推荐系统对营销人员和消费者有很大的帮助

你有没有在网上搜索过什么东西，不知不觉就会被这个主题的广告轰炸的到处都是？例如，假设您正在寻找下一部《星球大战》电影的最新信息。看完预告片，你开始看到“星球大战”t恤、“星球大战”玩具、“星球大战”DVD、“星球大战”桌子的网络广告.以及许多其他你从未想象过的“星球大战”产品！这完全归功于推荐系统。

什么是推荐系统？推荐系统——也称为推荐引擎、推荐系统或简称RS——重新定义了公司创造客户体验的方式。推荐系统帮助客户在网上购物时做出明智和更好的购买决定。如果你在任何时候进行任何在线购买，你几乎肯定会遇到类似于你购买的产品的建议。因此，当你浏览产品时，推荐系统一直在观察你的浏览行为，搜索你可能还没有找到的产品。推荐系统在提升整体客户体验方面发挥着重要作用，尤其是在线购买领域。当然，这对生意也有好处。推荐系统是如何工作的？在我们了解推荐系统如何影响我们的生活之前，了解它们是如何工作的以及它们是如何发展的是值得的。推荐系统是一种信息过滤技术，通常用于电子商务网站，为访问的客户提供过滤后的产品选择。顾名思义，这项技术是用来为具有相似特性的产品提供建议的。目标因党的观点而异。对于在电商网站上销售产品的企业来说，可以通过为客户提供更多的产品选择来改善其盈利前景。对于客户来说，它提供了类似的产品推荐，并为客户提供了购买比他们选择的产品更好的产品，或者可以增强他们选择购买的产品体验的产品的机会。为了提供建议，该引擎使用了许多方法，包括：协作方法，该方法侧重于收集关于客户浏览行为的信息，包括但不限于在购物车中浏览、购买、放弃产品和评级。根据这些信息，引擎将在数据库中搜索符合客户要求的产品。该引擎还分析与当前用户相似的其他用户的兴趣，还可以推荐其他用户浏览或使用的产品。这种方法虽然善于合理预测用户的选择，但却遭受了著名的“冷启动”问题，这意味着这种方法在没有大量数据的情况下无法工作。使用该模型的知名品牌名单包括脸书、推特、领英、亚马逊、谷歌新闻、Spotify和Last.fm基于内容的过滤方法该方法侧重于收集关于产品属性和功能的信息，然后尝试找到属性和功能与原产品相似的产品。这种方法虽然不依赖用户数据，但往往过于依赖产品，不关注用户。使用该模式的知名品牌名单包括IMDB、烂番茄、潘多拉。上述模型的相对缺点导致一些公司使用混合方法。网飞是使用混合推荐引擎的最知名品牌之一，年投资超过1.5亿美元。推荐系统对我们生活的影响——案例分析如上所述，推荐系统对品牌及其消费者产生了巨大的影响。要了解其影响，请考虑以下专注于医疗保健的初创公司HealthTap和专注于度假租赁的网站Airbnb的真实案例。案例分析：HealthTapHealthTap想要解决的问题是患者非常依赖“医嘱”用药。然而，这些建议背后的医生可能是那些因提供特定药物建议而获得报酬的医生。换句话说，不管你喜不喜欢，你都会推广特定的药物。为患者提供最好的治疗。HealthTap做了什么？HealthTap推出了RateRx，旨在为患者提供医学合格且独立的药物评级。该应用程序可以在智能手机上使用，其网络有67000多名医生。这些医生审查并提供与痤疮、焦虑、糖尿病、头痛、关节炎和高血压相关的药物评级。当患者查看药物的详细信息和评级时，RateRx还可以提供医生评级的类似药物的推荐。HealthTap创始人Ron Gutman认为，“很显然，医生可以更好地分享他们对药物疗效和质量的教育和有经验的观点和建议，这些都是基于多年的药物治疗经验和大量药物的疗效。耐心。”案例分析：AirbnbAirbnb想解决的问题Airbnb是一个网站，人们可以在这里找到出租的住所，并列出他们的住所供出租。

根据维基百科，Airbnb在34000个城市和190个国家拥有超过150万个列表。旅行者总是在世界各地寻找便宜、舒适和安全的住处。Airbnb希望找到一种方法，为客户提供更好的定制住宿选择。它想更多地了解旅行者的独特需求。Airbnb做了什么？主要的想法是找出旅行者的个人旅行需求，并提供适当的选择或建议。因此，Airbnb决定深入挖掘以旅行评论、住宿反馈等形式记录的客户数据以及客户记录的其他数据。Airbnb为此成立了一个团队。根据工程副总裁Mike Curtis的说法，“很长一段时间，如果你知道你要去哪里，Airbnb是一个很棒的地方，你知道什么时候去，但是我们意识到我们都有别人没有的这些数据。我们有旅行模式。我们有意见。我们有名单的描述。我们可以从那里的课文中学到很多关于这个社区的知识。”于是，Airbnb破解了数据和建议系统，提供了个性化的建议。尽管对推荐引擎大肆宣传，但推荐系统的演变确实被捕捉到了

用户的想象力之前，他们需要走很长的路。现在，引擎遵循通用算法，并没有提供量身定制的选择。未来在于为客户提供定制的产品选择。为此，算法需要考虑复杂性，例如睡眠周期，用户心情，一天中的时间和能量输出。似乎零售和媒体行业将最多地使用这些引擎，而其他行业也会效仿。例如，银行和金融行业正在寻求越来越多地预测其客户的下一步行动，以便提供定制产品。为此，关于诸如客户反馈，社交媒体等事情的大量数据 消费者的模式，呼叫中心数据，网站，电子邮件甚至教育水平都将被考虑在内。结论观看推荐引擎的未来如何形成将会很有趣。现在使用的算法已经使用了很长时间，但企业需要更多的概念。品牌正在寻求通过不断尝试使其更全面来调整和改进他们的算法。然而，潜在的最大挑战在于传统上使用它们的行业实施发动机，例如，可以提供保险产品推荐的保险部门。推荐系统有可能以多种方式帮助人们的日常生活，并帮助广告商向更广泛的受众介绍产品和服务，只有时间才能准确地说明这项技术将如何继续发展。