Σας συνιστούμε τους μηχανισμούς σύστασης;

Στις επιχειρήσεις, το πρόβλημα του βελόνα στο σωρό είναι μια συνεχής πρόκληση. Οι μηχανισμοί σύστασης είναι εδώ για να βοηθήσουν στην αντιμετώπιση αυτής της πρόκλησης.

Στον ηλεκτρονικό εμπόριο και το λιανικό εμπόριο, προσφέρετε εκατοντάδες ή χιλιάδες προϊόντα. Ποιο είναι το σωστό προϊόν για τους πελάτες σας;

Στις πωλήσεις και την营銷, έχετε ένα μεγάλο αριθμό υποψηφίων στη διαδικασία σας. Ωστόσο, έχετε μόνο τόσοι ώρες την ημέρα. Έτσι, αντιμετωπίζετε την πρόκληση να αποφασίσετε ακριβώς πού να επικεντρώσετε την προσπάθειά σας.

Υπάρχει μια εξειδικευμένη τεχνολογία που βασίζεται στο AI και τα Μεγάλα Δεδομένα, η οποία καθιστά αυτές τις προκλήσεις πολύ πιο εύκολες να διαχειριστούν, οι μηχανισμοί σύστασης.

Τι είναι οι συστήματα σύστασης;

Με τις πιο απλές λέξεις, ένας μηχανισμός σύστασης διέρχεται πολλά αντικείμενα και προβλέπει την επιλογή που είναι πιο σχετική με τον χρήστη. Για τους καταναλωτές, ο μηχανισμός σύστασης προϊόντων της Amazon (AMZN ) είναι ένα οικείο παράδειγμα. Στο κόσμο του ψυχαγωγίας, η Netflix (NFLX ) έχει εργαστεί σκληρά για να αναπτύξει τον μηχανισμό της. Ο μηχανισμός σύστασης της Netflix έχει φέρει οφέλη στο ισοζύγιο:

«[Ο μηχανισμός σύστασης της Netflix] έχει επιτρέψει στην εταιρεία να εξοικονομήσει 1 δισεκατομμύριο δολάρια το χρόνο από τις ακυρώσεις υπηρεσιών.» – Το ROI των μηχανισμών σύστασης για την营銷

Από την πλευρά του τελικού χρήστη, συχνά δεν είναι σαφές πώς λειτουργούν οι μηχανισμοί σύστασης. Θα σπάσουμε τον παραμύθι και θα εξηγήσουμε πώς λειτουργούν, αρχίζοντας από το βασικό συστατικό: τα δεδομένα.

Μηχανισμοί σύστασης: Ποια δεδομένα χρησιμοποιούν;

Τα δεδομένα που χρειάζεστε για einen μηχανισμό σύστασης εξαρτώνται από τον στόχο σας. Υποθέστε ότι ο στόχος σας είναι να αυξήσετε τις πωλήσεις σε μια εταιρεία ηλεκτρονικού εμπορίου. Σε αυτή την περίπτωση, τα ελάχιστα απαραίτητα δεδομένα θα χωριστούν σε δύο κατηγορίες: μια βάση δεδομένων προϊόντων και τη συμπεριφορά του τελικού χρήστη. Για να δείτε πώς αυτό λειτουργεί, δείτε αυτό το απλό παράδειγμα.

• Εταιρεία: USB Accessories, Inc. Η εταιρεία ειδικεύεται στην πώληση αξεσουάρ USB και προϊόντων όπως καλώδια, θύρες και hub σε καταναλωτές και επιχειρήσεις.
• Δεδομένα προϊόντων. Για να διατηρήσουμε τον αρχικό μηχανισμό σύστασης απλό, η εταιρεία περιορίζει τα δεδομένα σε 100 προϊόντα.
• Δεδομένα χρήστη. Σε περίπτωση ενός online καταστήματος, τα δεδομένα χρήστη θα περιλαμβάνουν πληροφορίες αναλυτικών στοιχείων ιστοσελίδας, email营銷 και άλλες πηγές. Για παράδειγμα, μπορείτε να διαπιστώσετε ότι το 50% των πελατών που αγοράζουν一个 εξωτερικό σκληρό δίσκο επίσης αγοράζουν καλώδια USB.
• Εξοδος σύστασης. Σε αυτή την περίπτωση, ο μηχανισμός σύστασης σας μπορεί να δημιουργήσει μια σύσταση (ή einen κωδικό έκπτωσης) για τους αγοραστές σκληρών δίσκων για να τους ενθαρρύνει να αγοράσουν καλώδια USB.

Στην πράξη, οι καλύτεροι μηχανισμοί σύστασης χρησιμοποιούν πολύ περισσότερα δεδομένα. Ως γενικός κανόνας, οι μηχανισμοί σύστασης παράγουν καλύτερα επιχειρηματικά αποτελέσματα όταν έχουν ένα μεγάλο όγκο δεδομένων να χρησιμοποιήσουν.

Πώς οι μηχανισμοί σύστασης χρησιμοποιούν τα δεδομένα σας;

Πολλοί μηχανισμοί σύστασης χρησιμοποιούν μερικές τεχνικές για να επεξεργαστούν τα δεδομένα σας.

Φιλτράρισμα περιεχομένου

Αυτός ο τύπος αλγορίθμου σύστασης συνδυάζει τις προτιμήσεις του χρήστη και προσπαθεί να συνιστά παρόμοια αντικείμενα. Σε αυτή την περίπτωση, ο μηχανισμός είναι επικεντρωμένος στο προϊόν και υπογραμμίζει σχετικά αντικείμενα. Αυτός ο τύπος μηχανισμού σύστασης είναι σχετικά απλός να κατασκευαστεί. Είναι ένα καλό σημείο εκκίνησης για εταιρείες με περιορισμένα δεδομένα.

Συμπράττουν το φιλτράρισμα

Έχετε ζητήσει ποτέ από κάποιον άλλον μια σύσταση πριν από την αγορά ενός προϊόντος; Ή έχετε λάβει υπόψη σας τις online κριτικές στη διαδικασία αγοράς σας; Αν ναι, έχετε βιώσει το συμπράττουν το φιλτράρισμα. Πιο προηγμένοι μηχανισμοί σύστασης αναλύουν τις κριτικές χρηστών, τις βαθμολογίες και άλλα δεδομένα που παράγονται από τους χρήστες για να παράγουν σχετικές προτάσεις. Αυτός ο τύπος στρατηγικής σύστασης είναι ισχυρός επειδή αξιοποιεί την κοινωνική απόδειξη.

Υβριδικοί συνιστώνες

Οι υβριδικοί μηχανισμοί σύστασης συνδυάζουν δύο ή περισσότερες μεθόδους σύστασης για να παράγουν καλύτερα αποτελέσματα. Επιστρέφοντας στο παράδειγμα ηλεκτρονικού εμπορίου που περιγράψαμε παραπάνω, diciamo ότι έχετε αποκτήσει κριτικές και βαθμολογίες χρηστών (π.χ. 1 έως 5 αστέρια) κατά τη διάρκεια του τελευταίου χρόνου. Τώρα, μπορείτε να χρησιμοποιήσετε τόσο το φιλτράρισμα περιεχομένου όσο και το συμπράττουν το φιλτράρισμα για να παρουσιάσετε προτάσεις. Η συνδυασμός πολλών μηχανισμών σύστασης ή αλγορίθμων συνήθως απαιτεί πειραματισμό. Για αυτόν τον λόγο, είναι καλύτερο να θεωρηθεί μια σχετικά προηγμένη στρατηγική.

Ο μηχανισμός σύστασης είναι επιτυχημένος μόνο αν τον τροφοδοτείτε με υψηλής ποιότητας δεδομένα. Επίσης, δεν μπορεί να εκτελεστεί αποτελεσματικά αν έχετε σφάλματα ή ξεπερασμένα δεδομένα στη βάση δεδομένων της εταιρείας σας. Για αυτόν τον λόγο, πρέπει να επενδύσετε συνεχώς σε δεδομένα ποιότητας.

Παραδείγματα μελετών περιπτώσεων:

Αυτοματοποίηση προσλήψεων: Βαθμολογία υποψηφίων

Υπάρχουν περισσότεροι από 50 υποψήφιοι κατά μέσο όρο ανά θέση εργασίας, σύμφωνα με έρευνα της Jobvite. Για τα τμήματα ανθρώπινου δυναμικού και τους διαχειριστές, αυτό το όγκο υποψηφίων δημιουργεί một τεράστια ποσότητα εργασίας. Για να απλοποιήσετε τη διαδικασία, η Blue Orange υλοποίησε einen μηχανισμό σύστασης για μια εταιρεία hedge fund. Αυτό το αυτόματο πρόγραμμα βοήθησε την εταιρεία να βαθμολογήσει τους υποψηφίους με ένα τυποποιημένο τρόπο. Χρησιμοποιώντας δέκα χρόνια δεδομένων υποψηφίων και βιογραφικών, η εταιρεία έχει τώρα ένα sophisticiated μοντέλο βαθμολογίας για να βρει τους κατάλληλους υποψηφίους.

Μια εταιρεία hedge fund στη Νέα Υόρκη χρειαζόταν να αναλύσει βιογραφικά που ήταν ασυνεπή και απαιτούσαν OCR για να βελτιώσει τη διαδικασία προσλήψεων. Ακόμη και η καλύτερη ανάλυση OCR αφήνει σας με ακατάστατα και μη δομημένα δεδομένα. Στη συνέχεια, καθώς ένας υποψήφιος προχωρά στην διαδικασία αίτησης, οι άνθρωποι εμπλέκονται. Προσθέστε στα δεδομένα το ελεύθερο κείμενο κριτικών του υποψηφίου και cả γλωσσικές και προσωπικές προκαταλήψεις. Επιπλέον, κάθε πηγή δεδομένων είναι απομονωμένη και παρέχει περιορισμένες αναλυτικές ευκαιρίες.

Προσέγγιση: Μετά την αξιολόγηση πολλών εταιρειών διαδικασιών προσλήψεων, abbiamo βρει τρεις συνεχείς ευκαιρίες να βελτιώσουμε συστηματικά τα αποτελέσματα προσλήψεων χρησιμοποιώντας NLP machine learning. Τα προβλήματα είναι: η σωστή δομή δεδομένων βιογραφικών υποψηφίων, η αξιολόγηση της κατάλληλότητας για την εργασία και η μείωση προκαταλήψεων προσλήψεων. Με ένα καθαρό και δομημένο σύνολο δεδομένων, μπορούμε να thực hiện cả ανάλυση συναισθήματος στο κείμενο και ανίχνευση υποκειμενικότητας για να μειώσουμε τις προκαταλήψεις υποψηφίων στην αξιολόγηση ανθρώπων.

Αποτελέσματα: Χρησιμοποιώντας ανιχνευτές λέξεων-κλειδιών, αναγνώριση οπτικών χαρακτήρων και cloud- आधους μηχανισμούς NLP, μπορούμε να καθαρίσουμε το κείμενο και να το μετατρέψουμε σε σχεσιακά δεδομένα. Με δομημένα δεδομένα, παρείχαμε einen γρήγορο, διαδραστικό και αναζητήσιμο πίνακα ελέγχου Business Analytics στο AWS QuickSight.

Ε-Commerce: Zageno Medical Supplies

Ένα άλλο παράδειγμα μηχανισμών σύστασης που εφαρμόζονται στον πραγματικό κόσμο προέρχεται από την Zageno. Η Zageno είναι μια εταιρεία ηλεκτρονικού εμπορίου που κάνει για τους επιστήμονες εργαστηρίου ότι η Amazon κάνει για τους υπόλοιπους. Η πρόταση είναι ότι οι ανάγκες των επιστημόνων εργαστηρίου είναι ακριβείς, οπότε τα προμήθεια που αγοράζονται για την έρευνά τους πρέπει επίσης να είναι ακριβή. Οι παρακάτω είναι από τη συνέντευξή μας με την Zageno και υπογραμμίζουν πώς χρησιμοποιούν μηχανισμούς σύστασης για να παραδώσουν τα πιο ακριβή προμήθεια στους επιστήμονες εργαστηρίου.

Ε: Blue Orange Digital συνεντεύξεις Zageno

Ερώτηση:
Πώς έχει χρησιμοποιήσει η εταιρεία σας einen μηχανισμό σύστασης και ποια αποτελέσματα είδατε;

Απάντηση:

Υπάρχουν δύο παραδείγματα μηχανισμών σύστασης που η ZAGENO χρησιμοποιεί για τους επιστημονικούς πελάτες της. Για να εξηγήσουμε αυτά, θεωρήσαμε καλύτερο να τα παραθέσουμε με βουλές.

• ZAGENO’s Scientific Score:
  • Το Scientific Score της ZAGENO είναι ένα綜合 σύστημα βαθμολογίας προϊόντων, ειδικά αναπτυγμένο για την αξιολόγηση προϊόντων έρευνας. Περιλαμβάνει πολλά аспектια δεδομένων προϊόντων, από πολλές πηγές, για να εξοπλιστεί οι επιστήμονες με ένα sophisticiated και αμερόληπτο σύστημα βαθμολογίας για να κάνουν ακριβείς αποφάσεις αγοράς.
  • Εφαρμόζουμε sophisticiated αλγορίθμους machine learning για να ταιριάξουμε, να ομαδοποιήσουμε και να κατηγοριοποιήσουμε εκατομμύρια προϊόντα. Το Scientific Score λαμβάνει υπόψη αυτές τις κατηγοριοποιήσεις, καθώς η βαθμολογία κάθε προϊόντος υπολογίζεται σχετικά με αυτά της ίδιας κατηγορίας. Το αποτέλεσμα είναι ένα σύστημα βαθμολογίας που οι επιστήμονες μπορούν να εμπιστευτούν — ένα που είναι ειδικό για το προϊόν και την εφαρμογή του.
  • Οι τυποποιημένες βαθμολογίες προϊόντων είναι χρήσιμες για να αξιολογήσετε τα προϊόντα γρήγορα, αλλά είναι συχνά προκατειλημμένες και αξιόπιστες, λόγω της εξάρτησής τους από άγνωστες κριτικές ή ένα μετρικό (π.χ. δημοσιεύσεις). Επίσης, δεν παρέχουν πολλές λεπτομέρειες για το πειραματικό контέκστ ή την εφαρμογή. Το Scientific Score χρησιμοποιεί μια επιστημονική μεθοδολογία για να αξιολογήσει αντικειμενικά και綜合 τα προϊόντα έρευνας. Συνδυάζει όλα τα απαραίτητα και σχετικά δεδομένα προϊόντων σε μια seule βαθμολογία 0-10 για να υποστηρίξει τους πελάτες μας στην απόφαση ποιο προϊόν να αγοράσουν και να χρησιμοποιήσουν για την εφαρμογή τους — économizando ώρες έρευνας προϊόντων.
  • Για να εξασφαλίσουμε ότι δεν κυριαρχεί κανένα μεμονωμένο παράγοντας, προσθέτουμε σημεία κοπής και δίνουμε περισσότερο βάρος στις πρόσφατες συνεισφορές. Ο τεράστιος αριθμός παραγόντων που λαμβάνουμε υπόψη几乎 εξαφανίζει κάθε ευκαιρία για χειραγώγηση. Ως αποτέλεσμα, η βαθμολογία μας είναι ένα αντικειμενικό μέτρο της ποιότητας και ποσότητας των διαθέσιμων δεδομένων προϊόντων, το οποίο υποστηρίζει τις αποφάσεις αγοράς των πελατών μας.
• Εναλλακτικά προϊόντα:
  • Τα εναλλακτικά προϊόντα ορίζονται από τις ίδιες τιμές για κλειδιά χαρακτηριστικά. Τα κλειδιά χαρακτηριστικά ορίζονται για κάθε κατηγορία για να ληφθούν υπόψη τα ειδικά χαρακτηριστικά προϊόντων.
  • Εργαζόμαστε στην αύξηση των υποκείμενων δεδομένων και χαρακτηριστικών και τη βελτίωση του αλγορίθμου για να βελτιώσουμε τις προτάσεις
  • Οι προτάσεις εναλλακτικών προϊόντων έχουν ως στόχο να βοηθήσουν τόσο τους επιστήμονες όσο και τους προμηθευτές να εξετάσουν και να αξιολογήσουν πιθανά προϊόντα, τα οποία μπορεί να μην είχαν考虑 ή γνωρίζουν.
  • Τα εναλλακτικά προϊόντα ορίζονται αποκλειστικά από τα χαρακτηριστικά προϊόντων και ανεξάρτητα από τους προμηθευτές, το brand ή άλλα εμπορικά δεδομένα

Σας συνιστούμε τους μηχανισμούς σύστασης;

«Ναι, αλλά βεβαιωθείτε ότι χρησιμοποιείτε τα σωστά δεδομένα για να βασίσετε την σύσταση σας και στις δύο ποιότητας και ποσότητας που αντανακλούν τις πραγματικές προσδοκίες του χρήστη. Δημιουργήστε διαφάνεια γιατί κανείς, ιδιαίτερα οι επιστήμονες, δεν θα εμπιστευτεί ή θα βασιστεί σε ένα μαύρο κουτί. Μοιραστείτε με τους χρήστες σας ποια πληροφορία χρησιμοποιείται, πώς είναι η βαρύτητα και συνεχίστε να μαθαίνετε για να βελτιώσετε συνεχώς. Τέλος, ολοκληρώστε τον κύκλο λαμβάνοντας την ανταπόκριση του χρήστη που έχετε συλλέξει και φέρτε την πίσω στο σύστημα.» – Zageno

Η δύναμη των μηχανισμών σύστασης δεν έχει कभποτε υπάρξει μεγαλύτερη. Όπως δείχνουν οι γίγαντες όπως η Amazon και η Netflix, οι συνιστώνες μπορούν να είναι άμεσα υπεύθυνοι για αύξηση των εσόδων και των ποσοστών διατήρησης πελατών. Εταιρείες όπως η Zageno δείχνουν ότι δεν χρειάζεται να είστε μια τεράστια εταιρεία για να αξιοποιήσετε τη δύναμη των συνιστώνων. Τα οφέλη των μηχανισμών σύστασης εκτείνονται σε πολλούς τομείς, όπως το ηλεκτρονικό εμπόριο, τις ανθρώπινες πηγές.

Ο γρήγορος τρόπος να φέρετε τους μηχανισμούς σύστασης στην εταιρεία σας

Η ανάπτυξη eines μηχανισμού σύστασης απαιτεί εμπειρογνωσία δεδομένων. Η εσωτερική ομάδα IT σας μπορεί να μην έχει την ικανότητα να το κατασκευάσει. Αν θέλετε να απολαύσετε τα οφέλη διατήρησης πελατών και αποτελεσματικότητας των μηχανισμών σύστασης, δεν πρέπει να περιμένετε μέχρι η ομάδα IT να γίνει λιγότερο απασχολημένη. Στείλτε μας ένα μήνυμα και ενημερώστε μας. Η ομάδα Blue Orange Digital είναι ευτυχισμένη να κάνει τους συνιστώνες να δουλεύουν για το όφελος σας επίσης!

πηγή εικόνας: Canva