პროდუქტის რეკომენდაციის ძრავა
სწრაფი განსაზღვრა
პროდუქტის რეკომენდაციის ძრავა არის პროგრამული უზრუნველყოფა, რომელიც სთავაზობს იმ პროდუქტებს, რაც მყიდველს ყველაზე მეტად შეიძლება მოეწონოს. ის ეყრდნობა მათ ქცევას, პროდუქტის ატრიბუტებს, რა იყიდეს მსგავსმა მყიდველებმა ან რა ითხოვეს საუბარში.
ამ გვერდზე
მთავარი მიდგომები
კოლაბორაციული ფილტრაცია რეკომენდაციას უწევს იმას, რაც მსგავს ქცევას მქონე ადამიანებმა იყიდეს ან ნახეს. Amazon-ის ნივთიდან ნივთზე კოლაბორაციული ფილტრაცია, რომელიც აღწერილია ლინდენის, სმიტისა და იორკის მიერ 2003 წელს, გახადა ცნობილი “მომხმარებლები, რომლებმაც ეს იყიდეს, ასევე იყიდეს” პატერნი. შინაარსზე დაფუძნებული ფილტრაცია რეკომენდაციას უწევს პროდუქტებს, რომელთა ატრიბუტები მსგავსია იმათ, რაც მყიდველს მოეწონა. წესები და ვაჭრობა — საუკეთესო გაყიდვები, მარგინები, ახალი შემოდგომები — უმეტეს მაღაზიებში ზედაპირზეა განთავსებული.
ყოველი მიდგომის აქვს ცნობილი სისუსტე: კოლაბორაციული ფილტრაცია საჭიროებს ბევრ ქცევის მონაცემს და ებრძვის ახალ პროდუქტებს და ახალ ვიზიტორებს, ხოლო შინაარსზე დაფუძნებული ფილტრაცია საჭიროებს სუფთა, თანმიმდევრულ პროდუქტის ატრიბუტებს.
საუბრის რეკომენდაციები
ახალი მიდგომა საშუალებას აძლევს მყიდველებს განაცხადონ, რა სჭირდებათ სიტყვებით: “საჩუქარი 10 წლის ბავშვისთვის, რომელიც მეცნიერებას უყვარს, 40 ევროზე ნაკლები”, “ვაკუუმი ბინისთვის, სადაც შინაური ცხოველები არიან”. AI ასისტენტი ინტერპრეტირებს მოთხოვნას, ეძებს კატალოგში მნიშვნელობით და სტრუქტურირებული ფილტრებით — ფასით, მარაგით, ზომით, ბრენდით — და ახსნის, რატომ შეესაბამება თითოეული რეკომენდაცია.
ეს კარგად მუშაობს პირველად ვიზიტორებზე, რომლებსაც არ აქვთ ისტორია და იმ პროდუქტებზე, რომლებზეც მყიდველებს კითხვები აქვთ. ეს დიდად დამოკიდებულია პროდუქტის მონაცემების ხარისხზე: თუ ზომები, მასალები ან თავსებადობა კატალოგში არ არის, ასისტენტი ვერ გამოიყენებს მათ.
სირთულეები
არასასურველი პროდუქტის რეკომენდაცია, პროდუქტების რეკომენდაცია, რომლებიც უგულებელყოფენ გამოთქმულ შეზღუდვას, ან იგივე საუკეთესო გაყიდვის რეკომენდაცია ყველასთვის სწრაფად აქვეითებს ნდობას. რეკომენდაციაში გაწვდილი ფასები უნდა ემთხვეოდეს ცოცხალ კატალოგს. და რეკომენდაციები უნდა შეფასდეს მომხმარებლის შედეგებზე — მოიძიეს თუ არა ისინი, რაც სჭირდებოდათ? — არა მხოლოდ კლიკებზე.
პროდუქტის რეკომენდაციები AI SmartTalk-ში
AI SmartTalk ინდექსირებს პროდუქტის კატალოგებს Shopify, PrestaShop, WooCommerce და Joomla-სგან, ასევე პროდუქტებს, რომლებიც იმპორტირებულია მისი API-ის საშუალებით. ასისტენტი ეძებს მათ მნიშვნელობით და ფასების დიაპაზონის, მარაგის, ბრენდის, კატეგორიის და ვარიანტის ატრიბუტების ფილტრებით, შეუძლია გამორიცხოს ის პირობები, რაც მყიდველმა გამორიცხა, და აჩვენებს შედეგებს პროდუქტის ბარათების სახით მარაგისა და ფასდაკლების ინფორმაციით ჩატში.
ხშირად დასმული კითხვები
რა არის თანამშრომლობითი და შინაარსზე დაფუძნებული ფილტრაციის განსხვავება?
თანამშრომლობითი ფილტრაცია იყენებს სხვა მყიდველების ქცევას (ადამიანები, რომლებმაც იყიდეს X, ასევე იყიდეს Y). შინაარსზე დაფუძნებული ფილტრაცია იყენებს პროდუქტების საკუთარ ატრიბუტებს (ეს ჟაკეტი მსგავსია იმ ჟაკეტის).
მჭირდება თუ არა ბევრი მონაცემი პროდუქტის რეკომენდაციებისთვის?
ქცევაზე დაფუძნებული რეკომენდაციები საჭიროებს. საუბრისა და ატრიბუტებზე დაფუძნებული რეკომენდაციები ძირითადად საჭიროებენ კარგად აღწერილ კატალოგს, რაც მათ მცირე მაღაზიებისთვის გამოსადეგს ხდის.
შეძლებს თუ არა AI ჩატი რეკომენდაციების მიცემას?
დიახ, როდესაც ის დაკავშირებულია ცოცხალ კატალოგთან. მას უნდა გააფილტროს რეალურ მონაცემებზე, როგორიცაა ფასები და მარაგი, ნაცვლად იმისა, რომ დაეყრდნოს პროდუქტის შესახებ ენის მოდელის მეხსიერებას.