Empfehlungsalgorithmen werden seit vielen Jahren als Personalisierungstool auf Websites wie Amazon, eBay, AliExpress, Wallmart und Dutzenden anderen verwendet. Im Laufe der Zeit wurden Algorithmen immer ausgefeilter, sodass Kunden die benötigten Produkte in den Suchergebnissen sehen und Unternehmen mehr Produkte verkaufen können.
Es gibt immer weniger Websites mit herkömmlichen Produktkatalogen, auf denen der Käufer jedes Mal nach dem suchen muss, was er benötigt. Wenn der Käufer zum ersten Mal auf die Website kommt, muss er sich natürlich selbst entscheiden, aber mit jedem neuen Klick und jeder neuen Anzeige optimiert der Algorithmus die Lieferung von Waren in Echtzeit, sodass diese immer mehr werden personalisiert. Darüber hinaus erscheinen neue Algorithmen, die von High-Tech-Unternehmen entwickelt werden. Eine davon wurde von Dynamic Yield entwickelt.
Was ist der Motor?
Es handelt sich um eine auf Deep Learning basierende Empfehlungs-Engine, mit der Online-Websitebesitzer relevante Produktauswahlen erstellen können, die von Website-Besuchern höchstwahrscheinlich gemocht werden. Die Hauptaufgabe der Entwickler bestand darin, zu bestimmen, welche Produkte im Produktkatalog präsentiert werden sollen, um den Anforderungen mit unterschiedlichen Anforderungen gerecht zu werden.
Die Produktlieferung passt sich automatisch an, sobald neue Daten zum Benutzerverhalten verfügbar werden. In Bezug auf die Lerntechnologie handelt es sich um word2vec oder item2vec. Deep Learning-Algorithmen zeigen relevante Produktsuchergebnisse in Form von Empfehlungsblöcken oder personalisierten Produktlisten (auf Kategorieseiten, in SERPs usw.) an, basierend auf dem Aktivitätsverlauf des Benutzers, dem Browserverlauf, der Sitzungsaktivität, Trends usw., um Empfehlungen zu generieren mit höherer Genauigkeit, als ob dies beim Offline-Einkauf mit einem Verkäufer der Fall wäre.
Der Motor ist gestern nicht erschienen und wird von Marken wie vielen der größten Einzelhändler, Banken und Telekommunikationsunternehmen der Welt, einschließlich Russland, getestet. Basierend auf den Ergebnissen des Algorithmus erhöht es das Verkaufsvolumen von Waren und ermöglicht es Unternehmen, signifikante zusätzliche Einnahmen zu generieren. Nach Angaben von elf Cosmetics, die die Engine getestet haben, liegt der Anstieg des Online-Umsatzes mit dem Algorithmus im Durchschnitt bei 29%. Die Ergebnisse wurden zwischen Benutzern verglichen, denen die mit Dynamic Yield personalisierten Produktlistenseiten angezeigt wurden, und Benutzern, denen auf der Website ein Produktkatalog mit grundlegender Sortierung angezeigt wurde.
Grundlegende Produktlieferung auf der Kategorieseite VS personalisierte Produktlieferung der Kategorieseite basierend auf der Deep Learning Engine
Algorithmusfähigkeiten
Der neue Motor hat drei Hauptmerkmale:
- Optimieren der Ergebnisse für jeden Benutzer. Der Deep Learning-Algorithmus ermittelt automatisch den richtigen Parametersatz für jeden Benutzer basierend auf seinem Verhalten, der Phase der Customer Journey sowie allen auf der Website identifizierten Trends, sodass der Benutzer keine manuelle Filterung mehr benötigt.
- Schnelles Lernen und Anpassung. Der Algorithmus wird ständig verbessert, sobald neue Informationen verfügbar werden und sich anhand einer großen Menge von Verhaltens- und Produktdaten sowie Testergebnissen, die die Absichten des Kunden bereits in der ersten Sitzung sofort bestimmen, schnell selbst erlernen.
- Digital-. Deep Learning , , , , , Email, , Digital- -, - , , -, , - .
Im Allgemeinen ermittelt dieser Algorithmus automatisch den richtigen Parametersatz für jeden Benutzer, basierend auf seinem Verhalten, wo er sich auf der Customer Journey befindet, sowie allen aktuellen Trends auf der Website. Das Deep Learning-Empfehlungsmodell von Dynamic Yield ist Teil von AdaptML, einem Deep Machine Learning-System, das die digitalen Erfahrungen für jeden Benutzer anpasst, indem es die Kaufabsicht auf Kundendaten extrapoliert und Produkte vorhersagt, die ihn interessieren könnten.