Skip to main content
Loading...

El SDK de Pleasepoint: Personaliza one-to-one y en tiempo real la interacción en el eCommerce (Parte 1).

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


En el competitivo mundo del eCommerce, la personalización se ha convertido en la piedra angular para sobresalir. Los clientes de hoy esperan una experiencia de compra que no solo sea conveniente, sino también altamente personalizada. Aquí es donde el SDK (Software Development Kit) de Pleasepoint entra en escena, ofreciéndote una herramienta esencial para llevar la personalización al siguiente nivel.

Este post es el primero de una serie de cuatro posts sobre cómo usar el SDK de Pleasepoint. En este artículo trataremos el uso teórico del SDK. Para ver la implementación te compartimos los enlaces a los otros tres posts:

En este post exploraremos en profundidad cómo funciona el SDK de Pleasepoint y cómo puedes integrarlo en tu sitio web. También examinaremos ejemplos reales de su aplicación y las ventajas que ofrece.

Estos son los contenidos del post:

  1. Introducción a la recomendación de productos en tiempo real con Pleasepoint.
  2. Recomendación one-to-one de productos.
  3. Recomendación de productos basada en otro producto (item-item).
  4. Recomendación basada en ranking de productos (ranking one-to-one).
  5. Recomendación basada en bestsellers.
  6. Registrando eventos de interacción.
  7. ¿Por qué debes personalizar one-to-one tu eCommerce con Pleasepoint?

El SDK de Pleasepoint es una pieza fundamental de tecnología que te permite implementar estrategias de recomendación one-to-one en tu tienda online.

¿Qué significa esto? Que puedes ofrecer a cada cliente productos altamente relevantes y atractivos en tiempo real. Imagine esto como tener a un asesor de ventas personal para cada visitante de su sitio web.

La personalización es más que simplemente agregar el nombre de un cliente en un correo electrónico. Es la capacidad de comprender y responder a las necesidades individuales de cada cliente, ofreciéndoles exactamente lo que desean en el momento adecuado. Esto no solo aumenta las tasas de conversión, sino que también mejora la satisfacción del cliente y fomenta la lealtad a la marca.

Imagina esto: un cliente entra a tu sitio web y comienza a explorar tus productos. En tiempo real, gracias al SDK de Pleasepoint analizas su comportamiento, sus preferencias y su historial de compras. Luego, recomiendas productos que están altamente alineados con sus intereses y necesidades. Este proceso de recomendación se basa en algoritmos de inteligencia artificial que pueden comprender patrones de compra complejos y cambiantes.

Estos son los beneficios clave para utilizar el SDK de Pleasepoint para personalizar la experiecia de compra en tiempo real en tu eCommerce:

  • Incremento de las Ventas: Al ofrecer a tus clientes productos altamente relevantes, aumentas las posibilidades de que realicen una compra. Los productos recomendados son como una sugerencia de un amigo, y esto puede marcar la diferencia.
  • Fidelización del Cliente: La personalización construye relaciones sólidas. Cuando los clientes sienten que sus necesidades son comprendidas, son más propensos a volver.
  • Mejora la Experiencia del Cliente: La híper-personalización no solo beneficia a tu negocio, sino que también mejora la experiencia general del cliente. Los clientes se sienten valorados y atendidos.
  • Ahorro de Tiempo y Recursos: La personalización basada en reglas manuales puede ser intensiva en tiempo y recursos. El SDK de Pleasepoint automatiza este proceso.
  • Datos Accionables: Además de personalizar, el SDK recopila datos valiosos sobre el comportamiento del cliente. Esto te brinda información accionable para futuras estrategias de marketing.

Es hora de llevar la personalización al siguiente nivel y aprovechar la tecnología que hace posible la híper-personalización. Con el SDK de Pleasepoint, estás en el camino correcto para ofrecer a tus clientes una experiencia de compra excepcional. ¡Comencemos!

Si estás en este post también te pueden interesar estos artículos:

Introducción a la recomendación de productos en tiempo real con Pleasepoint.

En el mundo del eCommerce destacar y brindar una experiencia de compra excepcional es esencial. Aquí es donde entran en juego los modelos de recomendación one-to-one de Pleasepoint. Estos modelos permiten a los negocios maximizar sus ventas y ofrecer a los clientes una experiencia altamente personalizada en tiempo real.

El módulo de recomendación one-to-one de Pleasepoint entrena y pone en producción para ti una red neuronal de recomendación de productos que mejora los resultados utilizando aprendizaje por refuerzo. De esta forma tan solo debes poner el foco en la implementación.



Para acceder en tiempo real a los modelos de recomendación necesitas entregar a Pleasepoint algunos parámetros. Estos son los parámetros comunes para todos los modelos de recomendación:

  • Account id: Id de la cuenta de Pleasepoint. En tu entorno este valor es siempre el mismo y viene dado por Pleasepoint. Lo puedes encontrar en la misma plataforma, en el apartado de configuración, en el constructor del widget o en cualquier ejemplo de llamada a la API.
  • Num recommendations: Es el número de recomendaciones que queremos que la red neuronal te devuelva.
  • Cols: Es el número de columnas que quieres que el widget utilice para mostrar los productos recomendados.
  • Show Slider: Parámetro booleano, opcional y por defecto false. Permite activar mostrar todos los productos en la misma fila y utilizando un slider para deslizar y ver todas las recomendaciones.
  • Session id: Identificador de la sessión de usuario. Este campo es obligatorio.
  • Business rule: Es un campo opcional. Identificador de la regla de negocio, seleccionada por el usuario en el momento de creación. Puedes ver los identificadores de las reglas de negocio en su pestaña.
  • Business rules params: Es un campo opcional. Se trata del objeto de parámetros de la regla de negocio. Por ejemplo puedes hacer una regla de negocio que el precio sea superior a PARAM y en algunos casos pasar un 10 y en otros un 50. Siendo la regla de negocio siempre la misma.
  • Cache expiration days: Cache de recomendaciones, es un campo opcional y por defecto tiene valor 0.
  • A/B test enabled: Campo booleano, opcional y por defecto false. Permite activar la funcionalidad de test A/B en el widget de recomendación de productos.
  • A/B test percent: Porcentaje de usuarios que verán la recomendación. Si el valor es 90 significa que el 90% de los usuarios visualizarán la recomendación y el 10% restante los productos seleccionados por defecto por el usuario. Este campo es obligatorio si el test A/B está activo.
  • A/B test default products: Lista de ids de referencia de productos. Se trata de los productos por defecto que se mostrarán en el caso B, es decir cuando no se pinta la recomendación de productos. Este campo es obligatorio si el test A/B está activo.
  • Event source: Campo opcional. Permite identificar el source de la recomendación para guardar los eventos en el motor de recomendación y en Google Analytics o la herramienta de tracking utilizada.

Ofrecemos varios modelos de recomendación one-to-one, cada uno con un enfoque particular. A continuación, exploraremos estos modelos y cómo pueden potenciar tu negocio.

Recomendación one-to-one de productos.

Para cada cliente los productos más adecuados en cada momento.

Este modelo se basa en la premisa de que cada cliente es único, y sus preferencias cambian con el tiempo. El modelo one-to-one utiliza algoritmos avanzados de inteligencia artificial para analizar el comportamiento de compra de un cliente y recomendar productos en tiempo real.

Imagina esto: un cliente visita tu eCommerce, y en función de su comportamiento actual y su historial de compras, recibe recomendaciones precisas y relevantes. Esto no solo aumenta los ratios de conversión, sino que también mejora la experiencia de usuario y la satisfacción del cliente durante todo el proceso de compra.



En la recomendación one-to-one el modelo entrenado responde en tiempo real con los productos más adecuados dado un produto y una regla de negocio.

Más allá de los parámetros comunes estos son los campos de entrada específicos para acceder al modelo de recomendación one-to-one:

  • Engine: Identificador del modelo de recomendación one-to-one a utilizar. Puedes ver los valores en el módulo one-to-one en el constructor de módulos o en el ejemplo de llamada API de recomendación one-to-one.
  • Bestsellers engine: Identificador del modelo de recomendación tipo bestseller a utilizar. Este modelo tan solo se utilizará en aquellos casos en los que no se pueda obtener ninguna recomendación para el usuario en cuestión.
  • User reference id: Id de referencia del usuario. Este identificador o el email son obligatorios.
  • Email: Email del usuario. El email o el identificador de usuario son obligatorios.

La recomendación one-to-one devuelve una lista de productos y cada producto con un score asociado para ese usuario.

Mira estos ejemplos de cómo utilizar la recomenación one-to-one en tu eCommerce:

  1. Home personalizada: En la página de inicio, puedes mostrar a cada visitante una selección de productos recomendados basados en su historial de navegación, compras anteriores o preferencias. Esto capta inmediatamente la atención del cliente y aumenta las posibilidades de que encuentren algo que les interese.
  2. Páginas con listas de productos: En las páginas de categoría, puedes incluir recomendaciones relacionadas. Por ejemplo, si un cliente está viendo zapatillas deportivas, puedes mostrarle otras zapatillas de la misma marca o estilo. Esto fomenta la exploración y puede llevar a compras adicionales.
  3. Página de detalle de producto: En las páginas de producto, puedes mostrar productos relacionados o complementarios. Por ejemplo, si alguien está viendo una cámara, puedes recomendar accesorios como una bolsa de transporte o una tarjeta de memoria. Esto aumenta el valor del carrito de compra.
  4. Página de carrito: Incluso en la página de carrito, puedes ofrecer recomendaciones adicionales. Por ejemplo, si alguien ha agregado una camisa a su carrito, puedes sugerir una corbata que combine. Esto aumenta la venta cruzada y puede resultar en compras adicionales.

Recomendación de productos basada en otro producto (item-item).

Dado un producto los productos más adecuados dado un producto durante la navegación de un usuario.

El modelo item-item se centra en la similitud entre productos. Utiliza la red neuronal con aprendizaje por refuerzo para analizar qué productos suelen comprarse juntos. Luego, recomienda productos relacionados a los clientes en función de sus selecciones actuales.

Por ejemplo, si un cliente agrega una cámara a su carrito de compras, este modelo podría sugerir trípodes o accesorios de fotografía. Esta estrategia de recomendación mejora las ventas cruzadas y aumenta el valor del carrito de compra promedio.



Estos son los parámetros específicos para la recomendación item-item en tiempo real:

  • Item-item engine: Identificador del modelo de recomendación item-item a utilizar. Puedes ver los valores en el módulo one-to-one en el constructor de módulos o en el ejemplo de llamada API de recomendación item-item.
  • Product reference id: Id de referencia del producto. Este identificador es obligatorio.
  • User reference id: Id de referencia del usuario. Este identificador o el email son opcionales.
  • Email: Email del usuario. El email o el identificador de usuario son opcionales.

La recomendación item-item devuelve una lista de productos recomendados. En este caso no devuelve ningún score asociado. Esta recomendación es igual para todos los usuarios y sólo canbia si utilizamos en la regla de negocio los eventos de interacción del usuario.

Mira estos ejemplos de aplicación de la recomendación item-item en las páginas de producto de tu eCommerce en tiempo real:

  1. Productos relacionados: En la página de un producto específico, puedes mostrar una sección de "Productos relacionados" que se basa en la historia de navegación de los clientes. Por ejemplo, si alguien está viendo una televisión, puedes mostrar reproductores de DVD o soportes de TV relacionados.
  2. Complementos de producto: En las páginas de productos, puedes sugerir complementos que se relacionen con el producto principal. Si alguien está viendo una bicicleta, podrías mostrar cascos, candados o luces que son complementarios y pueden interesar al cliente.
  3. Accesorios y componenetes: Para productos que tienen piezas o accesorios, como electrodomésticos o dispositivos electrónicos, puedes ofrecer recomendaciones de piezas de repuesto o componentes específicos que puedan ser necesarios. Esto facilita a los clientes encontrar lo que necesitan.
  4. Compra conjunta: Si los datos muestran que muchos clientes compran dos productos juntos, puedes ofrecer una opción de "Compra conjunta" en las páginas de ambos productos. Por ejemplo, si la mayoría de las personas compran una cámara y una tarjeta de memoria juntas, puedes sugerir esta combinación.

Recomendación basada en ranking de productos (ranking one-to-one).

Ordena una lista de productos de forma one-to-one en tiempo real durante la navegación del usuario.

Este modelo se centra en la clasificación de productos para cada cliente. Utiliza algoritmos de aprendizaje automático para determinar el orden de recomendación de productos específicos para cada cliente.

En lugar de recomendar una lista genérica de productos, este modelo prioriza qué productos son los más relevantes para un cliente en particular. Esto es especialmente valioso en sitios de comercio electrónico con una amplia gama de productos, ya que ayuda a destacar los productos seleccionados más adecuados para cada visitante.



En el modelo de tipo ranking, a parte de los parámetros por defecto, debes utilizar estos campos de entrada específicos:

  • Ranking engine: Identificador del modelo de recomendación item-item a utilizar. Puedes ver los valores en el módulo one-to-one en el constructor de módulos o en el ejemplo de llamada API de recomendación item-item.
  • Product list: Ids de referencia de los productos a ordenar. Esta lista de productos es obligatoria.
  • User reference id: Id de referencia del usuario. Este identificador o el email son opcionales.
  • Email: Email del usuario. El email o el identificador de usuario son opcionales.

El modelo de ranking one-to-one devuelve la lista de productos ordenados one-to-one para cada usuario junto al score asociado.

  1. Ranking de "Mejor calificados": Ordena one-to-one la lista de mejores productos que ofreces a cada uno de tus usuarios en tiempo real.
  2. Ranking de "Bestsellers": Ordena one-to-one la lista de productos más vendidos para cada uno de tus usuarios en tiempo real.
  3. Ranking de "Categorías": Ordena one-to-one la lista de productos de una categoría o subcategoría para cada uno de tus usuarios en tiempo real.
  4. Ranking de "Promociones": Ordena one-to-one la lista de productos en promoción para cada uno de tus usuarios en tiempo real.

Recomendación basada en bestsellers.

Los productos más vendidos suelen ser populares por una razón. El modelo bestsellers se basa en esta premisa y se centra en recomendar los productos más vendidos a los clientes.

Esto es especialmente útil para atraer a nuevos visitantes o aquellos que pueden no estar seguros de qué comprar. Al mostrar los productos más populares, se aumenta la probabilidad de que los clientes encuentren algo que les interese y realicen una compra.



Estos son los parámetros específicos del modelo de bestsellers que debes añadir a los campos de entrada generales:

  • Bestsellers engine: Identificador del modelo de recomendación tipo bestseller a utilizar. Este campo es obligatorio.
  • User reference id: Id de referencia del usuario. Este identificador o el email son opcionales.
  • Email: Email del usuario. El email o el identificador de usuario son opcionales.

La recomendación basada en bestseller devuelve la lista de productos más vendidos siguiendo la regla de negocio. Esta recomendación es igual para todos los usuarios y sólo canbia si utilizamos en la regla de negocio los eventos de interacción del usuario.

Mira estas opciones para utilizar la recomendación basada en bestsellers en tu eCommerce:

  1. Seción de los más vendidos: En la página de inicio o en páginas de categoría, puedes incluir una sección destacada que se llama "Lo Más Vendido". En esta sección, muestra una lista de los productos más populares en tu tienda en línea. Esto ayuda a los clientes a descubrir rápidamente los artículos que otros compradores consideran los mejores.
  2. Sección los favoritos de nuestros clientes: En la página de detalles de un producto, puedes resaltar una sección que muestre los productos que han sido los más vendidos y mejor calificados por tus clientes. Esto agrega una capa de confianza al producto y puede influir en las decisiones de compra.
  3. Productos populares de una categoría: En las páginas de categoría, puedes incluir una sección que muestra los productos más populares dentro de esa categoría específica. Esto ayuda a los clientes a encontrar productos de tendencia en una categoría que les interesa.
  4. Productos estrella en el carrito: Cuando los clientes accedan a su carrito de compra, puedes mostrar una sección que sugiere productos "bestsellers" relacionados. Por ejemplo, si alguien agrega una cámara a su carrito, puedes recomendar los accesorios más populares que otros compradores han adquirido junto con esa cámara.

Registrando eventos de interacción.

El registro de eventos de interacción es una parte fundamental de la personalización. Esto implica rastrear lo que hacen tus clientes en tu sitio web, como las páginas que visitan, los productos que ven y los elementos en los que hacen clic. Este seguimiento permite comprender mejor sus preferencias y necesidades.

Técnicamente los eventos de interacción ofrecen el contexto previo a la compra a la red neuronal con aprendizaje por refuerzo encargada de hacer la recomendación de productos en los distintos modelos.

Te recomendamos registrar estos eventos:

  • Visualización de productos (impression): Se trata de registrar todos los productos que el usuario va visualizando. El SDK se ocupa de registrar si estos productos han sido recomendados por Pleasepoint.
  • Visita a la página de detalle de producto (click/pdp): En este caso registramos la visita a la página de producto. Es un evento distinto a la visualización puesto que ves el detalle y un elemento clave en la navegación para añadir el producto al carrito.
  • Acción de añadir al carrito (add_to_cart): Ahora registramos el evento de añadir al carrito, siempre necesario para la compra. Recuerda que este evento probablemente se puede disparar desde distintos elementos del eCommerce.
  • Inicio de proceso de pago (init_checkout): Es el registro de que un usuario inicia el checkout.
  • Compra finalizada (purchase): Se trata del registro de la conversión a venta final.
  • Evento personalizado (xxxx): Puedes registrar cualquier evento concreto que sea de interés en tu site.


Tienes acceso a la gestión de eventos en la pestaña de eventos del motor de recomendación, tal y como ves en la imagen.

El registro de eventos siempre tiene estos parámetros de entrada:

  • Account id: Igual que en el caso de la recomendación, se trata de id de la cuenta de Pleasepoint. En tu entorno este valor es siempre el mismo y viene dado por Pleasepoint. Lo puedes encontrar en la misma plataforma, en el apartado de configuración, en el constructor del widget o en cualquier ejemplo de llamada a la API.
  • API id: Identificador de la API de eventos. Puedes encontrar este evento en la pestaña de Eventos del motor de recomendación. Este campo es obligatorio.
  • Product reference id: Lista de productos por lo que se registrará el evento en cuestión. Este campo es obligatorio.
  • User reference id: Id de referencia del usuario. Este identificador o el email son opcionales.
  • Email: Email del usuario. El email o el identificador de usuario son opcionales.
  • Session id: Identificador de la sessión de usuario. Este campo es obligatorio.
  • Event type: Tipo de evento que queremos registrar.
  • Source: Elemento sobre el que se realiza el evento.
  • Recommendation id: Identificador de la recomendación. Cuando utilizamos el SDK JS o HTML esta gestión se realiza automáticamente. Este campo es opcional.
¿Por qué es esencial registrar eventos de interacción?

Recomendamos el registro de eventos por estos motivos:

  1. Resultados más acertados: Al ofrecer a la red neuronal con aprendizaje por refuerzo todo el contexto previo a la compra los resultados de la recomendación van mejorando a cada entrenamiento ofreciendo productos más relevantes para cada usuario.
  2. Mejora continua: Al comprender el comportamiento de tus clientes, puedes ajustar tus estrategias de personalización para ofrecer una experiencia aún más relevante.
  3. Optimización de conversiones: Rastrear eventos te permite identificar cuellos de botella en el proceso de compra y realizar mejoras para aumentar las conversiones.
  4. Métricas accionables: Los datos recopilados son métricas accionables que te permiten tomar decisiones informadas para tu negocio.

En resumen, el SDK de Pleasepoint te brinda la capacidad de registrar los eventos de interacción en tiempo real para ir mejorando la calidad de las recomendaciones durante la propia navegación del usuario.

Esto es esencial para comprender y mejorar la experiencia de tus clientes. Al ofrecer una experiencia de compra más relevante y atractiva, aumentarás las tasas de conversión y la satisfacción del cliente, lo que se traduce en un negocio en línea más exitoso.

¿Por qué debes personalizar one-to-one tu eCommerce con Pleasepoint?

Llegar al final de este recorrido a través de las posibilidades del SDK de Pleasepoint nos lleva a una pregunta fundamental: ¿por qué deberías comenzar a aprovechar esta herramienta para personalizar la interacción one-to-one en tu eCommerce? Las respuestas son claras y convincentes. A continuación, resumiremos las razones clave por las que deberías sumergirte en el mundo de la personalización híper-efectiva en el eCommerce.

  1. La personalización one-to-one permite a las empresas adaptar sus ofertas y recomendaciones de productos a las preferencias de cada cliente. Esto significa que los clientes ven productos que realmente les interesan y son relevantes para ellos. Como resultado, las tasas de conversión tienden a aumentar significativamente. Cuando los clientes sienten que un eCommerce comprende sus necesidades y preferencias, es más probable que realicen una compra.
  2. La fidelización de clientes es esencial en cualquier negocio. Es más rentable retener a un cliente existente que adquirir uno nuevo. La personalización one-to-one juega un papel crucial en la retención de clientes. Cuando los clientes reciben ofertas y recomendaciones personalizadas, se sienten valorados y más inclinados a volver a comprar. Además, la híper-personalización crea una lealtad a largo plazo, ya que los clientes saben que recibirán una experiencia excepcional en cada visita.
  3. La satisfacción del cliente es el núcleo de cualquier estrategia exitosa. La personalización one-to-one impulsa la satisfacción general del cliente al ofrecer una experiencia de compra que se adapta a sus necesidades individuales. Los clientes aprecian la comodidad de encontrar rápidamente los productos que desean y disfrutan de un proceso de compra sin complicaciones. La satisfacción del cliente se traduce en reseñas positivas, recomendaciones a otros clientes y una mejor percepción de tu marca.
  4. La personalización one-to-one no solo aumenta las tasas de conversión, sino que también influye en el valor de la compra promedio. Cuando los clientes reciben recomendaciones precisas y relevantes, es más probable que agreguen más productos a su carrito de compras. Esto se traduce en un aumento en el valor de la compra promedio, lo que, a su vez, aumenta tus ingresos.
  5. Uno de los desafíos comunes en el eCommerce es el abandono del carrito de compras. Los clientes pueden agregar productos a su carrito pero no completar la compra. La personalización one-to-one ayuda a reducir este problema al mostrar productos altamente relevantes justo antes de la finalización de la compra. Los clientes son más propensos a completar la compra cuando se les ofrece exactamente lo que desean.
  6. La híper-personalización no solo se trata de la venta inmediata, sino de construir relaciones a largo plazo con tus clientes. Cuando los clientes experimentan una atención personalizada y sienten que se les conoce, están más dispuestos a mantener una relación a largo plazo contigo. Esto lleva a una lealtad del cliente sólida, donde tus clientes vuelven una y otra vez.

En resumen, la personalización one-to-one es una estrategia poderosa que mejora significativamente la experiencia del cliente. Las ventajas incluyen un aumento en las tasas de conversión, la retención de clientes, la satisfacción general del cliente, un mayor valor de la compra promedio, la reducción del abandono del carrito y la mejora de la lealtad del cliente. Al implementar la híper-personalización, no solo maximizas tus ventas, sino que también creas una base de clientes leales que respaldan tu negocio a lo largo del tiempo.

El SDK de Pleasepoint te brinda una herramienta poderosa para personalizar la experiencia de tus clientes de manera híper-efectiva. Aumentarás las tasas de conversión, retendrás a los clientes, aumentarás la satisfacción del cliente y te destacarás en un mercado competitivo. Además, aprovecharás el potencial del big data para tomar decisiones informadas y brindar una experiencia de compra memorable.

Descarga nuestro eBook Introducción al marketing one-to-one y aprende a ejecutar una estrategia híper-personalizada basada en el ciclo de vida y las preferencias de cada uno de tus clientes. Nunca antes había sido tan fácil empezar a híper-pesonalizar e incrementar el rendimiento de tus acciones de marketing.

También te puede interesar...

Caso de éxito supermercado online: One-to-one para Condis.

El desafío de Condis es lograr la personalización one-to-one en tiempo real y en el CRM para cada usuario.

Introducción al marketing predictivo.

Utiliza técnicas de análisis predictivo para predecir comportamientos de los clientes y optimizar tus estrategias de marketing.

Caso de éxito de personalización en la estrategia de CRM.

La magía reside en la capacidad para convertir datos en resultados tangibles. Te presentamos un caso de éxito en CRM.

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.