Algoritmen for dyp læring for anbefalinger gjør det mulig for merkevarer å forutsi den neste seriekjøpene en forbruker mest sannsynlig vil gjøre.
Publisert: 28. april 2021
[New York, 28. april 2021] Dynamic Yield, plattformen for erfaringsopptimering (Experience Optimization), kunngjorde i dag en gradvis lansering av sin banebrytende, selvlærende Deep Learning Recommendations -algoritme, som gjør det mulig for merkevarer å predikere den neste serien med produkter en forbruker mest sannsynlig vil kjøpe.
I dag er produktanbefalinger et vesentlig krav for enhver netthandelsbedrift som ønsker å øke engasjementet, kjøpene og lojaliteten. En konsekvent utfordring for markedsførere og varemerkeansvarlige har imidlertid vært å avgjøre hvilke produkter i en enorm katalog av varer som skal presenteres for kunder med ulike preferanser og intensjonsnivåer.
Dynamic Yield dyplæringsbaserte anbefalinger identifiserer hensikt umiddelbart, selv fra den første økten, for automatisk å matche kunder med produktene de er mest interessert i eller mest sannsynlig vil kjøpe, og tilpasser seg etter hvert som nye data registreres. Modellen bruker item2vec-metoden, som er avledet direkte fra sin naturlig språkbehandlingsmotpart (NLP), word2vec, for å lære produktene i en brukers nettleserhistorikk, øktaktivitet og trender sett på tvers av nettstedet for å anbefale produkter som hver enkelt person er spådd å engasjere seg med når de handler.
«Forbrukere har begynt å forvente et høyt nivå av personalisering i nettbaserte detaljhandelsinteraksjoner», sier Liad Agmon, administrerende direktør i Dynamic Yield. «Vår dyplæringsmodell utnytter banebrytende nevrale nettverksteknologier innen naturlig språkbehandling som viser seg å være ekstremt effektive innen anbefalingsdomenet, og gir en overlegen tilnærming for å forutsi kunders ønsker og behov.»
Ledende merkevarer som URBN Brands, OFFICE, GlassesUSA.com og flere bruker for øyeblikket Dynamic Yield’s dypdykkslæringsalgoritme for å maksimere ytelsen til produktanbefalingene sine. Den avanserte maskinlæringsdrevne strategien har allerede generert betydelige tosifrede økninger i kjøp og inkrementelle inntekter for Dynamic Yield-klienter.
Viktige fordeler med anbefalingsmodellen for dyplæring inkluderer, men er ikke begrenset til:
«Med Dynamic Yield må vi ikke lenger manuelt velge en strategi for anbefalingswidgeten på hjemmesiden vår», sa Nadav Yekutiel, sjef for data i GlassesUSA.com. «Dets dypdykkslæringsalgoritme bestemmer automatisk den rette delmengden av parametere for hver bruker basert på deres atferd, hvor de er i kundereisen, samt trender observert på tvers av nettstedet, noe som gjør den overlegen i forhold til enhver annen tilgjengelig strategi – ikke bare når det gjelder resultat, men også tidsbesparelse.»
Se den fullstendige casestudien om hvordan GlassesUSA.com bruker en dyplæringsalgoritme for å tilpasse anbefalingene til hver enkelt kjøper.
Dynamic Yields modell for dyplæringsanbefalinger er en del av AdaptML™, selskapets selvlærende KI-system for dyplæring som tilpasser den digitale opplevelsen individuelt til hver bruker ved å ekstrapolere kjøpshensikt fra kundedata og forutsi produkter de kan være interessert i.
Om Dynamic Yield
Dynamic Yield hjelper merkevarer for bedriftsmarkedet med å raskt levere og teste personlige, optimaliserte og synkroniserte digitale kundeinteraksjoner. Markedsførings-, produkt-, utviklings- og e-handelsteam fra mer enn 350 globale merkevarer bruker Dynamic Yields erfaringsopptimeringsplattform som teknologilag på toppen av eksisterende CMS- eller handelsløsninger for å iterere raskere og algoritmisk matche innhold, produkter og tilbud til hver enkelt person for å akselerere langsiktig forretningsverdi.