Recommendations

Páginas de contenido

Convierte tus blogs y artículos en una máquina de ventas.
Content Recommendations

Conceptos básicos #

Usando las Recommendations de Clerk.io, puedes añadir banners totalmente automatizados que mejoran el descubrimiento de contenido para los clientes.

Estos se basan en los datos de pages para automatizar banners en las páginas de contenido.

Mediante varias lógicas que se pueden usar directamente en tus páginas de contenido, categorías y productos, puedes asegurar que los clientes encuentren blogs y artículos relacionados con lo que están viendo.

Más importante aún, también te permite vender directamente desde tus páginas de contenido, creando un ciclo de retroalimentación de descubrimiento y conversión.

Pueden implementarse a través de la API de Clerk directamente, o mediante el sistema de Elements y Designs usando Clerk.js como con otras Recommendations.

Sincronización #

Dado que pages es un tipo de dato separado, debes asegurarte de sincronizarlo con Clerk. La mayoría de nuestras plataformas Plug&Play lo harán automáticamente si usas su sistema integrado de gestión de blogs/contenidos.

Puedes verificar fácilmente si pages está sincronizado en my.clerk.io bajo Data > Pages.

Si NO estás enviando pages aún, haz una de las siguientes acciones:

  • Si usas una de nuestras plataformas Plug&Play, asegúrate de tener la última versión de la extensión/plugin.

  • Si usas una integración personalizada de plataforma y utilizas un data feed / integración API, asegúrate de incluir pages en tu data feed o llamada API.

  • Si tus páginas están en otra plataforma, por ejemplo, WordPress, utiliza el método de sincronización de Clerk llamado Clerk.io JSON Feed V2. Esto te permite sincronizar feeds para productos, categorías y páginas desde fuentes separadas.

Lógicas #

Content Recommendations se puede utilizar para automatizar el descubrimiento en todas las páginas principales de la tienda online.

LógicaPáginaMuestra
Best Page AlternativesArtículo/blogArtículos similares al que se está leyendo
Pages Related To A ProductPágina de productoArtículos relacionados con el producto que se está viendo
Pages Related To A CategoryPágina de categoríaArtículos relacionados con la categoría que se está viendo.
Products Related To A PageArtículo/blogProductos que están relacionados con el artículo que se está leyendo. Este tipo funciona mejor con un diseño de producto regular que también muestre precios.
Categories Related To A PageArtículo/blogCategorías que están relacionadas con el artículo que se está leyendo.

Para desarrolladores, estos son los endpoints API para las lógicas:

Inyección #

Al igual que con otras recomendaciones de Clerk, los Elements pueden inyectarse en tus páginas utilizando nuestro sistema de inyección.

Con esto, solo necesitas encontrar un buen selector CSS fijo que pueda utilizarse para añadir las Recommendations.

Insertar embedcode #

Después de crear un Element con cualquiera de las lógicas mencionadas arriba, puedes añadir el embedcode a la página de contenido, categoría o producto donde quieras que se muestre.

Ten en cuenta que el embedcode contiene data-page, data-category o data-products. Estos indican que se requiere un ID para mostrar las Recommendations. El tipo de dato necesario depende de la lógica.

Para Pages Related To A Product / Category, puedes elegir una de las integraciones desde el menú desplegable Choose Platform, y el código se configurará automáticamente.

Para los demás casos, deberás insertar un shortcode / mergetag que añada el ID necesario.

Esto te permitirá insertar el código en un archivo de plantilla general de tu tienda y así mostrar recomendaciones en todas las páginas.

Un ejemplo de Shopify:

<span class="clerk"
  data-template="@similar-to-article"
  data-page="{{ page.id }}"
></span>

Alternativamente, puedes insertar manualmente el ID de una página en el código e insertarlo en una página de artículo específica mediante HTML:

<span class="clerk"
  data-template="@similar-to-article"
  data-page="1234"
></span>

Esta página ha sido traducida por una IA útil, por lo que puede contener errores de idioma. Muchas gracias por su comprensión.