Online ajánlórendszerek az elektronikus kereskedelemben Dr. Révész Balázs
Bevezetés • Az internet használat tovább terjed mind a lakossági, mind az üzleti szegmensben • A B2C és a C2C piac szerepének fokozatos erősödése • Az elektronikus kereskedelmi megoldások mára a kisvállalkozások számára is elérhetővé, sőt alkalmazandóvá váltak • A vállalatok közötti verseny az online közegre is kiterjed az új IT megoldások iránti igényt erősítve • Az ügyfelek hatékony kiszolgálását szolgáló megoldásokra van szükség
Online ajánlórendszerek • Speciális információszűrő rendszer • Felhasználói és termékprofilokat épít algoritmusok segítségével majd ezen modellek alapján ajánl tartalmakat • Olyan tartalmakat is felkínálhat, amit kereséssel nem érnénk el, mert kiesik a látókörből
A vásárlási lánc adatvagyona Fogyasztó 1 . . . Fogyasztó k . . . Fogyasztó n Vevő azonosító
Vonalkód Vásárlás 1 . . . Vásárlás j . . . Vásárlás k
Termék A . . . Termék L . . . Termék Z
Ajánlórendszerek típusai 1.
Tartalom alapú ajánló rendszerek A termék jellegéből fakadó jövőbeli vásárlási lehetőségek. A felhasználó korábbi érdeklődése, preferenciái előre jelzik az adott személy jövőbeli viselkedését.
2.
Collaborative filtering rendszerek A felhasználók, akik hasonlóan viselkedtek – vagy legalább is valamilyen hasonlóságot mutattak – a múltban jó ajánlóként funkcionálhatnak egymás számára jövőbeli vásárlásaik során
Tartalom alapú ajánlások • www.alexandra.hu • termék • Felkínálja a könyv szerzőinek további műveit, a könyv kategóriájának bestsellereit és a Top 100 könyvét • más személy vásárlásai • Egyes termékeknél felkínálja azokat a termékeket, amiket az általunk nézett termék mellett vásároltak
Collaborative filtering (CF) megoldások -1
User n
User n+1
User n+2
Data i (Csillagok háborúja)
4
3
4
- Többváltozós klaszter analízis
Data j (Mindhalálig szerelem)
5
2
5
- A „korreláció” és az „átfedés” egyaránt magas volta
Data k (Gyűrűk ura)
3
5
3
Data n (Én a robot)
5
2
?
Elemzés: - CF algoritmus
Alkalmazás menedzsment: üzleti logika kérdése, hogy milyen kérdésekre kapjunk választ: melyik filmet nézzem meg ma este? Megnézzem-e az adott filmet?
CF az online marketingben • A kétirányú információs kapcsolat miatt az ajánló rendszerek minden típusa könnyedén alkalmazható • Az online közegből fakadó bizalmatlanság kezelésében használható • Az azonos érdeklődésű fogyasztókból álló közösségek – információhiány esetén – különösen nagy segítséget jelenthetnek a vásárlónak azáltal, hogy megtekintheti kimondott vagy kimondatlan véleményüket (vásárlói értékelések, toplisták, stb.)
CF Inputok és outputok Inputok (tranzakciós rendszerekből)
Egyéni inputok
Explicit ::::::» (a felhasználó aktív közreműködésével értékelés, profil) Inplicit ::::::» A felhasználó passzív közreműködésével pl: korábbi vásárlások adatai
Közösségi inputok
:::::::: »
Informatikai rendszer (adattárházból)
Outputok (üzleti intelligencia)
CF alkalmazás :::::::»
- Javaslatok
- Jóslatok
- Értékelések, kritikák
Ajánló rendszerek modellje. Forrás: saját szerkesztés John Riedl, Joseph Konstan, Majó Zoltán, Révész Balázs Szájtpropaganda című könyve alapján
• www.telefonguru.hu • vélemény alapú • Egy szakember ír véleményt az adott telefonról, a vásárlók pedig 3 szempont alapján véleményezhetik azt: külső, tudás, minőség (1-től 10-ig) ezzel segítve a leendő vevőket
Közvetlen adatok • felhasználói termékértékelés (pl. 1-től 5-ig); • felhasználó tetszik/nem tetszik visszajelzése adott termékről;
• két vagy több termék közül a legkedveltebb kiválasztása; • felhasználói preferencialista adott termékekkel
Közvetett adatok • terméknézési események online kereskedelmi oldalon; • terméknézési események hossza; • termékvásárlások; • felhasználó saját gépén nézett vagy hallgatott termékek listája (főleg film/video és zene esetén) • felhasználó kapcsolati hálójának analízise és ismerőseinek visszajelzései.
Közösségi média • A közösségi ajánlások megjelenésének új felülete • közvetlen ajánlások – megosztás • Közvetett ajánlás – hirdetésekbe ágyazott megjelenés
Köszönöm a figyelmet!
Dr. Révész Balázs
[email protected]
