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!