Personalización con lift medible
CTR +15–25% AOV +20–30% Conversión +15–25%

Motor de hiperpersonalización para comercio B2B

Señales + reglas para ofrecer recomendaciones, búsqueda y contenido 1:1 que elevan ingresos con control total.

Hablar de objetivos Ver señales
Capa de señales

Señales que combinamos

Creamos un feature store compacto con datos de usuario, sesión y catálogo.

Perfil y segmento

Cuenta, sector, nivel de precio, ciclo de vida, rasgos con consentimiento.

Comportamiento

Vistas, búsquedas, carritos, compras, permanencia y recencia.

Contexto

Dispositivo, ubicación, hora, campaña, referencia, canal.

Grafo de catálogo

Vectores de atributos, compatibilidad y señales de co‑vista/compra.

Feedback

Clics, guardar, ocultar; valoraciones implícitas y explícitas.

Consentimiento y políticas

Uso por finalidad, opt‑out y reglas por región.

Decisioning

Modos de decisión

Reglas, ML y experimentos para equilibrar control y rendimiento.

Control del negocio

Reglas, pinning y overrides para mantener la estrategia.

Gobernanza

Similitud y embeddings

Vectores + metadatos para cold‑start y matches precisos.

Cold‑start

Next‑best action

Secuencias de sesión para impacto rápido en PDP/listado.

Velocidad

Explorar / explotar

Multi‑armed bandits para aprender más rápido con guardrails.

Optimización

Ranking con LLM

Re‑ranking y explicaciones con prompts controlables.

Explicabilidad
Tipos de recomendación

Tipos de recomendación — guía rápida

Elige el enfoque según datos disponibles, control y time‑to‑value.

Mejor para cold‑start

Basado en contenido

Ítems similares por atributos y vectores; ideal para cold‑start y control.

Mejor para escala

Colaborativo

Aprende del comportamiento agregado (co‑vista/compra) para recomendaciones.

Mejor para velocidad

Basado en sesión

Secuencias para elegir el “siguiente”; impacto rápido en PDP/listado.

Mejor para control

Híbrido

Mezcla reglas + contenido + colaborativo para cobertura y guardrails.

Flujo del sistema

Arquitectura de referencia

Flujo de eventos, derivar features, entrenar/configurar modelos, almacenar vectores y decisiones, y entregar a web/APIs con bucles de evaluación.

  1. Eventos Señales web + app
  2. Features Feature store
  3. Modelos ML + reglas
  4. Storage Vectores + cache
  5. Decisioning API de ranking
  6. Entrega PDP, búsqueda, email
  7. Medir KPIs + evals
Siguiente paso

Empieza con un KPI y una superficie

Elige PDP recs o ranking de búsqueda, define un KPI (CTR, AOV, conversión) e itera semanalmente con buena gobernanza.

Planificar el despliegue