Skip to main content

Artikkel

Bruk visuelle analyser på personaliseringskampanjene dine med vår ContentSquare-integrasjon

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

Par som ser bort fra en balkong

[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:

  • Resultater optimalisert per bruker – Maskinlæringsalgoritmen fastsetter automatisk det rette delsettet av parametere for hver enkelt bruker basert på deres atferd, deres plassering langs kundereisen samt eventuelle trender som identifiseres på tvers av nettstedet, noe som fjerner behovet for å manuelt anvende egendefinerte filterregler.
  • Raskt opplært og tilpasset – Algoritmen selvlærer konstant og raskt basert på en enorm mengde atferds- og produktdata for å drive anbefalingsresultater som umiddelbart identifiserer kundehensikter, selv fra den første økten, og forbedres kontinuerlig etter hvert som ny informasjon kommer inn.
  • Tilgjengelig i sentrale digitale kanaler – Bruk den samme avanserte dyplæringsteknologien for å levere produktanbefalinger som forventes å øke engasjementet på nettstedet, både i mobilappen og via e-postkampanjer som skreddersys når e-posten åpnes.

«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.

Kontakt salgsavdelingen

Snakk med en ekspert for å lære hvordan Mastercard kan forbedre virksomheten din gjennom våre produkter og tjenester.

Mastercard