario y respeta las solicitudes de “Do Not Track”. La personalización se basa en IDs pseudónimos en lugar de PII salvo que el usuario los proporcione explícitamente.
Personyze escala sin esfuerzo. Nuestro motor está diseñado para manejar catálogos con millones de SKUs y sitios de alto tráfico sin latencia, asegurando que las recomendaciones se carguen al instante.
Tienes el playbook completo — ahora despliega recomendaciones de producto con IA que hacen cross-sell y upsell automáticamente.