Съдържание
- Какво е система за препоръки?
- Как работи система за препоръки?
- Проблеми, които Airbnb иска да реши
- Какво направи Airbnb?
- Еволюция на препоръчителните системи
- заключение
Източник: Artisticco / Dreamstime.com
За вкъщи:
Системите за препоръчване могат да бъдат от огромна помощ както за търговците, така и за потребителите.
Случвало ли ви се е да потърсите нещо онлайн и преди да го знаете, бомбардирани сте с реклами по тази тема навсякъде, където отивате? Например, да кажем, че търсите най-новата информация за следващия филм „Междузвездни войни“. След като гледате трейлъра, започвате да виждате онлайн реклами за тениски "Star Wars", играчки "Star Wars", DVD "Star Wars", листове "Star Wars" ... и множество други продукти "Star Wars" че никога дори не сте си представяли, че съществуват! Всичко това е благодарение на препоръчителни системи.
Какво е система за препоръки?
Системите за препоръки - известни също като двигатели на препоръки, системи за препоръки или просто RS - предефинират начините, по които компаниите създават потребителски опит. Системите за препоръки са помогнали на клиентите да вземат информирани и по-добри решения за покупки, докато правят онлайн покупки. Ако по всяко време сте направили онлайн покупка, почти сигурно сте се натъкнали на препоръки за продукти, които са подобни на тези, които сте закупили. Така че, докато разглеждате продукти, системите за препоръки наблюдават вашето поведение и търсят продукти, които може би не сте открили сами. Системите за препоръки играят важна роля за подобряване на цялостното преживяване на клиентите, особено в онлайн нишата за закупуване. Разбира се, добре е и за бизнеса. Компаниите увеличават инвестициите си в подобряване на своите двигатели с препоръки, за да помогнат на клиентите да изберат най-добрите продукти.
Как работи система за препоръки?
Преди да разберем как системите за препоръки са повлияли на живота ни, струва си да знаем как работят и как те се развиват.
Системата за препоръки е технология за филтриране на информация, често използвана в уебсайтовете за електронна търговия, за да предложи филтриран избор на продукт на клиент, който ги посещава. Както подсказва името, технологията се използва за предлагане на препоръки за продукти, които имат сходни характеристики. Целта се различава в зависимост от перспективата на партията. За бизнес, който продава продукти на уебсайт за електронна търговия, той подобрява перспективите си за печелене на приходи, като предлага повече възможности за избор на продукт на клиента. За клиента той предлага подобни препоръки за продукти и дава възможност на клиента да купи или по-добър продукт от вече избрания, или да закупи продукт, който може да подобри опита на вече избрания за покупка продукт. За да предоставят препоръките, двигателите използват редица методи, включително:
Не можете да подобрите уменията си за програмиране, когато никой не се интересува от качеството на софтуера.
Проблеми, които Airbnb иска да реши
Airbnb е уебсайт, където хората могат да намерят квартири под наем, както и да изброят своите места за настаняване под наем. Според Wikipedia, Airbnb има над 1 500 000 списъка в 34 000 града и 190 страни. Пътуващите търсят завинаги евтини, удобни и сигурни места за настаняване по целия свят. Airbnb искаше да намери начини да предложи по-добри, персонализирани възможности за настаняване на своите клиенти. Искаше да научи повече за уникалните изисквания на пътуващите.
Какво направи Airbnb?
Основната идея беше да се открият индивидуалните нужди на пътуващите и да се дадат подходящи възможности или препоръки. Така Airbnb реши да се задълбочи в данните на клиентите, записани под формата на отзиви за пътувания, отзиви за настаняване и други данни, записани от клиентите. Airbnb сформира екип, който да го направи. Според Майк Къртис, вицепрезидент по инженерство, „От доста време Airbnb е било страхотно място за отиване, ако знаеш къде отиваш и знаеш кога отиваш, но разбрахме, че имаме всички от тези данни, които другите хора нямат. Имаме модели на пътуване. Имаме отзивите. Имаме описанията на списъците. Ние знаем много за кварталите, които можем да заключим от там. ”Така Airbnb получи крак с данни и препоръчителна система, която дава персонализирани препоръки.
Еволюция на препоръчителните системи
Независимо от свръхмощта около препоръчителните двигатели, те трябва да изминат дълъг път, преди наистина да завладеят въображението на потребителя. В момента двигателите следват общ алгоритъм и не предлагат съвсем индивидуален избор. Бъдещето се състои в предлагането на индивидуален избор на продукти на клиентите. За целта алгоритмите трябва да вземат предвид сложности като цикъл на сън, настроение на потребителите, време на деня и изход на енергия. Изглежда, че търговията на дребно и медиите ще използват най-много тези двигатели, а останалите ще следват това.Банковата и финансовата индустрия например се стремят все повече да прогнозират следващите си ходове на клиентите, така че да могат да се предлагат персонализирани продукти. За това ще бъдат взети под внимание много данни за неща като обратна връзка с клиенти, модели на социални медии, данни за центрове за повикване, уебсайтове, и дори образователни нива на потребителите.
заключение
Ще бъде интересно да наблюдаваме как се оформя бъдещето на препоръчителните двигатели. Алгоритмите, които се използват сега, се използват отдавна, но бизнесът иска повече от концепцията. Марките се стремят да изменят и подобряват алгоритмите си, като постоянно се опитват да ги направят по-всеобхватни. Въпреки това, потенциално най-голямото предизвикателство се крие в прилагането на двигатели от индустрии, които традиционно не ги използват, например, застрахователния сектор, който може да предложи препоръки за застрахователни продукти.
Системите за препоръки имат потенциала да помагат на хората в ежедневието им по многобройни начини, както и да помагат на рекламодателите да представят продукти и услуги за по-широка аудитория и само времето ще каже точно как тази технология ще продължи да се развива.