Lijsten met contextuele aanbevelingen
Soms zijn artikel-met-gebruiker (gepersonaliseerde) aanbevelingen niet relevant genoeg. In dit geval kunt u interacties van gebruikers met verschillende artikelen gebruiken om ook meer te weten te komen over artikel-met-artikel (contextuele) relaties. Artikel-met-artikel relaties zijn een van de belangrijkste scenario's die aanbevelingen kunnen dienen, omdat ze ervaringen als deze kunnen stimuleren:
Winkelen op alternatieven
Voortdurende betrokkenheid
Ontdekking en verkenning
Wat anderen ook leuk vinden
Een van de meest effectieve aanbevelingskanalen is de Wat anderen ook leuk vinden (of kopen) lijst, meestal te vinden op een pagina met Productdetails.
Wat anderen ook leuk vinden is gebaseerd op expliciete signalen (transactioneel, recent bekeken) en creƫert een sterke relatie tussen artikelen met behulp van informatie over het verbruik van andere gebruikers.
Voorbeelden van Wat anderen ook leuk vinden:
Shoppers kunnen andere handtassen zien die gebruikers ook hebben gekocht naast het oorspronkelijke product dat ze overwegen te kopen
Detailpagina's voor Xbox games geven ook suggesties voor andere games die gebruikers hebben gedownload
Raad artikelen aan die andere gebruikers ook hebben gelezen naast het huidige artikel
Wat anderen ook bekijken
Een andere manier om artikelen te modelleren, is door een impliciet weergavesignaal te gebruiken in plaats van een expliciete actie zoals vind ik leuk of aankoop. Met behulp van weergaven kunnen we gebruikers helpen door gerelateerde of vergelijkbare inhoud te navigeren. Deze ervaring stelt gebruikers in staat om inhoud te zien die is bekeken maar niet expliciet is gebruikt door andere gebruikers.
Voorbeelden van Wat anderen ook bekijken:
Andere mensen die dit artikel of deze service ook hebben bekeken
Aanbevolen vervolgartikelen
Vaak samen gekocht (winkelwagen)
Vaak samen gekocht is een upsell-scenario op basis van artikelen die al in de winkelwagen zijn geplaatst. Dit scenario wordt vaak een "candy rack experience" genoemd. In dit scenario wordt geleerd van andere, eerder gekochte (voltooide) winkelwagens en worden aanvullende producten geretourneerd op basis van wat zich momenteel in het winkelwagentje van een gebruiker bevindt. Dit scenario kan anders zijn dan artikel-met-artikel relaties, omdat het de hele winkelwagen kan analyseren als een entiteit met betekenis.
Voorbeelden van Vaak samen gekocht:
Bij aankoop van een laptop worden een oplader, Surface-pen of muis aangeraden
Bij aankoop van een zonnebril en een sjaal kunnen handschoenen, een tas of een shirt worden aangeraden
Bij aankoop van eieren en melk kan kaas of chocola worden aangeraden
Visueel vergelijkbare aanbevelingen
Voor sommige artikelen kan visuele gelijkenis een extra gezichtspunt bieden in plaats van een collaboratieve filteroplossing. Stel dat een consument op zoek is naar een shirt met een vergelijkbaar bloemenpatroon als dat hij in de winkel heeft gezien. Met Vergelijkbare artikelen kan Intelligent Recommendations inhoudsafbeeldingen gebruiken om producten te detecteren met vergelijkbare visuele kenmerken die de gebruiker een andere artikel-met-artikel-ervaring bieden.
Voorbeelden van Vergelijkbare artikelen:
Vergelijkbare artikelen
Mode en designer
Maak de look af
In deze afbeelding kunt u zien dat de resultaten nu kleurverlooppatronen retourneren die vergelijkbaar zijn met het startartikel.
Tekstueel vergelijkbare aanbevelingen
Soms kunnen inhoudsafbeeldingen er hetzelfde uitzien (zoals een fles wijn) en is vergelijking op basis van visuele gelijkenis niet van toepassing. Wanneer er een opgemaakte, tekstuele beschrijving van een product is, kan een tekstuele overeenkomst worden gegenereerd. In dit geval kan Intelligent Recommendations een neuraal netwerk trainen om de geschreven tekst te begrijpen die wordt gebruikt voor artikelbeschrijvingen. Voor deze klanten leveren onze modellen relevante aanbevelingen door tekst te begrijpen en te interpreteren als een alternatieve ruimte voor overeenkomsten.
Voorbeelden van Tekstueel vergelijkbare aanbevelingen:
Wijn aanbevelen op basis van de beschrijving
Vakantiebestemmingen
Aanbevelingen voor artikelen
Zie ook
Resultaten verfijnen
Gepersonaliseerde aanbevelingslijsten gebruiken
Trending-aanbevelingslijsten verschaffen