Сегодняшние ритейлеры сталкиваются с рядом сложных и постоянно возникающих проблем. Благодаря меньшим накладным расходам и большему объему онлайн-гиганты, такие как Amazon, могут доставлять товары быстрее и по более низкой цене, вытесняя мелких розничных продавцов из бизнеса. Чтобы конкурировать, ритейлерам нужен новый подход — и свежие технологии, которые с ним связаны.

Я потратил время на изучение различных инструментов для создания рекомендаций (также с использованием сторонних разработчиков). Есть два моих любимых:

  1. Apache Prediction.io, очень хороший инструмент. Я провел несколько экспериментов с рекомендацией продукта как на автономном движке, так и на Magento2. Также поэкспериментировали с его движком подсчета лидов.
  2. Neo4j для выдачи рекомендаций в режиме реального времени. Механизмы рекомендаций в режиме реального времени являются ключом к успеху любого онлайн-бизнеса. Чтобы давать релевантные рекомендации в режиме реального времени, требуется способность сопоставлять данные о продуктах, клиентах, запасах, поставщиках, логистике и даже социальных настроениях. Вы можете прочитать больше о рекомендациях для розничной торговли в режиме реального времени neo4j в этой замечательной статье, написанной Филипом Ратлом и Максом Де Марци.

Доступно множество типов алгоритмов рекомендаций, в том числе основанных на популярности, ситуационном контексте и поведении. Хотя ритейлерам абсолютно необходимо использовать стратегии рекомендаций на своих сайтах, они не могут сами выбрать одну стратегию рекомендаций. Вместо этого они должны позволить позиции клиентов на пути к покупке влиять на тип стратегии рекомендаций, которая даст наилучшие результаты. Чтобы получить наилучшие результаты, ритейлеры должны персонализировать свою стратегию рекомендаций. Об этом очень подробно рассказывает Лиад Агмон в своей статье.

Есть одна вещь, которая является одной из самых распространенных ошибок, которые я видел у розничных продавцов и веб-сайтов / приложений онлайн-рекомендаций, — это использование неправильного подхода на неправильном этапе пользовательских данных. Лиад на следующем изображении очень хорошо показывает голую правду:

Различные стратегии дают разные результаты, и, как показано на диаграмме ниже, больше информации часто приводит к более эффективным рекомендациям. Конечно, некоторые из наиболее эффективных, например, поведенческие стратегии, неприменимы к новым пользователям. Поэтому в таких ситуациях ритейлерам приходится использовать стратегии, основанные на популярности. По мере того, как опытные потребители глубоко взаимодействуют с сайтом и просматривают несколько страниц, они создают множество точек данных, что позволяет ритейлерам использовать поведенческие стратегии, которые приведут к правильному результату.

Первоначально опубликовано на https://www.linkedin.com 17 мая 2018 г.