Dimmi chi sei e ti dirò cosa leggere

Recommender engine nell’Industria editoriale

Scenario

I Recommender engine sono sistemi che, tramite tecnologie di apprendimento automatico, aiutano gli utenti a scoprire ciò che potrebbe piacergli. I consulenti di prodotto stanno diventando uno dei mezzi di comunicazione più importanti tra le società di vendita al dettaglio e i loro clienti: il marketing one-to-one aiuta sia ad incrementare il Customer Engagement sia le vendite sulle piattaforme di e-commerce, mentre dall'altro lato l'analisi automatizzata aiuta a migliorare l'efficienza e la reattività delle azioni. Ad esempio, Netflix e Amazon stanno guadagnando una larga fetta delle loro entrate grazie ai loro motori di raccomandazione. In effetti, il 35% di ciò che i consumatori acquistano su Amazon e il 75% di ciò che guardano su Netflix deriva da raccomandazioni di prodotti basate su algoritmi moderni.

Solution

Data Reply, specializzata nella gestione dei dati con le metodologie di Big Data e Advanced Analytics, ha sviluppato una versione su misura di un motore di raccomandazione che può sfruttare vari tipi di interazioni del cliente con il prodotto (acquisti, valutazioni, visualizzazioni di pagine web, condivisione di azioni sui social...) ed è in grado di adattarsi automaticamente nel tempo alle specifiche esigenze del cliente, ascoltando le azioni di feedback raccolte. A partire da questo quadro generale, è stato personalizzato per un cliente dell’industria editoriale un motore di raccomandazione per i libri.

COME LAVORA

Diverse fonti che producono dati strutturati e non strutturati, inclusi dati transazionali, web clickstream, valutazioni sociali e recensioni, sono dirette in un Data Lake centrale. Questo approccio consente di archiviare in un singolo luogo dati in formato raw e dati che storicamente sono stati confinati in silos e mai correlati tra loro.
I dati vengono quindi elaborati da diversi algoritmi che hanno la capacità di identificare le preferenze e i gusti dei clienti con un approccio one-to-one, anziché la classica segmentazione in gruppi, anche quando il livello di informazioni disponibile è molto diverso tra i clienti.


how-it-works

La raccomandazione per i libri è un problema multiobiettivo: si desidera ottimizzare allo stesso tempo rilevanza, coinvolgimento, diversità, novità, requisiti aziendali e altro. Questo può essere ottenuto creando un insieme di algoritmi, ognuno dei quali è progettato per raggiungere un obiettivo specifico. Un ultimo algoritmo, poi, è responsabile della ricerca del giusto mix per ogni cliente: ad esempio, un cliente può essere interessato a prodotti di nicchia piuttosto che ai migliori venditori.
Il sistema impara in due modi: in primo luogo, l'acquisizione di nuovi dati (come l'acquisto di un nuovo prodotto) può migliorare la conoscenza delle preferenze del cliente e, di conseguenza, fornire raccomandazioni più pertinenti; in secondo luogo, utilizzando le interazioni del cliente con il sistema (i clic sulle raccomandazioni visualizzate) con una metodologia chiamata "apprendimento di rinforzo", molto simile all'approccio try-and-adapt che i robot usano quando imparano a camminare.
L'intero sistema funziona sia con passi giornalieri di riqualificazione sia con aggiustamenti in tempo reale delle raccomandazioni fornite. Può essere facilmente integrato con i più diversi sistemi (mobile, web, totem intelligenti ...) grazie ad una semplice interfaccia API.

BENEFICI PER IL BUSINESS
  • Nuovo Marketing Touchpoint
  • Consigli personalizzati
  • Aumento dell’user Engagement
  • Aumento dell’user Retention
  • Adozione più rapida di nuovi prodotti
  • Aumento del Traffico Web