Elenchi di consigli contestuali

A volte, i consigli (personalizzati) dall'elemento all'utente non sono sufficientemente pertinenti. In questo caso, puoi utilizzare le interazioni dell'utente con elementi diversi per conoscere anche le relazioni tra gli articoli (contestuale). Le relazioni tra articoli sono uno degli scenari più importanti che le raccomandazioni possono servire, perché promuovono esperienze come:

• Acquisti per alternative

• Interazione continua

• Scoperta ed esplorazione

Alle persone piace anche

Uno dei canali di raccomandazione più efficaci è l'elenco Alle persone piace anche (o acquistano anche), più comunemente trovato su una pagina Dettagli del prodotto.

Alle persone piace anche si basa su segnali espliciti (transazionali, visti di recente) e crea una forte relazione tra gli articoli utilizzando informazioni sui consumi di altri utenti.

Esempi di Alle persone piace anche:

• Gli acquirenti possono vedere altre borse che gli utenti hanno acquistato oltre al prodotto originale che stanno pensando di acquistare

• Le pagine dei dettagli dei giochi Xbox suggeriscono altri giochi che gli utenti hanno scaricato

• Suggerisci articoli che hanno letto anche altri utenti in aggiunta all'articolo corrente

Le persone hanno visualizzato anche

Un altro modo per modellare gli articoli consiste nell'utilizzare un segnale di visualizzazione implicito invece di un'azione esplicita come Mi piace o acquisto. Utilizzando le visualizzazioni, possiamo aiutare gli utenti a navigare attraverso contenuti correlati o simili. Questa esperienza consente agli utenti di vedere i contenuti che sono stati visualizzati ma non hanno interagito esplicitamente con altri utenti.

Esempi di Le persone hanno visualizzato anche:

• Altre persone che hanno visualizzato questo articolo o servizio

• Prossimi articoli da leggere

Spesso acquistati insieme (carrello)

Spesso acquistati insieme è uno scenario di upsell basato su articoli già inseriti nel carrello. Questo scenario è spesso chiamato "esperienza candy rack". Questo scenario apprende da altri carrelli acquistati (completati) in precedenza e restituisce prodotti complementari in base a ciò che è attualmente nel carrello di un utente. Questo scenario può essere diverso dalle relazioni tra articoli, perché può analizzare l'intero paniere come un'entità con significato.

Esempi di Spesso acquistati insieme:

• L'acquisto di un laptop potrebbe suggerire un caricabatterie, una penna per superficie o un mouse

• L'acquisto di occhiali da sole e una sciarpa potrebbe suggerire guanti, una borsa o una camicia

• L'acquisto di uova e latte potrebbe suggerire formaggio o cioccolatini

Raccomandazioni visivamente simili

Per alcuni articoli, la somiglianza visiva potrebbe fornire un punto di vista aggiuntivo piuttosto che una soluzione di filtro collaborativa. Supponiamo che un consumatore stia cercando un modello di camicia floreale simile a quello che ha visto in negozio. Con Funzionalità Acquista prodotti simili, Raccomandazioni intelligenti può utilizzare le immagini dei contenuti per rilevare prodotti con attributi visivi simili che offrono all'utente un'esperienza da articolo a articolo diversa.

Esempi di Funzionalità Acquista prodotti simili:

• Funzionalità Acquista prodotti simili

• Shopping di moda e stilisti

• Completare il look

In questa immagine, puoi vedere che i risultati ora restituiscono modelli di sfumatura simili all'elemento iniziale.

Raccomandazioni testualmente simili

A volte, le immagini dei contenuti possono avere lo stesso aspetto (come una bottiglia di vino) e il confronto per somiglianza visiva non è applicabile. Quando c'è una descrizione ricca e testuale di un prodotto, può essere generata una somiglianza testuale. In questo caso, Raccomandazioni intelligenti può eseguire il training di una rete neurale a comprendere il testo scritto utilizzato per le descrizioni degli articoli. Per questi clienti, i nostri modelli forniscono raccomandazioni pertinenti comprendendo e interpretando il testo come uno spazio di somiglianza alternativo.

Esempi di Raccomandazioni testualmente simili:

• Suggerisci vino dalla sua descrizione

• Località di vacanza

• Raccomandazioni di articoli

Vedi anche

Ottimizzazione dei risultati
Utilizza elenchi di suggerimenti personalizzati
Fornire elenchi di consigli basati sulle tendenze