你有沒有在線查找過什么東西，在你知道它之前，你到處都會被這個主題的廣告轟炸？例如，假設(shè)您正在尋找下一部“星球大戰(zhàn)”電影的最新信息。觀看預(yù)告片后，您開始看到“星球大戰(zhàn)”T恤，“星球大戰(zhàn)”玩具，“星球大戰(zhàn)”DVD，“星球大戰(zhàn)”表......以及眾多其他“星球大戰(zhàn)”產(chǎn)品的在線廣告你從未想象過的！這完全歸功于推薦系統(tǒng)。
什么是推薦系統(tǒng)？
推薦系統(tǒng) - 也稱為推薦引擎，推薦系統(tǒng)或簡稱RS - 已經(jīng)重新定義了公司創(chuàng)建客戶體驗的方式。推薦系統(tǒng)幫助客戶在進行在線購物時做出明智且更好的購買決策。如果您在任何時候進行任何在線購買，那么您幾乎肯定會遇到與您購買的產(chǎn)品類似的產(chǎn)品的建議。因此，在您瀏覽產(chǎn)品時，推薦系統(tǒng)一直在觀察您的瀏覽行為并搜索您可能尚未發(fā)現(xiàn)的產(chǎn)品。推薦系統(tǒng)在提升整體客戶體驗方面發(fā)揮著重要作用，尤其是在線購買領(lǐng)域。當(dāng)然，它對商業(yè)也有好處。
推薦系統(tǒng)如何運作？
在我們了解推薦系統(tǒng)如何影響我們的生活之前，值得了解它們?nèi)绾喂ぷ饕约八鼈內(nèi)绾伟l(fā)展。
推薦系統(tǒng)是一種信息過濾技術(shù)，通常用于電子商務(wù)網(wǎng)站為訪問過程的客戶提供過濾后的產(chǎn)品選擇。顧名思義，該技術(shù)用于為具有類似特征的產(chǎn)品提供建議。目標(biāo)根據(jù)黨的觀點而不同。對于在電子商務(wù)網(wǎng)站上銷售產(chǎn)品的企業(yè)而言，它通過向客戶提供更多產(chǎn)品選擇來改善其盈利前景。對于客戶而言，它提供類似的產(chǎn)品推薦，并為客戶提供購買比已經(jīng)選擇的產(chǎn)品更好的產(chǎn)品的機會，或者購買可以增強已經(jīng)選擇購買的產(chǎn)品的體驗的產(chǎn)品。為了提供建議，引擎使用了許多方法，包括：
協(xié)作方法
該方法集中于收集關(guān)于顧客的瀏覽行為的信息，其包括但不限于在購物車中瀏覽，購買，放棄的產(chǎn)品和評級。根據(jù)這些信息，引擎會在數(shù)據(jù)庫中搜索接近滿足客戶要求的產(chǎn)品。引擎還分析與當(dāng)前用戶類似的其他用戶的興趣，并且還可以推薦其他用戶瀏覽或使用的產(chǎn)品。雖然這種方法在合理預(yù)測用戶選擇的程度上是好的，但是它受到著名的“冷啟動”問題的困擾，這意味著在沒有實質(zhì)數(shù)據(jù)的情況下，這種方法不能工作。使用此模型的知名品牌列表包括Facebook，Twitter，LinkedIn，亞馬遜，谷歌新聞，Spotify和Last.fm。
基于內(nèi)容的過濾方法
此方法側(cè)重于收集有關(guān)產(chǎn)品屬性和特征的信息，然后嘗試查找其屬性和特征與原始產(chǎn)品類似的產(chǎn)品。雖然此方法不依賴于用戶數(shù)據(jù)，但它往往過于依賴產(chǎn)品而不關(guān)注用戶。使用該模型的知名品牌列表包括IMDB，爛番茄和潘多拉。
上述模型的相對缺點導(dǎo)致一些公司使用混合方法。Netflix是使用混合推薦引擎的最知名品牌之一，每年投資超過1.5億美元。
推薦系統(tǒng)對我們生活的影響 - 案例研究
如前所述，推薦系統(tǒng)極大地影響了品牌及其消費者。要了解其影響，請考慮以下真實案例的HealthTap，一家專注于醫(yī)療保健的創(chuàng)業(yè)公司，以及Airbnb，一個專注于度假租賃的網(wǎng)站。
案例研究：HealthTap
HealthTap希望解決的問題
患者非常依賴“醫(yī)生建議”的藥物治療。然而，這些建議背后的醫(yī)生可能是因為提供特定藥物推薦而獲得報酬的醫(yī)生。換句話說，無論是否愿意，都會推廣特定藥物。為患者提供最佳治療。
HealthTap做了什么？
HealthTap推出了RateRx，旨在為患者提供醫(yī)學(xué)上合格且獨立的藥物評級。該應(yīng)用程序可在智能手機上使用，其網(wǎng)絡(luò)中擁有超過67,000名醫(yī)生。這些醫(yī)生審查并提供與痤瘡，焦慮，糖尿病，頭痛，關(guān)節(jié)炎和高血壓相關(guān)的藥物的評級。當(dāng)患者查看藥物的詳細信息和評級時，RateRx還可以提供具有醫(yī)生評級的類似藥物的推薦。根據(jù)HealthTap創(chuàng)始人Ron Gutman的說法，“很明顯，醫(yī)生可以更好地分享他們對藥物療效和質(zhì)量的教育和經(jīng)驗豐富的觀點和建議，這些觀點和建議基于多年的藥物治療經(jīng)驗和大量藥物的療效。耐心。”
案例研究：Airbnb
Airbnb想要解決的問題
Airbnb是一個網(wǎng)站，人們可以在那里找到出租的住宿，并列出他們的住宿用于出租。據(jù)維基百科稱，Airbnb在34,000個城市和190個國家擁有超過1,500,000個上市。旅行者一直在尋找全球廉價，舒適和安全的住宿。Airbnb希望找到為客戶提供更好，定制的住宿選擇的方法。它想了解更多關(guān)于旅行者的獨特要求。
Airbnb做了什么？
主要想法是找出旅行者的個人旅行需求并提供適當(dāng)?shù)倪x擇或建議。因此，Airbnb決定深入挖掘以旅行評論，住宿反饋和客戶記錄的其他數(shù)據(jù)形式記錄的客戶數(shù)據(jù)。Airbnb成立了一個團隊來做到這一點。根據(jù)工程副總裁Mike Curtis的說法，“很長一段時間以來，如果你知道自己要去哪里，Airbnb就是一個很棒的去處，你知道什么時候去，但我們意識到我們都有這些數(shù)據(jù)是其他人沒有的。我們有旅行模式。我們有評論。我們有清單的描述。我們可以從那里的文本中了解很多關(guān)于社區(qū)的信息。“因此，Airbnb破解了數(shù)據(jù)和建議系統(tǒng)，提供了個性化的建議。
推薦系統(tǒng)的演變
盡管有關(guān)推薦引擎的炒作，但在真正捕捉用戶的想象力之前，他們需要走很長的路。現(xiàn)在，引擎遵循通用算法，并沒有提供量身定制的選擇。未來在于為客戶提供定制的產(chǎn)品選擇。為此，算法需要考慮復(fù)雜性，例如睡眠周期，用戶心情，一天中的時間和能量輸出。似乎零售和媒體行業(yè)將最多地使用這些引擎，而其他行業(yè)也會效仿。例如，銀行和金融行業(yè)正在尋求越來越多地預(yù)測其客戶的下一步行動，以便提供定制產(chǎn)品。為此，關(guān)于諸如客戶反饋，社交媒體等事情的大量數(shù)據(jù) 消費者的模式，呼叫中心數(shù)據(jù)，網(wǎng)站，電子郵件甚至教育水平都將被考慮在內(nèi)。
結(jié)論
觀看推薦引擎的未來如何形成將會很有趣。現(xiàn)在使用的算法已經(jīng)使用了很長時間，但企業(yè)需要更多的概念。品牌正在尋求通過不斷嘗試使其更全面來調(diào)整和改進他們的算法。然而，潛在的最大挑戰(zhàn)在于傳統(tǒng)上使用它們的行業(yè)實施發(fā)動機，例如，可以提供保險產(chǎn)品推薦的保險部門。
推薦系統(tǒng)有可能以多種方式幫助人們的日常生活，并幫助廣告商向更廣泛的受眾介紹產(chǎn)品和服務(wù)，只有時間才能準(zhǔn)確地說明這項技術(shù)將如何繼續(xù)發(fā)展。