3 hệ thống đề xuất Golden-Goose và The Next Frontier

Mối quan hệ tuyệt vời với bạn bè và gia đình phụ thuộc vào sự hiểu biết lẫn nhau và điều tương tự cũng có thể nói đối với các ứng dụng trên internet ngày nay. Bây giờ họ hiểu chúng tôi rất rõ và đã trở thành bạn đồng hành hàng ngày của chúng tôi.

Các ứng dụng sử dụng hệ thống đề xuất trang web được cá nhân hóa nói riêng đã đi một chặng đường dài. Các hệ thống sử dụng các thuật toán và kỹ thuật học máy để đề xuất các trang web và nội dung phù hợp với từng người dùng. Chúng đã trở thành một phần không thể thiếu của Internet hiện đại, với nhiều trang web và ứng dụng kết hợp chúng để cải thiện trải nghiệm người dùng.

Các hệ thống đề xuất được cá nhân hóa đầu tiên xuất hiện vào cuối những năm 1990, với sự ra mắt của

Tính năng "Khách hàng đã mua mặt hàng này cũng đã mua" của Amazon. Hệ thống này đã sử dụng dữ liệu về các giao dịch mua trước đây và lịch sử duyệt web để giới thiệu sản phẩm cho khách hàng. Kể từ đó, các hệ thống đề xuất được cá nhân hóa ngày càng trở nên tinh vi hơn, sử dụng nhiều nguồn dữ liệu và kỹ thuật máy học để đưa ra đề xuất.

Lọc cộng tác

Một bước phát triển quan trọng trong các hệ thống đề xuất được cá nhân hóa là việc sử dụng bộ lọc cộng tác. Cách tiếp cận này liên quan đến việc phân tích sở thích và hành vi của một nhóm người dùng và sử dụng dữ liệu đó để đưa ra đề xuất cho từng người dùng. Ví dụ: nếu một nhóm người dùng có cùng sở thích và sở thích đều thích một trang web cụ thể, thì hệ thống đề xuất có thể đề xuất trang web đó cho một người dùng mới có hành vi tương tự.

Hệ thống đề xuất dựa trên nội dung

Một bước phát triển quan trọng khác là việc sử dụng các hệ thống đề xuất dựa trên nội dung. Các hệ thống này phân tích nội dung của một trang web hoặc một phần nội dung và sử dụng thông tin đó để đưa ra đề xuất cho người dùng. Ví dụ: hệ thống đề xuất dựa trên nội dung có thể phân tích văn bản của một bài báo và sử dụng các từ khóa để đề xuất các bài viết tương tự cho người đọc.

Trong những năm gần đây, các hệ thống đề xuất được cá nhân hóa cũng đã bắt đầu kết hợp nhiều nguồn dữ liệu hơn, chẳng hạn như hoạt động trên mạng xã hội và dữ liệu vị trí. Điều này đã cho phép họ đưa ra các đề xuất được cá nhân hóa hơn nữa, vì họ có thể tính đến nhiều yếu tố hơn có thể ảnh hưởng đến sở thích của người dùng.

Nhìn chung, các hệ thống đề xuất trang web được cá nhân hóa đã đi một chặng đường dài trong một khoảng thời gian ngắn. Chúng đã trở thành một công cụ thiết yếu để cải thiện trải nghiệm người dùng trên internet và có khả năng tiếp tục phát triển và trở nên tinh vi hơn nữa trong tương lai.

Con ngỗng vàng của hệ thống cá nhân hóa

Theo truyền thống, các trang web đã cá nhân hóa trải nghiệm người dùng của họ bằng các hệ thống đề xuất nội bộ đòi hỏi chuyên môn mã hóa đắt tiền. Tuy nhiên, các giải pháp SaaS giá cả phải chăng hơn hiện có sẵn dưới dạng plugin trang web dễ cài đặt và chúng ít nhiều cung cấp các loại đề xuất giống nhau.

Phân khúc dựa trên quy tắc là một trong những giải pháp cá nhân hóa tại chỗ ban đầu vẫn được sử dụng cho đến ngày nay. Ví dụ: một phân khúc rất phổ biến dựa trên quy tắc liệu người dùng có từ bỏ giỏ hàng hay không . Nếu một giỏ hàng bị bỏ rơi, quy tắc có thể được đặt để đưa ra đề xuất hoặc giảm giá.

Các khuyến nghị về hành vi được đưa ra tiếp theo và một lần nữa nó vẫn đang diễn ra mạnh mẽ. Các thị trường như Amazon theo dõi hành vi của người dùng (người dùng xem hoặc mua gì) và sau đó khi người dùng nhấp vào một sản phẩm, trang web sẽ đề xuất các “Mặt hàng có liên quan” và/hoặc “Người bán chạy nhất trong Danh mục này” khác.

Hầu hết các trang web sử dụng cá nhân hóa ngày nay vẫn sử dụng các đề xuất hành vi người dùng này, bao gồm cả Amazon.

Đề xuất dự đoán là một bước phát triển gần đây hơn, là kết quả của việc Amazon (và các công ty lớn khác) tinh chỉnh các thuật toán của họ trong những năm gần đây. Giờ đây, công nghệ máy học có thể dự đoán những gì khách truy cập cá nhân muốn chỉ sau một vài lượt truy cập vào trang web.

Bằng cách chú ý đến lịch sử duyệt web cá nhân của chúng tôi trong thời gian thực, các công ty có hệ thống đề xuất do AI điều khiển có thể đưa ra đề xuất cho người mua sắm trong thời gian thực thực sự là 1 kèm 1 . Trên trang web của Nike, hộp đề xuất “Bạn cũng có thể thích” hiển thị các mục được cá nhân hóa hơn khi khách truy cập tiếp tục truy cập trang web thường xuyên.

Khách truy cập xem, thêm vào giỏ hàng hoặc mua càng nhiều thì công cụ đề xuất càng dự đoán chính xác những gì khách truy cập muốn xem. Tại thời điểm này, một trang web bắt đầu thực hiện nhiều hoạt động bán chéo hơn vì các sản phẩm được đề xuất thực sự gây được tiếng vang với những người mua sắm cá nhân.

Biên giới tiếp theo: các công cụ bán chéo chuyên dụng cho các ngóc ngách cụ thể

Đi sâu vào một phân khúc cụ thể với một công cụ được tối ưu hóa để thực hiện công việc tốt hơn là bước tiếp theo. Trong ngành công nghiệp thời trang, các trang web và nền tảng thương mại điện tử sử dụng hệ thống đề xuất được cá nhân hóa để đề xuất các sản phẩm và kiểu dáng cho người dùng của họ. Các hệ thống này có thể được điều chỉnh cho phù hợp với ngành thời trang bằng cách sử dụng các nguồn dữ liệu và kỹ thuật máy học dành riêng cho ngành thời trang.

Ví dụ: hệ thống đề xuất thời trang có thể sử dụng dữ liệu về lịch sử duyệt web và mua hàng trước đây của người dùng để . Nó cũng có thể phân tích hoạt động truyền thông xã hội và dữ liệu vị trí của người dùng để hiểu rõ hơn về phong cách cá nhân của họ và các loại sản phẩm mà họ có thể quan tâm.

Ngoài việc sử dụng các kỹ thuật hệ thống đề xuất truyền thống, chẳng hạn như lọc cộng tác và đề xuất dựa trên nội dung, hệ thống đề xuất thời trang cũng có thể sử dụng nhận dạng hình ảnh AI trực quan và xử lý ngôn ngữ tự nhiên để phân tích tương tác của người dùng với trang web và do đó đưa ra đề xuất chính xác hơn cho người dùng. người mua sắm.

Phần kết luận

Nhìn chung, các hệ thống đề xuất trang web được cá nhân hóa đã đi một chặng đường dài trong một khoảng thời gian ngắn. Chúng đã trở thành một công cụ thiết yếu để cải thiện trải nghiệm người dùng trên internet và có khả năng tiếp tục phát triển và trở nên tinh vi hơn nữa trong tương lai.

Hơn nữa, một hệ thống đề xuất chuyên biệt cho thời trang có thể là một công cụ mạnh mẽ để cải thiện trải nghiệm người dùng trên trang web thời trang hoặc nền tảng thương mại điện tử và có thể giúp thúc đẩy doanh số bán hàng bằng cách đề xuất các sản phẩm và kiểu dáng mà người dùng có thể quan tâm.

Cũng được xuất bản trên Rosetta AI.