Syväoppimisen suositusalgoritmin avulla brändit voivat ennustaa, minkä seuraavan tuotesarjan kuluttaja ostaa todennäköisimmin.
Julkaistu: 28. huhtikuuta 2021
[New York, 28. huhtikuuta 2021] Experience Optimization -alustaa tarjoava Dynamic Yield ilmoitti tänään huippuluokan, itseoppivan Deep Learning -suositusten algoritmin asteittaisesta julkaisusta, jonka ansiosta brändit voivat ennustaa, minkä tuotesarjan kuluttaja on todennäköisimmin ostamassa seuraavaksi.
Nykyään tuotesuositukset ovat olennainen vaatimus kaikille verkkokauppayrityksille, jotka haluavat lisätä sitoutumista, ostoja ja asiakasuskollisuutta. Markkinoijilla ja tuotepäälliköillä on kuitenkin ollut jatkuvana haasteena sen määrittäminen, mitä tuotteita laajasta tuoteluettelosta tulisi tarjota asiakkaille, joilla on erilaisia mieltymyksiä ja aikeen tasoja.
Dynamic Yieldin syväoppimispohjaiset suositukset tunnistavat aikeet välittömästi jo ensimmäisestä istunnosta alkaen ja yhdistävät asiakkaat automaattisesti tuotteisiin, joista he ovat eniten kiinnostuneita tai joita he todennäköisimmin ostavat, mukautuen sitä efteriä, kun uutta dataa kerätään. Malli hyödyntää item2vec-menetelmää, joka on johdettu suoraan sen luonnollisen kielen prosessoinnin (NLP) vastineesta word2vecistä. Sen avulla opitaan käyttäjän selaushistorian, istunnon aikaisen toiminnan ja sivustolla havaittujen suuntausten perusteella tuotteet, joiden kanssa kunkin yksittäisen käyttäjän ennustetaan olevan vuorovaikutuksessa ostaessaan.
”Kuluttajat ovat alkaneet odottaa korkeatasoista personointia verkkokaupan vuorovaikutustilanteissa”, sanoi Dynamic Yield -toimitusjohtaja Liad Agmon. ”Syväoppimismallimme hyödyntää luonnollisen kielen käsittelyn huippuluokan neuroverkkoteknologioita, joiden on todettu olevan erittäin tehokkaita suositusalueella. Tämä tarjoaa ylivertaisen tavan ennakoida asiakkaiden toiveita ja tarpeita.”
Johtavat brändit, kuten URBN Brands, OFFICE, GlassesUSA.com ja monet muut, käyttävät tällä hetkellä Dynamic Yield -syväoppimisalgoritmia tuotesuositustensa tehokkuuden maksimoimiseen. Kehittyneeseen koneoppimiseen perustuva strategia on jo tuottanut huomattavia kaksinumeroisia kasvuja Dynamic Yieldin asiakkaiden ostoissa ja lisätuotoissa.
Syväoppimissuositusmallin keskeisiä etuja ovat muun muassa seuraavat:
”Dynamic Yieldin ansiosta meidän ei enää tarvitse valita manuaalisesti strategiaa kotisivujemme suosituswidgetille”, sanoo Nadav Yekutiel, Head of Data, GlassesUSA.com. ”Sen syväoppimisalgoritmi määrittää automaattisesti oikean parametrijoukon jokaiselle käyttäjälle heidän käyttäytymisensä, asiakaspolun vaiheensa sekä sivustolla havaittujen trendien perusteella, mikä tekee siitä paremman kuin mikään muu saatavilla oleva strategia – ei vain tulosten, vaan myös säästyneen ajan osalta.”
Katso koko tapaustutkimus siitä, miten GlassesUSA.com käyttää syväoppimisalgoritmia mukauttamaan suosituksiaan jokaiselle ostajalle.
Dynamic Yieldin syväoppimisen suositusmalli on osa AdaptML™-järjestelmää, joka on yrityksen itseoppiva syväoppimisen tekoälyjärjestelmä. Se mukauttaa digitaalisen kokemuksen yksilöllisesti jokaiselle käyttäjälle päättelemällä ostoaikeet asiakasdatasta ja ennustamalla tuotteita, joista he saattavat olla kiinnostuneita.
Tietoja Dynamic Yield
Dynamic Yield auttaa yritysbrändejä toimittamaan ja testaamaan nopeasti personoituja, optimoituja ja synkronoituja digitaalisia asiakaskohtaamisia. Yli 350 globaalin brändin markkinointi-, tuote-, kehitys- ja verkkokauppatiimit käyttävät Dynamic Yieldin Experience Optimization -alustaa teknologiakerroksena olemassa olevien sisällönhallinta- tai verkkokaupparatkaisujen päällä iteroidakseen nopeammin ja sovittaakseen sisällön, tuotteet ja tarjoukset algoritmisesti jokaiselle yksilölle pitkän aikavälin liiketoiminta-arvon kiihdyttämiseksi.