“Amazon dice que el 35 por ciento de las ventas de productos son el resultado de recomendaciones”. (ref: Página en Bit).
Hay muchas características y funcionalidades comunes hoy en día en el comercio electrónico que tienen “ingresos” como métricas clave de éxito, pero a diferencia de algunas de las otras recomendaciones de productos, son las que incorporan algoritmos que se adaptan al comportamiento del visitante. Como tal, durante muchos años se han realizado estudios e investigaciones académicos, así como en la industria, para encontrar los mejores y más óptimos sistemas de recomendación.
La pregunta original es demasiado abstracta para responder, por lo que aquí tengo la intención de responder la pregunta que puedo responder.
- ¿Cuál es la diferencia entre la declaración de variables y la inicialización?
- Estoy terminando un master en econometría, pero también me gustaría trabajar en problemas de ciencia (biología como primera opción). ¿Qué debo hacer para tener una opción de cambio en el futuro?
- En informática, los temas de comercio algorítmico no parecen ser populares. ¿Porqué es eso?
- ¿Por qué la evaluación parcial no se usa más comúnmente en los lenguajes de programación?
- En la investigación de CS, ¿cuál es la relación de pensamiento a implementación?
P: “¿Cuál es el algoritmo de recomendación de productos más efectivo en el comercio electrónico”?
R: Algoritmo que incorpora más efectivamente la distancia que usted (visitante) está a la elección real del producto por parte del visitante.
Por lo general, los algoritmos de recomendación de productos actuales son uno de los siguientes.
1. “Los que compraron [ESTE] también compraron [ESTOS]”.
2. “Los que vieron / buscaron [ESTO] también vieron / buscaron [ESTOS]”
3. “La combinación de los dos anteriores -” los que compraron / vieron / buscaron [ESTO] también compraron / vieron / buscaron [ESTOS] ”
4. “Elementos que has visto recientemente”
Si desea clasificarlos, puede ver que la distancia más cercana de un visitante y su elección del producto es 1) Visto recientemente: estos son elementos que “Usted” vio realmente y, por lo tanto, la distancia es Cero en este caso, seguido de 2) Los que compraron [ESTE] también compraron [ESTOS]. – “COMPRAR” es una actividad muy poderosa frente a “VER”. Como consecuencia, los visitantes que han “COMPRADO” algo en el pasado generalmente encontrarán un mayor interés, reflejado por un mayor número de clics totales y / o tasa de conversión, seguido de 3) Aquellos que vieron / buscaron algoritmos.
Esto puede segmentarse aún más en función del tipo de página (¿en qué página se encuentra la recomendación del producto? Es decir, página de inicio, patente de detalles del producto), ubicación dentro de la página (tira vertical vs tira horizontal) frente a la intención (complementaria – posteriormente comprada o reemplazo – el producto que busca está agotado, pero están disponibles).
En pocas palabras, el algoritmo de recomendación de productos más efectivo es que muestra productos / artículos que probablemente sean los productos / artículos reales con los que los visitantes se han involucrado y, por lo tanto, ese sería su punto de partida para maximizar los beneficios de las recomendaciones de productos.