Skip to main content
Loading...

El modelo de datos de Pleasepoint.

Descripción del modelo de datos utilizado en la plataforma de Pleasepoint. Este artículo está pensado principalmente para la carga inicial de datos.


En este artículo te describimos la arquitectura de datos necesaria para empezar a utilizar la inteligencia artificial de Pleasepoint. Aquí encontrarárs toda la información sobre las entidades iniciales de datos, sus atributos y el formato que necesitas extraerlos para una primera carga utilizando archivos CSV.

Este es el contenido del artículo:

  1. Entidades de datos.
  2. Tabla de clientes.
  3. Tabla de productos.
  4. Tabla de tiendas (opcional).
  5. Tabla de tickets.
  6. Tabla de líneas de ticket.

Pleasepoint también trabaja con los datos de interacción, pero no son imprescindibles para una primera carga de datos. En este link encontrarás el detalle de cómo utilizar los datos de interacción.

Entidades de datos.

Pleasepoint utiliza el histórico de los datos transaccionales para entender los patrones de compra y la propensión de compra de cada uno de los clientes. Para ello utiliza 5 entidades de datos:

  1. Customers/Clientes: Tabla con toda la información disponible del cliente.
  2. Products/Productos: Tabla con toda la información disponible de los productos. En este caso se requiere todo el histórico de productos, estén o no activos en este momento.
  3. Shops/Tiendas: Esta tabla es opcional, hace referencia al canal de venta o las tiendas/establecimientos. En el caso de ser sólo el canal eCommerce no se requiere esta entidad.
  4. Orders/Tickets: Toda la información de los tickets de compra. El ticket se relaciona con el identificador del cliente y el identificador de la tienda.
  5. Line orders/Líneas de ticket: Toda la información del contenido de los tickets. La línea de ticket se relaciona con el identificador del ticket y el identificador del producto.

Este es el diagrama de clases de las distintas entidades:



Tabla de clientes.

Esta es la estructura de la tabla de clientes que debe ser extraída. El archivo resultante debe ser un CSV en UTF8.

Estos son los atributos principales de la tabla de clientes:

  • reference_id (Obligatorio, primary key, texto): Identificador único del cliente. Este identificador será utilizado para relacionar los tickets y los clientes.
  • contact_id (Opcional, unique, texto): Identificador único del cliente. Este identificador normalmente se utiliza para relacionar el cliente en otros sistemas, como por ejemplo el CRM.
  • name (Opcional, texto): Nombre del cliente. Este campo puede estar anonimizado.
  • surname (Opcional, texto): Apellidos del cliente. Este campo puede estar anonimizado.
  • email (Opcional, Unique, texto): Correo electrónico del cliente. Este campo puede estar anonimizado.
  • email_validated (Opcional, booleano): Email validado correctamente.
  • email_communications (Opcional, booleano): Nombre del cliente.
  • phone (Opcional, texto): Teléfono del cliente.
  • address (Opcional, texto): Dirección del cliente.
  • postal_code (Opcional, texto): Código postal del cliente.
  • city (Opcional, texto): Ciudad del cliente.
  • gender (Opcional, número entero): Género del cliente, con los valores: 1 para mujer, 2 para hombre y 0 para otros o desconocido.
  • birth_date (Opcional, fecha): Fecha de aniversario.

La tabla de clientes, y de cualquier entidad, acepta cualquier otro atributo, permitiendo así añadir toda la información que tengas recopilada del cliente.

Este sería un ejemplo de exportación de datos:



Tabla de productos.

Esta es la estructura de la tabla de productos que debe ser extraída. El archivo resultante debe ser un CSV en UTF8.

Estos son los atributos principales de la tabla de productos:

  • reference_id (Obligatorio, primary key, texto): Identificador único del producto. Este identificador será utilizado para relacionar los productos y las líneas de ticket.
  • name (Obligatorio, texto): Nombre del producto.
  • price (Obligatorio, número): Precio del producto
  • margin (Opcional, número): Margen del producto
  • description (Obligatorio, texto): Descripción del producto.
  • category_n1 (Obligatorio, texto): Primer nivel de categorías de producto.
  • category_n2 (Opcional, texto): Segundo nivel de categorías de producto.
  • category_n3 (Opcional, texto): Tercer nivel de categorías de producto.
  • category_n4 (Opcional, texto): Cuarto nivel de categorías de producto.
  • category_n5 (Opcional, texto): Quinto nivel de categorías de producto.
  • category_nX (Opcional, texto): Nivel X de categorías de producto.
  • total_stock (Obligatorio, número entero): Stock del producto. Puedes utilizar 0 para productos no disponibles y 1 para productosa activos.
  • url (Opcional, texto): Url para acceder a la página de producto (PDP).
  • image_url (Opcional, texto): Url de la imagen principal del producto. Esta imagen será la que utilizará el SDK de Pleasepoint para mostrar la recomendación.

La tabla de productos, y de cualquier entidad, acepta cualquier otro atributo, permitiendo así añadir toda la información que permita etiquetar el producto, como por ejemplo marca, estilo, colección, temporada, uso, ingrediente principal...

Este sería un ejemplo de exportación de datos:



Tabla de tiendas.

Esta es la estructura de la tabla de tiendas que debe ser extraída. El archivo resultante debe ser un CSV en UTF8. Cuándo sólo existe un canal de venta esta tabla no es necesaria.

Estos son los atributos principales de la tabla de tiendas:

  • reference_id (Obligatorio, primary key, texto): Identificador único de la tienda. Este identificador será utilizado para relacionar las tiendas y los tickets.
  • name (Obligatorio, texto): Nombre de la tienda.
  • description (opcional, texto): Descripción de la tienda.
  • type (opcional, texto): Tipo de la tienda.
  • location (opcional, texto): Tipo de localización de la tienda. Centro comercial, centro ciudad, online, outlet...
  • city (opcional, texto): Ciudad de la tienda.
  • country (opcional, texto): País de la tienda.

La tabla de tiendas, y de cualquier entidad, acepta cualquier otro atributo, permitiendo así añadir información adicional a cada una de las tiendas.

Este sería un ejemplo de exportación de datos:



Tabla de tickets.

Esta es la estructura de la tabla de tickets que debe ser extraída. El archivo resultante debe ser un CSV en UTF8.

Estos son los atributos principales de la tabla de tickets:

  • reference_id (Obligatorio, primary key, texto): Identificador único del ticket. Este identificador será utilizado para relacionar los tickets y las líneas de ticket.
  • reference_date (Obligatorio, fecha): Fecha de realización del ticket, el momento en el que el cliente hace la compra.
  • user_reference_id (Obligatorio, foreign key, fecha): Identificador del cliente. Esta columna se relaciona con el reference_id del cliente.
  • shop_reference_id (Obligatorio, foreign key, fecha): Identificador de la tienda. Esta columna se relaciona con el reference_id de la tienda.
  • total_amount (Obligatorio, número): Valor total del ticket.
  • total_discount (Opcional, número): Valor total del descuento aplicado.
  • discount_code (Opcional, texto): Código de descuento aplicado.
  • discount_type (Opcional, textp): Tipo de descuento aplicado.

La tabla de tickets, y de cualquier entidad, acepta cualquier otro atributo, permitiendo así añadir información adicional a cada una de los tickets.

Este sería un ejemplo de exportación de datos:



Tabla de líneas de tickets.

Esta es la estructura de la tabla de líneas de tickets que debe ser extraída. El archivo resultante debe ser un CSV en UTF8.

Estos son los atributos principales de la tabla de líneas de tickets:

  • ticket_reference_id (Obligatorio, primary key, texto): Identificador único del ticket. Este identificador será utilizado para relacionar los tickets y las líneas de ticket.
  • product_reference_id (Obligatorio, foreign key, fecha): Identificador del cliente. Esta columna se relaciona con el reference_id del cliente.
  • quantity (Obligatorio, número): Valor total de unidades del producto en el ticket.
  • price (Obligatorio, número): Valor total del producto en el ticket.
  • discount_code (Opcional, texto): Código de descuento aplicado.
  • discount_value (Opcional, texto): Valor de descuento aplicado al precio total (price).
  • variation_id (Opcional, texto): Identificador de la variación del producto.

La tabla de líneas de tickets, y de cualquier entidad, acepta cualquier otro atributo, permitiendo así añadir información adicional a cada una de las líneas de ticket.

Este sería un ejemplo de exportación de datos:



También te puede interesar...

Cinco casos de uso de IA aplicados en el eCommerce.

Exploramos 5 casos de uso de IA para enseñarte cómo la personalización one-to-one transforma la interacción.

Guía técnica para personalizar one-to-one con el SDK.

Descubre cómo implementar el SDK de Pleasepoint en tu eCommerce para la personalización one-to-one en tiempo real.

Pleasepoint SDK HTML: One-to-one en el eCommerce (Parte 2).

Cómo utilizar el SDK en HTML de Pleasepoint para la recomendación de productos en tiempo real en tu eCommerce.

ROI x3 garantizado. Crea experiencias únicas para cada uno de tus clientes.

Solicitar demo

Descarga nuestros ebooks de marketing predictivo ahora.

Introducción al marketing one-to-one.

Descarga el eBook gratuito de marketing one-to-one, la introducción perfecta para empezar a híper-personalizar la experiencia de tus clientes, con ejemplos prácticos explicados paso a paso.

Enriqueciendo los datos de cliente.

Descarga el eBook gratuito Enriqueciendo los datos de cliente, la introducción perfecta para empezar a híper-personalizar accionando los datos de cliente.

Híper-personalización en tiempo real.

Descarga el eBook gratuito Híper-personalización en tiempo real, la introducción perfecta para empezar a híper-personalizar la experiencia de tus clientes en tiempo real.

Casos de éxito de marketing predictivo.

Descarga el eBook gratuito Casos de éxito de marketing predictivo, la recopilación perfecta para ver los resultados que ofrece híper-personalizar la experiencia de tus clientes.

Híper-personaliza la interacción y genera uplifts de ventas.

Inteligencia artificial que personaliza one-to-one la interacción en tu eCommerce y en el CRM.

Analiza y predice el comportamiento de compra.
Híper-personaliza la interacción one-to-one.
+

57

%

Incremento medio de revenue.

+

53

%

Incremento medio de tickets.

+

25

%

Incremento medio de conversión.

+

85

%

Incremento medio del lifetime value.

Nuestros clientes nos avalan.