Wszystko jest zaleceniem

Kiedy w lipcu ubiegłego roku Barneys New York wypuścił linię modową gwiazdy koszykówki Oklahoma City Thunder, Russella Westbrooka, dyrektorzy nie wiedzieli dokładnie, kto kupi te ubrania. Nie musieli. Odpowiedzi szybko pojawiły się w często pomijanej innowacji zakupów online: silniku rekomendacji.

Tradycyjne wersje technologii są proste. Powiedz Netflixowi, co myślisz o kilku filmach, a zasugeruje więcej. Przeczytaj stronę produktu w Amazon i pokazuje podobne alternatywy. To są narzędzia, które pomogły uczynić te firmy ogromnymi. Jednak dzisiaj nowe technologie i znacznie większy wachlarz dostępnych danych przenoszą silniki rekomendacji, takie jak ta, której używa Barneys, w nowe miejsce, czyniąc je mniej oczywistymi dla użytkownika, ale ważniejszymi dla operacji na stronach internetowych.

Jednym z przykładów jest to, jak rekomendacje mogą wyświetlać się jako automatycznie uzupełniane wyniki wyszukiwania. Po tym, jak kupujący w internetowym sklepie rowerowym Jenson USA wprowadzi dwie pierwsze litery wyszukiwania kasku pełnotwarzowego, system rekomendacji wyświetla listę kasków w kolejności opartej na profilu tego klienta. W Neiman Marcus doświadczenie online każdego kupującego jest podobnie dostosowywane do zachowania danej osoby podczas poprzednich wizyt — a nawet podczas bieżącej.

Lepsze technologie znakowania pozwalają detalistom głębiej zagłębić się w konkretne szczegóły projektu odzieży. W ten sposób mogą wyróżnić nowych projektantów, takich jak Westbrook, odpowiednim klientom, skupiając się na konkretnych cechach jego projektów. Jest to podobne do sposobu, w jaki Pandora grupuje podobne dźwięki, aby budować publiczność dla muzyków.

Kiedy bardziej wyrafinowane silniki rekomendacji przyciągają zwykłe przeglądarki tak dostosowanym wyborem stron, szansa, że ​​kupią coś, potroi się, mówi Matt Woolsey, wiceprezes wykonawczy ds. cyfrowych w Barneys.

Stary sposób wystawiania rekomendacji online polega na doganianiu klienta — pozwalasz mu opowiedzieć o sobie i ścigać go, mówi Woolsey. Staramy się wykorzystywać big data, aby wyprzedzić klienta.

Technologie, które tworzą rekomendacje online tak dobrze dopasowane, jak garnitur Barneys, to oprogramowanie do dużych zbiorów danych, takie jak Hadoop, i sprzęt do jego uruchamiania, mówi Joelle Kaufman, dyrektor ds. Marketingu BloomReach, startupu z siedzibą w Mountain View w Kalifornii. jeden z około trzech tuzinów sprzedawców działających w terenie.

Ważną rolę mogą również odgrywać dane lokalizacyjne z telefonów komórkowych. Inne źródła wiedzy konsumenckiej, które dopiero zaczynają informować o rekomendacjach tych nowych wyszukiwarek, mogą obejmować historię zakupów w sklepach stacjonarnych i historię mediów społecznościowych.

Szybki przegląd witryny Barneys ilustruje, jak to działa. Woolsey i ja weszliśmy na stronę z męską odzieżą i kliknęliśmy na ten sam zegarek za 150 dolarów. Ponieważ moja ograniczona historia przeglądania i zakupów skupiała się na tańszych przedmiotach, na dole ekranu otrzymałem listę zegarków od 95 do 250 USD jako kontrsugestie. Woolsey, który z radością przyznał, że prawdopodobnie ubiera się lepiej niż większość reporterów, zobaczył zegarki kosztujące od 330 do 1100 dolarów.

Umożliwiają to technologie przetwarzania równoległego, które szybko przetwarzają ogromne ilości danych, mówi Kaufman z BloomReach. Wschodzące systemy mogą proponować dziesiątki różnych algorytmów, aby wybrać następną stronę, którą może zobaczyć konsument.

W Neiman Marcus technologia BloomReach może zmienić rodzaje odzieży, które pojawiają się na stronie z damską odzieżą już po kilku kliknięciach. Po tym, jak Kaufman kliknął trzy swetry, zakładka z butami Jimmy'ego Choo zniknęła, zastąpiona bramą do wyprzedaży swetrów.

Mówi, że to natychmiastowe uczenie maszynowe. Wszystko jest zaleceniem.

ukryć