你有沒(méi)有在線(xiàn)查找過(guò)什么東西，在你知道它之前，你到處都會(huì )被這個(gè)主題的廣告轟炸？例如，假設您正在尋找下一部“星球大戰”電影的最新信息。觀(guān)看預告片后，您開(kāi)始看到“星球大戰”T恤，“星球大戰”玩具，“星球大戰”DVD，“星球大戰”表......以及眾多其他“星球大戰”產(chǎn)品的在線(xiàn)廣告你從未想象過(guò)的！這完全歸功于推薦系統。
什么是推薦系統？
推薦系統 - 也稱(chēng)為推薦引擎，推薦系統或簡(jiǎn)稱(chēng)RS - 已經(jīng)重新定義了公司創(chuàng )建客戶(hù)體驗的方式。推薦系統幫助客戶(hù)在進(jìn)行在線(xiàn)購物時(shí)做出明智且更好的購買(mǎi)決策。如果您在任何時(shí)候進(jìn)行任何在線(xiàn)購買(mǎi)，那么您幾乎肯定會(huì )遇到與您購買(mǎi)的產(chǎn)品類(lèi)似的產(chǎn)品的建議。因此，在您瀏覽產(chǎn)品時(shí)，推薦系統一直在觀(guān)察您的瀏覽行為并搜索您可能尚未發(fā)現的產(chǎn)品。推薦系統在提升整體客戶(hù)體驗方面發(fā)揮著(zhù)重要作用，尤其是在線(xiàn)購買(mǎi)領(lǐng)域。當然，它對商業(yè)也有好處。
推薦系統如何運作？
在我們了解推薦系統如何影響我們的生活之前，值得了解它們如何工作以及它們如何發(fā)展。
推薦系統是一種信息過(guò)濾技術(shù)，通常用于電子商務(wù)網(wǎng)站為訪(fǎng)問(wèn)過(guò)程的客戶(hù)提供過(guò)濾后的產(chǎn)品選擇。顧名思義，該技術(shù)用于為具有類(lèi)似特征的產(chǎn)品提供建議。目標根據黨的觀(guān)點(diǎn)而不同。對于在電子商務(wù)網(wǎng)站上銷(xiāo)售產(chǎn)品的企業(yè)而言，它通過(guò)向客戶(hù)提供更多產(chǎn)品選擇來(lái)改善其盈利前景。對于客戶(hù)而言，它提供類(lèi)似的產(chǎn)品推薦，并為客戶(hù)提供購買(mǎi)比已經(jīng)選擇的產(chǎn)品更好的產(chǎn)品的機會(huì )，或者購買(mǎi)可以增強已經(jīng)選擇購買(mǎi)的產(chǎn)品的體驗的產(chǎn)品。為了提供建議，引擎使用了許多方法，包括：
協(xié)作方法
該方法集中于收集關(guān)于顧客的瀏覽行為的信息，其包括但不限于在購物車(chē)中瀏覽，購買(mǎi)，放棄的產(chǎn)品和評級。根據這些信息，引擎會(huì )在數據庫中搜索接近滿(mǎn)足客戶(hù)要求的產(chǎn)品。引擎還分析與當前用戶(hù)類(lèi)似的其他用戶(hù)的興趣，并且還可以推薦其他用戶(hù)瀏覽或使用的產(chǎn)品。雖然這種方法在合理預測用戶(hù)選擇的程度上是好的，但是它受到著(zhù)名的“冷啟動(dòng)”問(wèn)題的困擾，這意味著(zhù)在沒(méi)有實(shí)質(zhì)數據的情況下，這種方法不能工作。使用此模型的知名品牌列表包括Facebook，Twitter，LinkedIn，亞馬遜，谷歌新聞，Spotify和Last.fm。
基于內容的過(guò)濾方法
此方法側重于收集有關(guān)產(chǎn)品屬性和特征的信息，然后嘗試查找其屬性和特征與原始產(chǎn)品類(lèi)似的產(chǎn)品。雖然此方法不依賴(lài)于用戶(hù)數據，但它往往過(guò)于依賴(lài)產(chǎn)品而不關(guān)注用戶(hù)。使用該模型的知名品牌列表包括IMDB，爛番茄和潘多拉。
上述模型的相對缺點(diǎn)導致一些公司使用混合方法。Netflix是使用混合推薦引擎的最知名品牌之一，每年投資超過(guò)1.5億美元。
推薦系統對我們生活的影響 - 案例研究
如前所述，推薦系統極大地影響了品牌及其消費者。要了解其影響，請考慮以下真實(shí)案例的HealthTap，一家專(zhuān)注于醫療保健的創(chuàng )業(yè)公司，以及Airbnb，一個(gè)專(zhuān)注于度假租賃的網(wǎng)站。
案例研究：HealthTap
HealthTap希望解決的問(wèn)題
患者非常依賴(lài)“醫生建議”的藥物治療。然而，這些建議背后的醫生可能是因為提供特定藥物推薦而獲得報酬的醫生。換句話(huà)說(shuō)，無(wú)論是否愿意，都會(huì )推廣特定藥物。為患者提供最佳治療。
HealthTap做了什么？
HealthTap推出了RateRx，旨在為患者提供醫學(xué)上合格且獨立的藥物評級。該應用程序可在智能手機上使用，其網(wǎng)絡(luò )中擁有超過(guò)67,000名醫生。這些醫生審查并提供與痤瘡，焦慮，糖尿病，頭痛，關(guān)節炎和高血壓相關(guān)的藥物的評級。當患者查看藥物的詳細信息和評級時(shí)，RateRx還可以提供具有醫生評級的類(lèi)似藥物的推薦。根據HealthTap創(chuàng )始人Ron Gutman的說(shuō)法，“很明顯，醫生可以更好地分享他們對藥物療效和質(zhì)量的教育和經(jīng)驗豐富的觀(guān)點(diǎn)和建議，這些觀(guān)點(diǎn)和建議基于多年的藥物治療經(jīng)驗和大量藥物的療效。耐心。”
案例研究：Airbnb
Airbnb想要解決的問(wèn)題
Airbnb是一個(gè)網(wǎng)站，人們可以在那里找到出租的住宿，并列出他們的住宿用于出租。據維基百科稱(chēng)，Airbnb在34,000個(gè)城市和190個(gè)國家擁有超過(guò)1,500,000個(gè)上市。旅行者一直在尋找全球廉價(jià)，舒適和安全的住宿。Airbnb希望找到為客戶(hù)提供更好，定制的住宿選擇的方法。它想了解更多關(guān)于旅行者的獨特要求。
Airbnb做了什么？
主要想法是找出旅行者的個(gè)人旅行需求并提供適當的選擇或建議。因此，Airbnb決定深入挖掘以旅行評論，住宿反饋和客戶(hù)記錄的其他數據形式記錄的客戶(hù)數據。Airbnb成立了一個(gè)團隊來(lái)做到這一點(diǎn)。根據工程副總裁Mike Curtis的說(shuō)法，“很長(cháng)一段時(shí)間以來(lái)，如果你知道自己要去哪里，Airbnb就是一個(gè)很棒的去處，你知道什么時(shí)候去，但我們意識到我們都有這些數據是其他人沒(méi)有的。我們有旅行模式。我們有評論。我們有清單的描述。我們可以從那里的文本中了解很多關(guān)于社區的信息。“因此，Airbnb破解了數據和建議系統，提供了個(gè)性化的建議。
推薦系統的演變
盡管有關(guān)推薦引擎的炒作，但在真正捕捉用戶(hù)的想象力之前，他們需要走很長(cháng)的路?，F在，引擎遵循通用算法，并沒(méi)有提供量身定制的選擇。未來(lái)在于為客戶(hù)提供定制的產(chǎn)品選擇。為此，算法需要考慮復雜性，例如睡眠周期，用戶(hù)心情，一天中的時(shí)間和能量輸出。似乎零售和媒體行業(yè)將最多地使用這些引擎，而其他行業(yè)也會(huì )效仿。例如，銀行和金融行業(yè)正在尋求越來(lái)越多地預測其客戶(hù)的下一步行動(dòng)，以便提供定制產(chǎn)品。為此，關(guān)于諸如客戶(hù)反饋，社交媒體等事情的大量數據 消費者的模式，呼叫中心數據，網(wǎng)站，電子郵件甚至教育水平都將被考慮在內。
結論
觀(guān)看推薦引擎的未來(lái)如何形成將會(huì )很有趣?，F在使用的算法已經(jīng)使用了很長(cháng)時(shí)間，但企業(yè)需要更多的概念。品牌正在尋求通過(guò)不斷嘗試使其更全面來(lái)調整和改進(jìn)他們的算法。然而，潛在的最大挑戰在于傳統上使用它們的行業(yè)實(shí)施發(fā)動(dòng)機，例如，可以提供保險產(chǎn)品推薦的保險部門(mén)。
推薦系統有可能以多種方式幫助人們的日常生活，并幫助廣告商向更廣泛的受眾介紹產(chǎn)品和服務(wù)，只有時(shí)間才能準確地說(shuō)明這項技術(shù)將如何繼續發(fā)展。