Los algoritmos de recomendación se han utilizado como herramienta de personalización durante muchos años en sitios como Amazon, eBay, AliExpress, Wallmart y muchos otros. Con el tiempo, los algoritmos se han vuelto cada vez más sofisticados, lo que permite a los compradores ver los productos que necesitan en los resultados de búsqueda y permite a las empresas vender más productos.
Cada vez hay menos sitios con catálogos de productos convencionales, donde el comprador tiene que buscar en todo momento lo que necesita. Por supuesto, si el comprador llega al sitio por primera vez, tendrá que elegir por su cuenta, pero con cada nuevo clic y visualización, el algoritmo optimiza la entrega de mercancías en tiempo real, para que sea cada vez más personalizado. Además, aparecen nuevos algoritmos que están siendo desarrollados por empresas de alta tecnología. Uno de ellos fue desarrollado por Dynamic Yield.
¿Qué es el motor?
Es un motor de recomendación basado en Deep Learning que permite a los propietarios de sitios en línea generar selecciones de productos relevantes que probablemente gusten a los visitantes del sitio. La tarea principal de los desarrolladores fue determinar qué productos deben presentarse en el catálogo de productos para satisfacer las necesidades con diferentes necesidades.
La entrega del producto se adapta automáticamente a medida que se dispone de nuevos datos sobre el comportamiento del usuario. En lo que respecta a la tecnología de aprendizaje, es word2vec o item2vec. Los algoritmos de Deep Learning funcionan para mostrar resultados de búsqueda de productos relevantes en forma de bloques de recomendación o listados de productos personalizados (en páginas de categorías, en SERPs, etc.) basados en el historial de actividad del usuario, historial de navegación, actividad de sesión, tendencias, etc.generar recomendaciones con mayor precisión de tal manera que ocurre en el proceso de compra fuera de línea con un asistente de ventas.
El motor no apareció ayer; está siendo probado por marcas como muchos de los principales minoristas, bancos y empresas de telecomunicaciones del mundo, incluida Rusia. Basado en los resultados del algoritmo, aumenta el volumen de ventas de bienes y permite a las empresas generar ingresos adicionales significativos. Según los datos de elf Cosmetics, que ha probado el motor, el aumento de los ingresos online utilizando el algoritmo es de aproximadamente un 29% de media. Los resultados se compararon entre los usuarios que vieron las páginas de listado de productos personalizadas con Dynamic Yield y aquellos a los que se les mostró un catálogo de productos con clasificación básica en el sitio.
Entrega de productos básicos en la página de categorías VS entrega de productos personalizados de la página de categorías basada en el motor de aprendizaje profundo
Capacidades de algoritmo
El nuevo motor tiene tres características principales:
- Optimización de resultados para cada usuario. El algoritmo de Deep Learning determina automáticamente el conjunto correcto de parámetros para cada usuario en función de su comportamiento, etapa en el recorrido del cliente, así como cualquier tendencia identificada en todo el sitio, eliminando la necesidad de filtrado manual por parte del usuario.
- Rápido aprendizaje y adaptación. El algoritmo mejora constantemente a medida que se dispone de nueva información y se autoaprende rápidamente en función de una gran cantidad de datos de comportamiento y de productos, así como resultados de pruebas que determinan instantáneamente las intenciones del cliente incluso desde la primera sesión.
- Digital-. Deep Learning , , , , , Email, , Digital- -, - , , -, , - .
En general, este algoritmo determina automáticamente el conjunto correcto de parámetros para cada usuario, en función de su comportamiento, en qué parte del recorrido del cliente se encuentra, así como de las tendencias actuales en el sitio. El modelo de recomendación de aprendizaje profundo de Dynamic Yield es parte de AdaptML, un sistema de aprendizaje automático profundo que adapta las experiencias digitales para cada usuario extrapolando la intención de compra a los datos del cliente y prediciendo productos que podrían interesarles.