Dela via


Kontextuella rekommendationslistor

Ibland är rekommendationer från objekt till användare (personligt anpassade) inte tillräckligt relevanta. I det här fallet kan du använda användarinteraktioner med olika objekt för att lära dig mer om objekt till objekt (sammanhangsbaserad) relationer. Objekt till objekt-relationer ett av de viktigaste scenarierna för rekommendationer, eftersom de ger effekt åt exempelvis följande:

  • Shoppa efter alternativ

  • Kontinuerligt åtagande

  • Upptäckt och utforskning

Andra gillar också

En av de mest effektiva rekommendationer-kanaler är listan Personer som också gillar (eller köper), som vanligtvis finns på en produktinformation sida.

Personer som också gillar bygger på explicita tecken (transaktionella, nyligen visade) och skapar en stark relation mellan objekt med information om andra användares användning.

Exempel på personer som också gillar:

  • Shoppare kan se andra handväskor som användare också har köpt utöver originalprodukten de överväger att köpa

  • Xbox spels detaljerade sidor tyder på att andra användare har hämtat

  • Föreslå artiklar som andra användare också har läst utöver den aktuella artikeln

Exempel på personer som också gillar på en produktdetaljsida.

Personer visar också

Ett annat sätt att modellera objekt är att använda vyer istället för explicita åtgärder som gilla eller köpa. Med hjälp av vyer kan vi hjälpa användare att navigera genom relaterat eller liknande innehåll. Med den här upplevelsen kan användare se innehåll som har visats men inte interagerats explicit med av andra användare.

Exempel på personer visar också:

  • Andra personer som också har visat objektet eller tjänsten

  • Nästa artiklar att läsa

Ofta köpta tillsammans (vagn)

Ofta köpta tillsammans är ett merförsäljningsscenario bygger ofta på objekt som redan har placerats i kundvagnen. Det här scenariot kallas ofta för "godisställupplevelse". Det här scenariot lär sig av andra, tidigare köpta (slutförda) produkter och returnerar produkter baserat på vad som finns i användarens produkt för tillfället. Scenariot kan vara ett annat än objekt till relationer eftersom hela scenariot kan analyseras som en entitet med betydelse.

Exempel på Ofta köpta tillsammans:

  • Om du köper en bärbar dator kan det tyda på att det finns en bärbar dator, en surface-penna eller en mus

  • Att köpa solglasögon och en halsduk kan föreslå handskar, en handväska eller skjorta

  • Att köpa ägg och mjölk kan föreslå ost eller choklad

Exempel på Ofta försent tillsammans på en vagnutcheckningssida.

Visuellt liknande rekommendationer

För vissa objekt kan visuell likhet ge en extra vy i stället för en gemensam filtreringslösning. Anta att en konsument letar efter ett liknande mönster av skjorta som det de har sett i butiken. Om köp liknande produkter kan Intelligent Recommendations använda innehållsbilder för att identifiera produkter med liknande visuella attribut som ger en annan upplevelse av objekt till objekt.

Exempel på köp liknande produkter:

  • Köp liknande utseende

  • Mode och designershopping

  • Slutför utseendet

I den här bilden kan du se att resultatet nu returnerar mönster som liknar startobjektet.

Exempel på visuellt liknande rekommendationer för kläder med gradientmönster

Textuellt liknande rekommendationer

Ibland kan innehållsbilder se ut på samma sätt (till exempel en flaska med en flaska), och en jämförelse av visuella likheter är inte relevant. När det finns en rik textuell beskrivning av en produkt kan en textmässig likhet skapas. I det här fallet kan Intelligent Recommendations utbilda ett nätverk för att förstå den skriftliga texten som används för objektbeskrivningar. För dessa kunder tillhandahåller våra modeller relevanta rekommendationer genom att förstå och tolka text som ett alternativt likhetsutrymme.

Exempel på Textuellt liknande rekommendationer:

  • Föreslår vin av beskrivningen

  • Semesterplatser

  • Artikelrekommendationer

Exempel på Textuellt liknande rekommendationer för högklackade skor.

Se även

Finjustera resultaten
Använda anpassade rekommendationslistor
Tillhandahålla listor med populära rekommendationer