WIEDZA

Rekomenduj jak Netflix: Jak korzystać z systemów rekomendacyjnych

redakcja  PR - bezpłatny materiał PR | 30.12.2016, przeczytano 336 razy
ilustracja
Obraz 1. Wykorzystanie uczenia maszynowego w edrone algorytm rekomendacyjny w akcji.

Marketing na miarę Netflixa! Dowiedz się, co oznacza hasło segment of one i jak możesz wykorzystać tę wiedzę, by wspomóc komunikację ze swoimi klientami. Wysyłaj newslettery precyzyjnie dopasowane do ich potrzeb. W artykule opisuję jak rekomendować klientom e-sklepu produkty na podstawie zakupów dokonanych przez innych klientów.


Artykuł pochodzi z portalu Signs.pl: https://www.signs.pl/rekomenduj-jak-netflix:-jak-korzystac-z-systemow-rekomendacyjnych,30978,artykul.html

Sztuczna inteligencja nie tylko w filmach

Jeśli nie oglądaliście filmu Ex Machina z 2015 r., a lubicie kino SF, to gorąco polecam ten seans. Nie zdradzę zbyt wiele, wspominając, że fabuła tego filmu osadzona jest wokół pomysłu stworzenia  robota podobnego do człowieka. A jego inteligencja oparta jest o najpopularniejszą wyszukiwarkę internetową. Przedstawionej wizji znacznie bliżej fiction niż science (na szczęście!), a film wpisuje się w nurt obrazów ostrzegających przed niebezpieczeństwami nowych technologii. Możecie więc spytać, co to ma wspólnego z marketingiem? Otóż trochę ma…

Google, Facebook, Netflix, Spotify, Amazon, sieci supermarketów takie jak Walmart, duże linie lotnicze… Przykłady można by mnożyć. Dziś sztuczna inteligencja jest kołem napędowym spersonalizowanego marketingu wśród firm wiodących prym w swojej branży. Przyczyną takiego szumu związanego z wykorzystaniem algorytmów sztucznej inteligencji w marketingu jest to, że pozwalają one radzić sobie z olbrzymimi zasobami danych jakie obecnie posiadamy o naszych klientach. Automatyzują powtarzalne zadania, myląc się zdecydowanie rzadziej niż człowiek. Optymalizują tak cenę produktów, jak ich dystrybucję. Dostarczają nowe funkcjonalności dla swoich użytkowników. Nie do przecenienia jest również fakt, że otwierają drogę do scenariuszy marketingowych, które byłyby nie do pomyślenia bez zastosowania zdobyczy uczenia maszynowego.

Co to jest uczenie maszynowe?

Komputer – póki co – nie myśli tak jak człowiek. Jest narzędziem, w którym możemy gromadzić dane (wiedzę) i za pomocą którego potrafimy przetwarzać zapisane informacje na sposób probabilistyczny. Oznacza to, że wybrany przez nas algorytm wyszukuje reguły, które opisują posiadaną wiedzę. Następnie możemy zastosować te reguły do nowych danych. Przykładowo, z pomocą systemu marketingowego można ustalić, jacy klienci mają podobne preferencje dotyczące produktów. Wyobraźmy sobie taką sytuację: produkt X został oceniony przez część klientów naszego sklepu, przez jednych pozytywnie, przez innych negatywnie. Wiedząc na ile różni klienci są zgodni w ocenach produktów, możemy przewidzieć ocenę produktu X, którą wystawili by klienci, którzy się z nim jeszcze nie zapoznali. Dzięki temu możemy wytypować klientów, którym produkt powinien się szczególnie spodobać – i wysłać im e-maila z ofertą produktu. Na takiej zasadzie działa Netflix – zob. obraz 2.


Obraz 2. Schemat działania algorytmu rekomendacyjnego w Netflix.

Postęp w technologii rekomendacji jest tak zaawansowany, że ukuty został  termin „segment of one”.  Segmentacja marketingowa to proces podziału klientów lub potencjalnych klientów w obrębie jakiegoś rynku na grupy w obrębie których potrzeby klientów są identyczne lub zbliżone i można je zaspokoić jednorodną kompozycją marketingową. Z kolei segment to grupa faktycznych lub potencjalnych klientów, co do których można oczekiwać, że będą mniej więcej podobnie reagować na daną ofertę. Stwierdzenie „segment of one” oznacza więc, że potrafimy tak precyzyjnie opisać potrzeby naszych klientów, że każdy z nich tworzy swój własny segment! Co więcej, każdy z tych segmentów otrzyma inną, dopasowaną do niego komunikację marketingową. Netflix chwali się, że nie ma jednej wersji ich produktu – jest ich ni mniej ni więcej 75 mln – tyle co użytkowników Netflix’a.

Kim jest Twój klient?

Wraz z coraz lepszym wyedukowaniem konsumentów, masowy marketing staje się coraz mniej skuteczny. Klienci mogą z łatwością porównywać oferty wielu sklepów równocześnie. Śledzić blogi trendsetterów lub sami nimi być. Kierować się opiniami o produktach na niezależnych portalach. Większe są oczekiwania wobec spersonalizowanej komunikacji prowadzonej w czasie rzeczywistym. Aby oferty nie trafiały do spamu, muszą być interesujące i dostarczane na czas.


Obraz 3. Wykorzystanie uczenia maszynowego w edrone: algorytm rekomendacyjny w akcji.

Wyzwanie jakie postawił przed sobą edrone, jest dostarczenie spójnego i całościowego systemu, który pozwoli realizować w 100% spersonalizowaną komunikację marketingową. Proaktywną, czyli reagującą na działania klientów, a nawet je wyprzedzającą. Idee, które stoją za edrone są w moim przekonaniu rewolucyjne. Oto manifest edrone: 

1. Móc dotknąć klienta.

Jako marketer możesz w czasie rzeczywistym poznawać zachowania klientów w e-sklepie (produkty przeglądane, dodane do koszyka, kupione). Widzisz informacje na temat konkretnego człowieka z takimi danymi jak jego profil Facebook. To pozwala Ci odkrywać wiedzę o Twoich klientach znacznie lepiej, niż suche statystyki i syntetyczne opisy grup docelowych. Tak działa ludzki umysł – przemawiają do niego konkretne przykłady – persony, a nie segmenty.

2. Minimum Loveable Product.

Zintegrowanie sklepu z systemem edrone jest tak łatwe, jak zainstalowanie nowej aplikacji w Twoim smartfonie. A obsługa tak przyjemna, jak używanie iPhone’a. Interfejs edrone, tzw. Mission Control projektowany jest przez specjalistów od UX.

3. Uczenie maszynowe pod strzechy.

Stworzenie modelu, który będzie przewidywał przyszłe zachowania użytkowników wymaga pracy eksperta od algorytmów uczenia maszynowego. Jednak większość sklepów nie chce lub nie może pozwolić sobie na stworzenie nowego działu odpowiedzialnego za sztuczną inteligencję w swojej firmie. 

Sztuczna inteligencja w edrone

Jednym z algorytmów, które udostępniliśmy naszym klientom jest właśnie system rekomendacyjny, podobny do tego z przykładu o Netflix’ie. Rekomendacje tworzone są poprzez analizę produktów współkupowanych w jednym koszyku w ramach jednej transakcji. Algorytm dopasowywuje się do charakterystyk danego sklepu (a więc: liczby unikalnych produktów, liczby transakcji w ciągu zadanego okresu czasu, przeciętnej liczby produktów w koszyku). Dzięki temu umożliwia rekomendowanie produktów maksymalnie dużemu odsetkowi klientów sklepu. Rekomendacje komunikowane są w formie e-maila zachęcającego do zapoznania się z wybranymi produktami. Polecane produkty dopasowywane są do ostatnio przeglądanych/dodawanych do koszyka/zakupionych przez klienta produktów.


Obraz 4. Wykorzystanie uczenia maszynowego w edrone: algorytm rekomendacyjny w akcji.

Algorytm rekomendacji charakteryzuje się dużą elastycznością. Umożliwia zdefiniowanie czasu po jakim e-mail z propozycjami produktów zostanie wysłany. Pozwala też zdefiniować kategorie produktów na tzw. “blacklist”. Nie zawsze chcemy, aby wszystkie kategorie produktów były rekomendowane. Przykładem są leki na receptę sprzedawane w aptece internetowej. Nawet jeśli klient byłby zainteresowany danym lekiem wskazywanym przez algorytm, to nie ma sensu mu go proponować, ponieważ prawdopodobnie nie będzie mógł go wykupić.

Sztuczna inteligencja w Twoim sklepie!

Korzystając z “inteligentnych” scenariuszy marketingowych, jakie dostarcza nam edrone, bazujemy na rzeczywistych zachowaniach klientów oraz wiedzy, jaką możemy zdobyć za pośrednictwem mediów społecznościowych. To, że opieramy się na danych, których twórcami są sami klienci sklepu, jest ważniejsze, niż mogłoby się wydawać. Marketing staje się znacznie bardziej efektywny, jeśli pozwolimy algorytmom uczenia maszynowego wydobyć wzorce zachowań klientów. A następnie poznane reguły użyjemy do przewidywania i wpływania na przyszłe zachowania klientów. Ponadto konstrukcja takich scenariuszy marketingowych jest uniwersalna. Nie zależy od branży w której działa sklep, liczby i rodzaju produktów czy usług, jakie on świadczy. To nie oznacza masowego podejścia do klientów sklepu. Wręcz przeciwnie, pozwala stosować podejście „segment of one”. Strategie są ogólne, ale to marketer ma ostateczny wpływ na to, co komunikuje swoim klientom.


Maciej Mozolewski

Źródło: edrone

Dodatkowe informacje:

Maciej Mozolewski – ukończył studia podyplomowe Metody Statystyczne w Biznesie na Uniwersytecie Warszawskim. Od tego czasu zajmuje się zagadnieniami związanymi ze sztuczną inteligencją i uczeniem maszynowym. Posiada doświadczenie badacza w najbardziej liczącej się w Polsce firmie zajmującej się custom research w dziedzinie informacji marketingowej i badaniach konsumenckich. W pracy lubi łączyć podejście humanistyczne ze ścisłym. Interesuje się fotografią i grafiką. Lubi ruch na świeżym powietrzu – spacery z psem, rower, narciarstwo. Pasjonuje się muzyką, prozą SF i komiksami.

PR - Tekst opublikowany bezpłatnie na podstawie promocyjnych materiałów prasowych. Redakcja nie odpowiada za jego treść.

R E K L A M A

Komentarze

Zaloguj się i dodaj komentarz
 
sobota 27.05.2017, 70 gości [ lista ]
Signs.pl - Portal polskiej reklamy wizualnej © 1997-2017 ICOS. Wszystkie prawa zastrzeżone