Soovitussüsteemid

Soovitussüsteemid on globaalsete suurettevõtete poolt laialdaselt kasutusele võetud ning näeme neid veebis ka igapäevaselt toimimas: Amazon soovitab meile sobivaid tooteid, Quora aitab leida meie küsimustele õigeid vastuseid, Facebook ja Google suunavad meile personaliseeritud reklaami jne. Sõltumata soovituse objektist on eesmärgiks alati äritegevuse efektiivistamine läbi tulude suurendamise või kulude vähendamise.

STACC on ekspert soovitussüsteemide arendamises. Meie soovitusmootorit on edukalt kasutatud uute koostööpartnerite leidmiseks, veebipoodide müügi edendamiseks, tervishoiusektorile personaalsete soovituste jagamiseks, jaemüügisektorile personaalsete kampaaniate loomiseks ning äriprotsessides optimaalsete otsuste tegemiseks.

Soovitussüsteem peab vastama ärireeglitele

Toimivat soovitussüsteemi ei saa kunagi osta n-ö “karbitootena”, kuna tõsiselt võetav soovitussüsteem:

  • peab olema loodud vastavalt ärieesmärgile (müügi- või kasumi kasv, up-selling vm.);
  • sisaldab ärireegleid (milliseid objekte ei tohi soovitada, millistele anda suurem kaal jne);
  • kasutab antud äri seisukohalt parimat soovitusalgoritmi;
  • on ajas arenev.

STACCi soovitussüsteem:

  • on loodud kliendispetsiifiliselt (igale kliendile luuakse sobiv tehisintellektne mudel);
  • luuakse ärieesmärgile vastavalt (müügi maksimeerimine või kasumi maksimeerimine);
  • arvestab ärireegleid (milliseid kaupu ei tohi soovitada jne);
  • on ajas arenev (süsteemi monitooritakse ja täiendatakse pidevalt).

Turul pakutavad soovitusmoodulid:

  • ei ole kliendispetsiifilised (kõigi jaoks üks mudel);
  • ei vasta ärieesmärgile (eesmärki ei saa valida);
  • ei arvesta ärireegleid (võib soovitada kaupu, mida ei tohiks);
  • ei ole ajas arenevad (süsteemi ei arendata kliendi jaoks edasi).

Soovitussüsteemi loomise etapid

  1. Esmase soovitussüsteemi loomine: Soovitussüsteemi loomise esimese sammuna määratleb klient soovitussüsteemi eesmärgi, näiteks müügitulu suurendamine, kasumi suurendamine, kõrgema hinnaklassiga toodete müügi suurendamine, laovarude vähendamine vmt. Seejärel kogub STACC kliendi käest kokku A. kasutajate käitumise ajaloo (mida kasutaja on vaadanud, lisanud ostukorvi või tellinud) ja B. toodete/objektide tunnused ning loob soovitussüsteemi esmase versiooni.
  2. Soovitussüsteemi seadistamine vastavalt ärireeglitele: Esmased soovitused ei vasta mitte kunagi ettevõtte ärireeglitele. Samas näitavad need ära, mida tuleb muuta – millised tunnused peaksid omama suuremat kaalu, millised soovitused tuleks ühildada ja millised eemaldada.
    Soovitusmootori seadistamine tehakse koostöös kliendi esindajaga, kes annab oma hinnangu soovitustele ning ettepanekud täiendamiseks.
  3. Soovitussüsteemi rakendamine live-keskkonnas:
    1. Klient vaatab toodet/artiklit/objekti ABC;
    2. Soovitusmootorile saadetakse päring (http päring läbi meie API);
    3. Masinõppemudelid arvutavad soovitused ning need järelfiltreeritakse vastavalt ärireeglitele;
    4. Soovitused saadetakse JSON formaadis veebikeskkonda kuvamiseks.
  4. Soovitussüsteemi monitoorimine ja pidev parendamine: Soovitusüsteemi tulemuslikkuse kontrollimiseks viib STACCi süsteem läbi automaatseid A/B teste. Soovitussüsteemi täiendatakse pidevalt uusimate algoritmidega, mis jõuavad automaatselt kliendini (kuna soovituste pärimine käib läbi API).

TEHTUD TÖÖD

Personaalsete toodete soovitaja. Süsteem, mis soovitab klientidele relevantseid tooteid, võttes samas arvesse ettevõtte ärireegleid. 

Koostööpartnerite soovitaja. Süsteem, mis analüüsib ettevõtetevahelisi partnerlussuhteid tegevusala põhiselt ning annab soovitusi uute potentsiaalsete partnerite osas.

Krediidihalduse spetsialistidele loodud soovitussüsteem. Süsteem õpib ajalooliste andmete pealt optimaalse käitumismustri ning annab soovituse, millise sammu peaks spetsialist järgnevalt tegema, et maksimeerida tähtaja ületanud arvete tagasimaksmist.