คุณแนะนำระบบแนะนำหรือไม่?

ในธุรกิจ ปัญหาเข็มในกระสอบทรายเป็นความท้าทายที่ต่อเนื่อง ระบบแนะนำมาช่วยแก้ปัญหานี้

ในอีคอมเมิร์ซและค้าปลีก คุณมีสินค้าหลายร้อยหรือหลายพันรายการ ซึ่งสินค้าใดเหมาะสมสำหรับลูกค้าของคุณ?

ในฝ่ายขายและตลาด คุณมีหลายรายชื่อในกระบวนการ แต่คุณมีเวลาเพียงพอในการมุ่งเน้นไปที่สิ่งที่สำคัญ

มีเทคโนโลยีเฉพาะที่ใช้ AI และ Big Data ซึ่งทำให้ปัญหาเหล่านี้ง่ายขึ้น ซึ่งก็คือระบบแนะนำ

ระบบแนะนำคืออะไร?

ในคำอธิบายที่ง่ายที่สุด ระบบแนะนำจะค้นหาและคาดเดาสิ่งที่เกี่ยวข้องกับผู้ใช้มากที่สุด สำหรับผู้บริโภค ระบบแนะนำสินค้าของ Amazon (AMZN ) เป็นตัวอย่างที่คุ้นเคย ในด้านความบันเทิง Netflix (NFLX ) ได้พัฒนาระบบแนะนำที่มีประสิทธิภาพ

“[Netflix’s] ระบบแนะนำที่ซับซ้อนและประสบการณ์ผู้ใช้ที่เป็นส่วนตัว ช่วยให้พวกเขาสามารถประหยัดเงินได้ 1 พันล้านเหรียญต่อปีจากการตัดค่าบริการ” – ผลตอบแทนจากการลงทุนของระบบแนะนำสำหรับการตลาด

จากมุมมองของผู้ใช้ ระบบแนะนำทำงานอย่างไรไม่ชัดเจน เราจะอธิบายว่าระบบแนะนำทำงานอย่างไร โดยเริ่มจากส่วนสำคัญที่สุด ซึ่งก็คือข้อมูล

ระบบแนะนำใช้ข้อมูลอะไร?

ข้อมูลที่คุณต้องการสำหรับระบบแนะนำขึ้นอยู่กับเป้าหมายของคุณ สมมติว่าเป้าหมายคือการเพิ่มยอดขายในอีคอมเมิร์ซ ข้อมูลที่ต้องการจะแบ่งออกเป็นสองประเภท คือ ฐานข้อมูลสินค้าและพฤติกรรมผู้ใช้

• บริษัท: USB Accessories, Inc. บริษัทนี้ chuyênขายอุปกรณ์ USB และสินค้าอื่นๆ ให้กับผู้บริโภคและธุรกิจ
• ข้อมูลสินค้า. เพื่อให้ระบบแนะนำง่ายขึ้น บริษัทจำกัดสินค้าไว้ที่ 100 รายการ
• ข้อมูลผู้ใช้. ในกรณีของร้านค้าออนไลน์ ข้อมูลผู้ใช้จะรวมถึงข้อมูลการวิเคราะห์เว็บไซต์ การตลาดทางอีเมล และแหล่งข้อมูลอื่นๆ
• ผลลัพธ์แนะนำ. ในกรณีนี้ ระบบแนะนำอาจสร้างคำแนะนำ (หรือโค้ดส่วนลด) ให้กับผู้ซื้อฮาร์ดดิสก์ เพื่อกระตุ้นให้ซื้อสาย USB

ในทางปฏิบัติ ระบบแนะนำที่ดีที่สุดใช้ข้อมูลมากกว่านี้ โดยทั่วไป ระบบแนะนำจะให้ผลลัพธ์ที่ดีขึ้นเมื่อมีข้อมูลมากขึ้น

ระบบแนะนำใช้ข้อมูลของคุณอย่างไร?

ระบบแนะนำหลายระบบใช้เทคนิคหลายอย่างเพื่อประมวลผลข้อมูลของคุณ

การกรองตามเนื้อหา

อัลกอริทึมแนะนำประเภทนี้รวมความชอบของผู้ใช้และพยายามแนะนำสินค้าที่คล้ายกัน ระบบแนะนำประเภทนี้ค่อนข้างง่ายในการสร้าง และเป็นจุดเริ่มต้นที่ดีสำหรับบริษัทที่มีข้อมูลจำกัด

การกรองร่วมกัน

คุณเคยขอคำแนะนำจากคนอื่นหรือพิจารณาเรื่องราวออนไลน์ก่อนซื้อหรือไม่? หากใช่ คุณได้สัมผัสกับการกรองร่วมกันแล้ว ระบบแนะนำที่ทันสมัยจะวิเคราะห์คำวิจารณ์ การให้คะแนน และเนื้อหาที่สร้างโดยผู้ใช้เพื่อสร้างคำแนะนำที่เกี่ยวข้อง

ระบบแนะนำแบบผสม

ระบบแนะนำแบบผสมรวมเทคนิคแนะนำหลายอย่างเพื่อให้ผลลัพธ์ที่ดีขึ้น โดยการผสมผสานการกรองตามเนื้อหาและการกรองร่วมกัน ระบบแนะนำสามารถให้ผลลัพธ์ที่ดีขึ้นได้

ระบบแนะนำจะสำเร็จเฉพาะเมื่อคุณให้ข้อมูลที่มีคุณภาพสูงเท่านั้น และไม่สามารถทำงานได้ดีหากมีข้อผิดพลาดหรือข้อมูลที่ล้าสมัยในฐานข้อมูลของคุณ

กรณีศึกษา:

การหางานอัตโนมัติ: การให้คะแนนผู้สมัคร

มีผู้สมัครมากกว่า 50 คนสำหรับตำแหน่งงานที่ว่างตามการวิจัยของ Jobvite สำหรับฝ่ายทรัพยากรบุคคลและผู้จัดการ นี่เป็นงานที่ยิ่งใหญ่ในการจัดการกระบวนการ Blue Orange ได้ใช้ระบบแนะนำสำหรับบริษัทหลักทรัพย์ขนาดใหญ่เพื่อช่วยให้สามารถจัดลำดับความสำคัญของผู้สมัครได้อย่างมีมาตรฐาน

บริษัทหลักทรัพย์ในนิวยอร์กซิตี้ต้องการวิเคราะห์เรซูเม่ที่ไม่สอดคล้องกันและต้องการ OCR เพื่อปรับปรุงกระบวนการสรรหาบุคลากร

แนวทาง: หลังจากประเมินกระบวนการสรรหาบุคลากรของหลายบริษัทแล้ว เราพบโอกาสสามประการในการปรับปรุงผลลัพธ์การสรรหาบุคลากรโดยใช้ NLP และการเรียนรู้ของเครื่อง

ผลลัพธ์: โดยใช้การตรวจจับคำสำคัญ การจดจำตัวอักษรออปติคัล และเครื่องมือ NLP บนคลาวด์ เราสามารถล้างข้อความและแปลงเป็นข้อมูลเชิงสัมพันธ์ได้

อีคอมเมิร์ซ: Zageno Medical Supplies

ตัวอย่างอื่นของระบบแนะนำที่นำไปใช้ในโลกแห่งความเป็นจริงมาจาก Zageno Zageno เป็นบริษัทอีคอมเมิร์ซที่ทำสิ่งที่ Amazon ทำสำหรับทุกคน แต่สำหรับนักวิทยาศาสตร์ห้องปฏิบัติการ

Q&A: Blue Orange Digital สัมภาษณ์ Zageno

คำถาม:
คุณใช้ระบบแนะนำอย่างไร และได้ผลลัพธ์อย่างไร?

คำตอบ:
มีสองตัวอย่างของระบบแนะนำที่ ZAGENO ใช้สำหรับลูกค้าทางวิทยาศาสตร์

• ZAGENO’s Scientific Score:
  • ZAGENO’s Scientific Score เป็นระบบการให้คะแนนสินค้าที่ครอบคลุมซึ่งพัฒนาเพื่อประเมินผลิตภัณฑ์ทางวิจัย
  • เรานำไปใช้อัลกอริทึมการเรียนรู้ของเครื่องเพื่อจับคู่ กลุ่ม และจัดประเภทผลิตภัณฑ์หลายล้านรายการ
  • Scientific Score นี้คำนึงถึงการแบ่งประเภทเหล่านี้ และคำนวณคะแนนของผลิตภัณฑ์แต่ละรายการเทียบกับผลิตภัณฑ์อื่นๆ ในหมวดเดียวกัน
  • ระบบการให้คะแนนนี้ใช้ระเบียบวิธีทางวิทยาศาสตร์ในการประเมินผลิตภัณฑ์ทางวิจัยอย่างเป็นกลางและครอบคลุม
• ผลิตภัณฑ์ทางเลือก:
  • ผลิตภัณฑ์ทางเลือกถูกกำหนดโดยคุณลักษณะสำคัญที่เหมือนกัน
  • เรากำลังทำงานเพื่อเพิ่มข้อมูลและคุณลักษณะพื้นฐานเพื่อปรับปรุงคำแนะนำ
  • คำแนะนำผลิตภัณฑ์ทางเลือกมีจุดมุ่งหมายเพื่อช่วยให้นักวิทยาศาสตร์และฝ่ายจัดซื้อสามารถพิจารณาและประเมินผลิตภัณฑ์ที่อาจไม่ทราบมาก่อน
  • ผลิตภัณฑ์ทางเลือกถูกกำหนดโดยคุณลักษณะของผลิตภัณฑ์เท่านั้น และไม่ขึ้นอยู่กับซัพพลายเออร์ ยี่ห้อ หรือข้อมูลเชิงพาณิชย์อื่นๆ

คุณแนะนำระบบแนะนำหรือไม่?

“ใช่ แต่ต้องแน่ใจว่าคุณใช้ข้อมูลที่ถูกต้องในการแนะนำ และสร้างความโปร่งใสเพราะไม่มีใครเชื่อถือหรือพึ่งพา ‘กล่องดำ’” – Zageno

อำนาจของระบบแนะนำไม่เคยสูงมาก่อน เช่นเดียวกับ Amazon และ Netflix ระบบแนะนำสามารถเพิ่มรายได้และอัตราการรักษาลูกค้าได้ บริษัทอย่าง Zageno แสดงให้เห็นว่าคุณไม่จำเป็นต้องเป็นบริษัทขนาดใหญ่เพื่อใช้ประโยชน์จากระบบแนะนำ

วิธีการนำระบบแนะนำมาใช้ในบริษัทของคุณอย่างรวดเร็ว

การสร้างระบบแนะนำต้องใช้ความเชี่ยวชาญด้านข้อมูล ทีม IT ภายในของคุณอาจไม่มีความสามารถในการสร้างระบบนี้ หากคุณต้องการได้รับประโยชน์จากระบบแนะนำ คุณไม่จำเป็นต้องรอให้ทีม IT มีเวลาว่าง ติดต่อเราและบอกเราว่าคุณต้องการระบบแนะนำ Blue Orange Digital ยินดีที่จะช่วยให้ระบบแนะนำทำงานให้คุณ

แหล่งที่มาของภาพหลัก: Canva