Motor de IA: documentación de CheckoutOS

El motor de IA de recomendaciones inteligentes usa aprendizaje automático avanzado para analizar los datos de tu tienda y generar sugerencias de productos muy pertinentes. Esta guía explica cómo funcionan los algoritmos y cómo optimizarlos para tu tienda.

Datos de entrada

El motor de IA procesa varias fuentes de datos para generar recomendaciones:

Fuentes de datos

Historial de pedidos — Qué productos compran juntos los clientes
Navegación — Productos vistos, tiempo en la página y profundidad de desplazamiento
Búsquedas — Qué buscan los clientes
Artículos añadidos o retirados del carrito — Señales de intención de compra
Atributos de productos — Categorías, etiquetas y descripciones
Niveles de inventario — Disponibilidad de existencias
Datos de precios — Niveles de precio y márgenes
Segmentos de clientes — VIP, nuevos, recurrentes, etc.

Algoritmos de recomendación

Comprados juntos con frecuencia

Identifica productos que suelen comprarse en el mismo pedido:

Comprados juntos con frecuencia

{
  "algorithm": "frequently_bought_together",
  "method": "association_rules",
  "parameters": {
    "min_support": 0.01,
    "min_confidence": 0.3,
    "lookback_days": 90,
    "min_co_occurrences": 5
  },
  "output": {
    "product_pairs": [
      {
        "product_a": "moisturizer",
        "product_b": "cleanser",
        "confidence": 0.65,
        "lift": 2.3
      }
    ]
  }
}

Filtrado colaborativo

Recomienda productos según el comportamiento de clientes similares:

Filtrado colaborativo

{
  "algorithm": "collaborative_filtering",
  "method": "matrix_factorization",
  "parameters": {
    "latent_factors": 50,
    "regularization": 0.1,
    "learning_rate": 0.01,
    "iterations": 20
  },
  "similarity_metric": "cosine",
  "min_similarity_threshold": 0.3
}

Filtrado basado en contenido

Encuentra productos similares según sus atributos y descripciones:

Filtrado basado en contenido

{
  "algorithm": "content_based",
  "features": {
    "title_embedding": { "weight": 0.3, "model": "tfidf" },
    "description_embedding": { "weight": 0.2, "model": "tfidf" },
    "category_match": { "weight": 0.25 },
    "tag_overlap": { "weight": 0.15 },
    "price_range": { "weight": 0.1 }
  },
  "similarity_threshold": 0.4
}

Puntuación en tiempo real

Combina modelos precalculados con señales en tiempo real:

Puntuación en tiempo real

{
  "realtime_signals": {
    "current_cart": {
      "weight": 0.4,
      "boost_related_products": true
    },
    "session_views": {
      "weight": 0.25,
      "decay_factor": 0.8
    },
    "search_query": {
      "weight": 0.2,
      "match_type": "semantic"
    },
    "time_context": {
      "weight": 0.15,
      "factors": ["day_of_week", "time_of_day", "season"]
    }
  }
}

Entrenamiento de modelos

Los modelos se entrenan y actualizan automáticamente:

Calendario de entrenamiento

Reentrenamiento completo — Cada semana, los domingos
Actualizaciones incrementales — Cada día a medianoche
Aprendizaje en tiempo real — Incorporación inmediata de comentarios y resultados
Pruebas A/B de modelos — Comparación automática de modelos

Configuración de entrenamiento

{
  "training": {
    "schedule": {
      "full_retrain": "0 3 * * 0",
      "incremental": "0 1 * * *"
    },
    "data_requirements": {
      "min_orders": 100,
      "min_products": 50,
      "min_customers": 200
    },
    "validation": {
      "holdout_percentage": 0.2,
      "metrics": ["precision@k", "recall@k", "ndcg"]
    }
  }
}

Personalización

El motor personaliza las recomendaciones para cada cliente:

Configuración de personalización

{
  "personalization": {
    "enabled": true,
    "user_profile": {
      "build_from": [
        "purchase_history",
        "browse_history",
        "wishlist",
        "reviews_written"
      ],
      "profile_decay": 0.95,
      "max_profile_items": 100
    },
    "cold_start": {
      "strategy": "popularity_based",
      "use_session_data": true,
      "segment_defaults": true
    }
  }
}

Problema de inicio sin datos

Para visitantes nuevos sin historial, el motor usa recomendaciones basadas en popularidad y comportamiento de la sesión. La personalización comienza después de entre 3 y 5 interacciones.

Optimización del rendimiento

El motor de IA está optimizado para ser rápido:

Funciones de rendimiento

Recomendaciones precalculadas almacenadas en caché en servidores cercanos
Puntuación en tiempo real con latencia < 50 ms
Precálculo por lotes en horas de poco tráfico
Recomendaciones alternativas cuando no hay resultado en caché
Cálculo adaptativo según el tráfico

Supervisión y calidad

Supervisa la calidad de las recomendaciones:

Métricas de calidad

{
  "monitoring": {
    "metrics": {
      "precision_at_5": "Relevant items in top 5 / 5",
      "recall_at_10": "Relevant items found / Total relevant",
      "coverage": "Products recommended / Total products",
      "diversity": "Uniqueness of recommendations",
      "novelty": "Long-tail vs popular items"
    },
    "alerts": {
      "ctr_drop": { "threshold": -20, "window": "7d" },
      "coverage_drop": { "threshold": -10, "window": "1d" }
    }
  }
}

Ajustar parámetros

Ajuste de algoritmos

Aumenta la diversidad — Reduce el umbral de similitud y añade exploración aleatoria
Favorece productos nuevos — Da más peso a la novedad en la puntuación
Mejora la pertinencia — Aumenta la frecuencia de entrenamiento
Gestiona datos escasos — Reduce los umbrales de min_support

Temas relacionados

Reglas manuales

Sustituye las recomendaciones de IA por reglas personalizadas

Más información

Ubicaciones

Dónde mostrar las recomendaciones

Más información