هل أوصي بأنظمة التوصية؟

في الأعمال التجارية، مشكلة الإبرة في كومة القش هي تحدي دائم. أنظمة التوصية هنا لمساعدتك في مواجهة هذا التحدي.

في التجارة الإلكترونية والبيع بالتجزئة، تقدم مئات أو آلاف المنتجات. أيهما المنتج المناسب لعملائك؟

في المبيعات والتسويق، لديك عدد كبير من العملاء المحتملين في خط أنابيبك. ومع ذلك، لديك فقط عددًا معينًا من الساعات في اليوم. لذلك، تواجه تحديًا في تحديد مكان التركيز بدقة.

هناك تكنولوجيا متخصصة مدعومة بالذكاء الاصطناعي والبيانات الكبيرة، والتي تجعل هذه التحديات أكثر سهولة في الإدارة، وهي أنظمة التوصية.

ما هي أنظمة التوصية؟

بصورة مبسطة، نظام التوصية يفرز العديد من العناصر ويتوقع الاختيار الأكثر صلة للمستخدم.对于 المستهلكين، محرك التوصية لشركة أمازون هو مثال مألوف. في عالم الترفيه، عملت نتفليكس بجد لتحسين محركها.

“نظام التوصية المتقدم وتجربة المستخدم المخصصة، سمحا لها بتوفير 1 مليار دولار في السنة من إلغاء الخدمة.” – عائد الاستثمار من أنظمة التوصية للتسويق

من منظور المستخدم النهائي، غالبًا ما يكون غير واضح كيف تعمل أنظمة التوصية. سنرفع الستار ونشرح كيف تعمل، بدءًا من المكون الرئيسي: البيانات.

أنظمة التوصية: ما هي البيانات التي تستخدمها؟

البيانات التي تحتاجها لأنظام التوصية تعتمد على هدفك. افترض أن هدفك هو زيادة المبيعات في شركة تجارة إلكترونية. في这种 الحالة، تكون البيانات اللازمة هي قاعدة بيانات المنتجات وسلوك المستخدم النهائي.

• الشركة: شركة اكسسوارات يو إس بي. الشركة تتخصص في بيع اكسسوارات يو إس بي ومنتجات مثل الكابلات وذاكرة الفلاش والهاب للاستهلاك والشركات.
• بيانات المنتج. لتبسيط نظام التوصية في البداية، تقوم الشركة بتحديدها في 100 منتج.
• بيانات المستخدم. في حالة المتجر الإلكتروني، ستتضمن بيانات المستخدم معلومات تحليلات الموقع وبريد التسويق والمصادر الأخرى.
• مخرجات التوصية. في هذه الحالة، قد يولد نظام التوصية توصية (أو رمز خصم) لمشتري القرص الصلب الخارجي لتشجيعهم على شراء كابلات يو إس بي.

في الممارسة، تستخدم أنظمة التوصية الأفضل كمية أكبر من البيانات. كقاعدة عامة، تنتج أنظمة التوصية نتائج أعمال أفضل عندما يكون لديها كمية كبيرة من البيانات للاستفادة منها.

كيف تستخدم أنظمة التوصية بياناتك؟

تستخدم العديد من أنظمة التوصية مجموعة من التقنيات لمعالجة بياناتك.

المرشح حسب المحتوى

يجمع هذا النوع من خوارزمية التوصية تفضيلات المستخدم ومحاولة التوصية بéléments مماثلة. في هذه الحالة، يركز المحرك على المنتج وتسليط الضوء على العناصر ذات الصلة.

المرشح التعاوني

هل سألت شخصًا آخر عن توصية قبل إجراء عملية شراء؟ أو هل أخذت في الاعتبار التعليقات عبر الإنترنت في عملية شرائك؟ إذا كان الأمر كذلك، فقد خبرت المرشح التعاوني.

المرشح الهجين

تجمع أنظمة التوصية الهجينة أكثر من طريقة توصية واحدة لإنتاج نتائج أفضل. Returning إلى مثال التجارة الإلكترونية المذكور أعلاه، افترض أنك حصلت على تقييمات وتصنيفات المستخدمين (على سبيل المثال، 1 إلى 5 نجوم) خلال العام الماضي.

نظام التوصية ناجح فقط إذا قمت بتغذيته ببيانات عالية الجودة. كما لا يمكنه أداء وظائفه بشكل فعال إذا كان لديك أخطاء أو معلومات غير محدثة في قاعدة بيانات شركتك.

دراسات الحالة:

التعيين الآلي: تسجيل المرشحين

هناك أكثر من 50 متقدمًا في المتوسط لكل وظيفة، وفقًا لأبحاث Jobvite.对于 إدارات الموارد البشرية والمديرين، يخلق هذا الحجم من المتقدمين كمية هائلة من العمل.

implemented Blue Orange نظام توصية لصندوق تمويل حظي بميزانية كبيرة. هذا مشروع تطبيق آلي للموارد البشرية ساعد الشركة على تصنيف المرشحين بطريقة موحدة. باستخدام decade من بيانات المتقدمين والسيرة الذاتية، أصبحت الشركة الآن تمتلك نموذج تسجيل متقدم متطور لfinding المرشحين المناسبين.

كان هناك صندوق استثمار في مدينة نيويورك يحتاج إلى تحليل السير الذاتية التي كانت غير متسقة وتتطلب تحسين عملية التوظيف. حتى أفضل تحليل السير الذاتية يترك لك بيانات غير منظمة وغير محددة.

المنهج: بعد تقييم عمليات توظيف شركات متعددة، وجدنا ثلاث فرص متسقة لتحسين نتائج التوظيف بشكل منهجي باستخدام تعلم الآلة. المناطق التي تواجه مشاكل هي: هيكلة بيانات السيرة الذاتية للمرشحين بشكل صحيح، وتقييم ملاءمة الوظيفة، وتقليل تحيز التوظيف البشري.

النتائج: باستخدام كشاف الكلمات الرئيسية، والتعرف الضوئي على الحروف، والمحركات النفسية القائمة على السحابة، تمكنا من تنظيف النص وتحويله إلى بيانات علاقة. مع البيانات المهيكلة، قدمنا لوحة تحليل أعمال سريعة ومتفاعلة وقابلة للبحث في AWS QuickSight.

التجارة الإلكترونية: زاجينو للمواد الطبية

مثال آخر لأنظمة التوصية يتم تطبيقها في العالم الحقيقي يأتي من زاجينو. زاجينو هو شركة تجارة إلكترونية تفعل لمحللين المختبرات ما تفعله أمازون للآخرين.

سؤال وجواب: يُجري بلو أورانج ديجيتال مقابلة مع زاجينو

سؤال:
كيف استخدمت شركتك نظام توصية وما النتائج التي رأيتها؟

جواب:
هناك مثالان لأنظمة التوصية التي تستخدمها زاجينو لمستخدميها العلميين. لشرح هذه الأمثلة، وجدنا من الأفضل وضعها في شكل نقاط.

• درجة زاجينو العلمية:
  • درجة زاجينو العلمية هي نظام تقييم شامل للمنتجات، تم تطويره خصيصًا لتقييم منتجات البحث.
  • نطبق خوارزميات تعلم الآلة المتقدمة لتحديد وتجميع وتصنيف ملايين المنتجات بدقة.
  • درجة العلمية تأخذ في الاعتبار تصنيفات هذه المنتجات، حيث يتم حساب درجة كل منتج بالنسبة إلى المنتجات الأخرى في نفس الفئة.
  • نضيف نقاط القطع ونعطي وزنًا أكبر للمساهمات الحديثة.
• المنتجات البديلة:
  • المنتجات البديلة يتم تعريفها بواسطة نفس القيم للمعايير الرئيسية.
  • نعمل على زيادة البيانات الأساسية والسمات وتحسين الخوارزمية لتحسين الاقتراحات.
  • المنتجات البديلة تهدف إلى مساعدة كل من العلماء وشراء الإمدادات على النظر في تقييم منتجات قد لا يكونوا قد اعتبروها أو عرفوها.
  • المنتجات البديلة يتم تعريفها فقط بواسطة خصائص المنتج ولا تعتمد على الموردين أو العلامات التجارية أو البيانات التجارية الأخرى.

هل أوصي بأنظمة التوصية؟

“نعم، لكن تأكد من استخدام البيانات الصحيحة لتوصيتك، مع مراعاة الجودة والكمية التي تعكس التوقعات الحقيقية للمستخدم. قم بإنشاء شفافية لأن لا أحد، خاصة العلماء، سيثق أو يعتمد على صندوق أسود. شارك مع مستخدميك المعلومات التي تستخدمها وكيف يتم وزنها، وتابع التعلم لتحسينها باستمرار. أخيرًا، اكمل الدورة من خلال أخذ反馈 المستخدم الذي جمعتَه واعادته إلى النظام.” – زاجينو

قوة أنظمة التوصية لم تكن أبدًا أكثر من هذا. كما هو موضح من قبل عمالقة مثل أمازون ونتفليكس، يمكن لأنظمة التوصية أن تكون مسؤولة بشكل مباشر عن زيادات في الإيرادات ومعدلات الاحتفاظ بالعملاء.

الطريقة السريعة لإحضار أنظمة التوصية إلى شركتك

تطوير نظام توصية يتطلب خبرة في البيانات. قد لا يكون فريق تكنولوجيا المعلومات الداخلي لديك قادرًا على بناء ذلك. إذا كنت تريد الحصول على فوائد الاحتفاظ بالعملاء والكفاءة لأنظمة التوصية، لا تحتاج إلى الانتظار حتى يصبح فريق تكنولوجيا المعلومات أقل انشغالًا. اتصل بنا واخبرنا. فريق علوم البيانات في بلو أورانج ديجيتال سيسعد بمساعدة أنظمة التوصية لصالحك أيضًا!

مصدر الصورة الرئيسية: Canva