Рекомендательная система

Технологическое решение
DATALYTICA

Разработка рекомендательной системы, в основе которой лежит машинное обучение, позволит вашей компании:

Составить персональные товарные рекомендации для каждого клиента
Предложить скидку на комплексную покупку (cross-selling)
Информировать клиента о новом продукте (up-selling)
Сегментировать клиентскую базу: объединить клиентов в группы (кластеры), используя неявные связи между признаками. Выделить целевые аудитории исходя из потребностей клиентов, а не формальных характеристик.
Оценить отношение клиента к продукту или услуге

Применение в бизнесе

Показать продуктовое предложение на сайте, в офисе, при звонке в контакт-центр (+60% к конверсии)

Сформировать пакетные (промо) продуктовые предложения

Выбрать оптимальное время коммуникации

Персонализировать маркетинговые коммуникации

Выбрать оптимальный канал коммуникации

Сузить целевую аудиторию и количество акций в 5-10 раз

Методы разработки системы рекомендаций

Иерархия элементов

Вы купили принтер, вам также понадобится картридж.

Рекомендации на основе характеристик элементов

Вы любите экшны с Клинтом Иствудом, возможно вам также понравится «Хороший, плохой, злой» - Netflix.

Коллаборативная фильтрация

На основе сходства элементов: находим элементы, похожие на те, что вам уже понравились. Например, вам нравится «Крестный отец», поэтому вам также понравится «Лицо со шрамом».

На основе сходства пользователей: находим похожих на вас пользователей и рекомендуем то, что понравилось им. Например, люди как вы, которые покупали пиво, также купили подгузники. Вам возможно тоже нужны подгузники. – Target.

Рекомендации на базе моделей

Обучение по методу опорных векторов, линейный дискриминантный анализ, сингулярное разложение для неявных функций.

Социальный граф и граф интересов

Основаны на доверии и социальных взаимодействиях человека. Например, вашим друзьям нравится Lady GaGa, поэтому вам она тоже понравится, – Facebook, LinkedIn.

Гибридные

Комбинация любых вышеперечисленных методов.

Исходные данные для разработки рекомендательной системы

Реальные примеры успеха

2/3
фильмов просматривается по рекомендации

на 38%
больше кликов получает
рекомендованный контент

35%
продаж случаются в результате рекомендаций

Хотите увеличить прибыль своего бизнеса
за счет предоставления персонализированных продуктовых рекомендаций клиентам?
Свяжитесь с нами прямо сейчас!

Написать нам