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.

9
02/18

STACCi seminar: Soovitussüsteemi kasutamine e-kaubanduses

Soovitussüsteem on muutunud üksikute e-kaubanduslike saitide poolt rakendatud “uudisasjast” tõsiseks äriinstrumendiks, mis kujundab ümber e-kaubanduse maailma. Aina kasvav arv e-kauplusi on kasutusele võtnud soovitussüsteemi, et parendada oma klientide veebiostlemise kogemust, suurendada müüki ja tõsta klientide lojaalsust. Soovitussüsteemid muudavad viisi, kuidas veebisaidid oma kasutajatega suhtlevad ja võimaldavad ettevõtetel maksimeerida investeeringutasuvust,kasutades informatsiooni, mida nad koguvad iga kliendi eelistuste ja ostude kohta.

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.

Kui sind huvitab, kuidas soovitussüsteemi abil oma ärilisi eesmärke saavutada, oled oodatud seminarile, kus arutame teemadel:

– Mis on soovitussüsteemid ja kuidas need toimivad?
– Millised on levinumad soovitusmudelid ja milliseid mudeleid kasutavad ‘suured tegijad’?
– Kuidas toimub soovitussüsteemi loomine ja arendamine?
– Mida silmas pidada soovitussüsteemi rakendamisel?

Samuti tutvustame kahte erinevat kasutajalugu soovitussüsteemi rakendamisest – neist üks veebipoe personaliseerimiseks ja teine e-maili turunduskampaania personaliseerimiseks. Lisaks projekti kirjeldustele saab kuulda ka tulemustest ja kliendi tagasisidest.

Seminari toimumisaeg ja -koht:
22. veebruar kell 10:00-12:00
Technopolis Ülemiste
Lõõtsa 6, Tallinn (sissepääs A ja D uksest)
2. korrus, Zappi seminariruum

Parkimine: http://ulemistecity.ee/parking-logistics/parkimine/

Seminarist osavõtt on tasuta, kuid kohtade arv on piiratud. Registreeri oma osalus hiljemalt 18. veebruaril, kasutades allpool olevat vormi.

Lisainformatsioon:
Annet Muru
annet.muru@stacc.ee
+372 5323 5266

 

29
01/18

Soovitussüsteem kui eduka veebipoe keskne komponent

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.

Hinnastus

STACC arendab igale veebipoele täiesti eraldi soovitusssüsteemi, kuid arenduskulude eest klient tasuma ei pea. Tasu arvestatakse protsendina müügitulust, mis tekib läbi soovitussüsteemi. Tasu määr sõltub tekkiva müügitulu summast, kuid enamasti jääb see 1,5-3,5% vahele.

Näide: Kui läbi soovitussüsteemi tekib ettevõttele müügitulu 100 000 eurot, maksab klient soovitussüsteemi tasu 2% ehk 2000 eurot.

 

Kui sul on veebipood ja tunned huvi tehisintelligentse soovitussüsteemi rakendamise vastu, 
telli meilt tasuta soovitussüsteemi demo, täites allpool olev vorm!