Veebipoodide ja neis pakutavate toodete arv on kiirelt kasvamas, kuid inimeste tähelepanuvõime pole paranenud. Seega on iga veebipoe kriitiliseks väljakutseks kasutajate juhtimine neid huvitavate toodeteni ning selle tegemine viisil, mis aitaks kaasa äriliste eesmärkide täitumisele.
Tänaseks on kõik 10 maailma suurimat e-kaubanduse ettevõtet välja arendanud oma tehisintelligentse soovitussüsteemi ning valdkonna teerajaja Amazon teeb üle 30% müügist soovitusmootori toel. Soovitussüsteemid on selgelt muutunud edukate veebipoodide keskseks komponendiks.
Enamusel veebikauplejatest pole võimekust luua oma masinõppetiimi, kes soovitussüsteemi arendama hakkaks. Seega tekib paratamatult küsimus: kuidas soovitussüsteem kasutusele võtta?
Populaarsematele e-kaubanduse platvormidele (Magento, WooCommerce jt.) on moodulitena saadaval n-ö “karbitooted”, mille installeerimisel saab hakata kasutajatele soovitusi kuvama. Kahjuks ei ole võimalik toimivat soovitussüsteemi selliselt luua. Kõik, kes valmismoodulitega kokku on puutunud, teavad hästi järgnevat kolme probleemi:
- Valmismoodulid ei võimalda seada soovitussüsteemile ärilist eesmärki;
- Valmismoodulitesse ei saa sisestada ärireegleid ja seetõttu hakkavad tekkima “rumalad” soovitused;
- Moodulitena pakutava soovitussüsteemi tulemuslikkust ei saa kontrollida ja need süsteemid ei arene ajas.
STACCi soovitussüsteem
Kuna “halbade” soovituste kuvamine toob ettevõttele rohkem kahju kui kasu, võtsime mõned aastad tagasi vastu väljakutse arendada soovitussüsteem, mida saaks veebikeskkonnas piisavalt kerge vaevaga kasutusele võtta ning mis kasutaks soovituste tegemiseks masinõpet. Tänaseks oleme valmis saanud toote, mis võimaldab järgnevat:
1. Soovitusmudeli valik sõltub ettevõtte eesmärgist, andmetest ja tegevusvaldkonnast
Oleme aastate jooksul realiseerinud oma soovitussüsteemi kõik edukamad soovitusalgoritmid. Süsteem testib neid veebikeskkonnas ja valib automaatselt selle, mis aitab kõige paremini saavutada soovitussüsteemile seatud eesmärki (näiteks, müügitulu suurendamine).
2. Soovitussüsteemi tulemustele rakendatakse erinevaid äri-, moraali- jm filtreid
Selleks, et soovitussüsteem ei teeks “rumalaid” soovitusi, oleme süsteemi jätnud täieliku paindlikkuse seadmaks ärispetsiifilisi reegleid ja filtreid. Alljärgnevad näited aitavad selgitada, mida mõtleme reeglite all:
- Kas kaupa X tohib soovitada ka siis, kui kasutaja on seda juba ostnud?
- Näide 1: Kui müüme jalgrattaid, ei ole mõtet seda kasutajale uuesti soovitada.
- Näide 2: Kui müüme piima, võime seda kasutajale iga päev soovitada.
- Millised piirangud on teatud kaupadele?
- Näide: Soovituste hulgas ei tohiks kunagi olla intiimtooteid.
- Kas teatud kasutajagruppidele kehtivad erireeglid?
- Näide 1: Ära kunagi soovita väravavahile väljakumängija riideid.
- Näide 2: Ära soovita taimetoitlastele lihatooteid.
- Erireeglid:
- Näide 1: Soovita samast kategooriast vaid kallima hinnaklassi kaupu.
- Näide 2: Ära soovita rohkem kui kaks toodet samast kategooriast.
Selliseid reegleid tekib aja jooksul pidevalt juurde ning toimiva soovitussüsteemi puhul peab olema võimalik neid reegleid muuta ja juurde luua.
3. Soovitussüsteemi tulemuslikkus on mõõdetav ning süsteem on ajas arenev
Kuna me võimaldame süsteemile ärilise eesmärgi seadmist, on süsteemi sooritus ka mõõdetav. Veelgi enam, kuna STACC kasutab soovituste tegemiseks masinõppealgoritme, on süsteem ajas arenev. See tähendab, et kasutaja tänane reaktsioon soovitustele salvestatakse, sellest õpitakse ning soovitusi parendatakse ajas pidevalt.
Kui sul on veebipood ja tunned huvi tehisintelligentse soovitussüsteemi rakendamise vastu, telli meilt tasuta soovitussüsteemi konsultatsioon, täites allpool olev vorm.
