@olieverfOlga Teslenko

Ik weet hoe ik AI en XR in marketing moet gebruiken en ik kan deze kennis gewoon niet voor mezelf houden.

Wanneer ik een website open die diensten of goederen aanbiedt, controleer ik altijd hoe goed een aanbevelingssysteem werken. Het is mijn persoonlijke marketingding, tic en eigenaardigheid. Hoe je het ook noemt. Grote bedrijven zijn net zo dol op aanbevelingsmotoren als ik, dus ik ben in goed gezelschap.

"Recommender-engines of recommenders, zoals ze soms worden genoemd, zijn de meest bruikbare toepassingen van Machine Learning Algorithms." – Harvard Business Review.

Het maakt niet uit of ik Netflix-films kies of bezorging bestel bij een lokale supermarkt, ik wil persoonlijke aanbevelingen:

Aanbevelingsengines helpen me om te kiezen uit miljoenen nummers op Spotify: 

En ze helpen me kiezen een andere plant tot teleurstelling van mijn man ("Nog één plant? We hebben er al een dozijn!").

Elke keer dat ik let op nauwkeurige en aangename aanbevelingen, de marketeer in mij, degene die er sterk van overtuigd is dat waarde toevoegen aan klanten de sleutel tot succes is, is tevreden. Zeer tevreden.

Waarom?

Aanbevelers zijn als geschenken van beste vrienden die u goed genoeg kennen om rekening te houden met uw smaak in plaats van met die van henzelf.

Wat zijn andere voordelen van aanbevelingsengines voor klanten?

1. In alle 3 hierboven beschreven gevallen, aanbevelingsengines (Spotify, Netflix, Epicentr K) heeft me veel tijd bespaard. Hoe meer ik ze gebruik, hoe nauwkeuriger de aanbevelingen worden. De volgende keer dat ik een plant wil kopen (“Nog een!”) of muziek kies, heb ik handige tips.

2. Als drukke klant, en dat klinkt misschien als een totale coming-out, Ik weet niet altijd wat ik wil. Ik vraag vrienden naar goede films of boeken, post op Facebook vragen als "waar moet ik eten in Split?" en vraag naar de merknaam van een grill die ik ga kopen. Ik twijfel en wil graag iets goeds kopen.

Ik ben dol op persoonlijke aanbevelingen. We doen het allemaal. Ze zijn gebaseerd op de fouten van iemand anders.

3. Dus in veel gevallen helpen aanbevelingsmotoren me om de dingen te kiezen die ik nodig heb en die het meeste bieden populaire voedingsmiddelen, diensten die vaak de aandacht waard zijn. Simpelweg omdat ze worden gecontroleerd door andere mensen. En nee, ik geloof niet dat ik verleid word om dingen te kopen die ik niet nodig heb vanwege een aantal grove manipulaties. Ik ben immuun voor advertenties en het is bijna onmogelijk om me dingen te laten kopen die ik in eerste instantie niet van plan was te kopen, dankzij strikte budgetteringsgewoonten.

Hoe meer ik naar Spotify luister, hoe beter muziek het me biedt, en dus hoe leuker ik het vind. Hoe meer ik winkel op een van de populaire marktplaatsen, hoe beter de goederen die ik in mijn aanbeveling zie. Volgens dit artikel van richting datawetenschap, Spotify gebruikt collaboratieve filtering, Natural Language Processing-algoritmen om songteksten en opmerkingen te analyseren en voorspellingen te doen over wat ik leuk zou kunnen vinden.

Spotify-analisten beweren dat 40% van de tijd gebruikers niet zeker weten waar ze naar willen luisteren.

Dat was de bekentenis van de gebruiker. Laten we nu eens kijken naar de echte dingen: zakelijke waarde. Ik beschouw aanbevelingsmotoren niet als een marketinggimmick, maar als een hulpmiddel, een serieus zakelijk hulpmiddel voor serieuze doeleinden. 

Voor bedrijven is het belangrijk om het hoofdidee te krijgen: aanbevelingsmotoren zijn niet de voorbeelden van de tactieken die zullen helpen om meer te verkopen, ze zijn een bron van nooit eindigende inzichtbronnen in vergelijking met intuïtie en monitoring door concurrenten.

Wat is de echte zakelijke waarde van aanbevelingsengines?

Aanbevelingen kunnen een startpunt zijn voor het bouwen van een echte "datacultuur" binnen het bedrijf, de cultuur die zal helpen om beslissingen op basis van kennis (niet de intuïtie van een marketingdirecteur) of het onderbuikgevoel van de belangrijkste investeerder van het bedrijf). Totdat bedrijven beseffen dat ze de gegevens moeten analyseren die soms over verschillende systemen verspreid zijn, zullen ze het doel missen.

Aanbevelingsengines zien er op dit moment een beetje ingewikkeld uit, maar marketeers moeten de principes onthouden waarop aanbevelingsengines zijn gebaseerd: collaboratieve filtering en op inhoud gebaseerde filtering.

All in all, 38% van alle AI-oplossingen in bedrijven zijn toegewijd aan het bouwen van algoritmen die patronen in grote hoeveelheden gegevens kunnen vinden en deze kennis gebruiken om te voorspellen wat een bepaalde klant leuk vindt. Met deze kennis kunnen e-commercebedrijven kunnen hun klanten relevantere en waardevollere goederen en diensten aanbieden en de loyaliteit vergroten.

Met behulp van moderne mogelijkheden van AI is het mogelijk om het hart van de consument te bereiken:

1. Aanbevelingen maken dynamisch vullen van de slots op basis van analyse van browse- en aankoopgeschiedenis;

2. Maak lijsten en sorteer pagina's op basis van populariteit van producten/diensten;

3. Zichtbaar gepersonaliseerde zoekresultaten;

4. Toon aanbevelingen voor speciale evenementen, zoals Halloween of Pasen ( vergeet niet om eieren te kopen!);

5. Aanbevelingen weergeven die kunnen voltooi je bestelling In zekere zin. Je kocht 3 soorten geitenkaas. Waarom geen goede wijn aanbieden die bij al die kazen past?

We kopen tenslotte allemaal graag dingen, maar hebben er een hekel aan als iemand ons spullen verkoopt. Aanbevelingsmotoren worden de gulden middenweg tussen verkocht worden en prettig winkelen.

Coinsmart. Beste Bitcoin-beurs in Europa
Bron: https://hackernoon.com/recommender-engines-ai-on-steroids-for-e-commerce-5p4d3517?source=rss