Wspólnotowy Serwis Informacyjny Badan i Rozwoju - CORDIS

Bardziej precyzyjne komentarze dotyczące zakupów internetowych

Sklepy internetowe polecają kupującym dodatkowe produkty, ale nie robią tego zbyt skutecznie. Nowy system inteligentnie dostosowuje odpowiednie rekomendacje do preferencji użytkownika.
Bardziej precyzyjne komentarze dotyczące zakupów internetowych
W handlu internetowym stosuje się systemy rekomendujące produkty. Zazwyczaj system taki podpowiada inne artykuły w oparciu o wybory wcześniej dokonane przez użytkownika. Systemy nie uczą się jednak zbyt skutecznie i najczęściej nie potrafią rozpoznać, że konsument może być zainteresowany produktem, który nie jest jeszcze popularny. System może też posługiwać się filtrowaniem zawartości, polecając dodatkowe produkty w oparciu o zawartość wcześniejszych koszyków zakupowych konsumenta. Ta metoda jest także nieskuteczna, ponieważ oferowane produkty są do siebie bardzo podobne, co nie zachęca do ich kupna.

Celem finansowanego ze środków UE projektu ASSORTMENTCUSTOMIZE jest opracowanie oprogramowania dostosowującego rekomendacje na podstawie indywidualnych cech użytkowników. Wykorzystuje ono dane na temat zakupów, określając klasę i czynniki dotyczące sytuacji konsumenta na podstawie zainteresowań, celu wizyty w serwisie czy wieku. Te klasy i kategorie produktów, a także ceny produktów i koszt ich zakupu, umożliwiają przygotowanie optymalnej listy rekomendacji dla danego konsumenta. Każda decyzja, jaką w przyszłości podejmie konsument, pozwoli dopracować algorytm.

Obliczenia takie są zwykle czasochłonne, ale narzędzie ASSORTMENTCUSTOMIZE będzie wykonywać je szybko dzięki innowacyjnemu oprogramowaniu. Dzięki temu sklepy będą mogły oferować klientom zestawy rekomendacji, odpowiadające ich cechom i pozwalające w ten sposób zmaksymalizować zyski. W ramach projektu algorytmy zostaną przetestowane w serwisie zakupowym telewizji kablowej, ale technologia ta będzie mogła być stosowana także w innych podobnych systemach.

W pierwszej fazie realizacji inicjatywy przeprojektowano pierwotne parametry modelu, tak by oprogramowanie uczyło się dowolnej liczby cech klientów jednocześnie. Wcześniej radziło sobie tylko z jednym klientem na raz. Utworzono także duży zbiór danych dotyczących wyborów konsumenckich w oparciu o amerykańskie serwis sprzedaży filmów wideo, co pozwoliło na przygotowanie historii klientów niezbędnych do realizacji projektu. Symulacje z wykorzystaniem tych danych i zoptymalizowanego algorytmu pozwoliły na zbudowanie działającego prototypu internetowego. Dokonano także optymalizacji wielu innych aspektów oprogramowania.

Kolejnym etapem był test systemu, który przeprowadzono w czerwcu 2013 r. z udziałem 2000 użytkowników. Dzięki temu rezultaty projektu mają lepsze oparcie w rzeczywistości. Artykuł na temat wyników badań zostanie złożony w prestiżowym czasopiśmie Management Science.

Powiązane informacje

Śledź nas na: RSS Facebook Twitter YouTube Zarządzany przez Urząd Publikacji UE W górę