Συνήθως αγοράζουμε προϊόντα που μας είναι γνωστά, τα έχουμε ακούσει από τους φίλους μας, τα έχουμε δει στην τηλεόραση, σε κάποια διαφήμιση στο internet, ή τα έχει στην πρώτη σελίδα του κάποιο e-shop.

Πολλές φορές όμως ανακαλύπτουμε μετά από πολύ ψάξιμο, προϊόντα που δεν γνωρίζαμε και είναι εντυπωσιακά. Τότε, η ντοπαμίνη κυριεύει το σώμα μας και είμαστε πολύ χαρούμενοι για αυτή την ανακάλυψη, γιατί είμαστε ένα πλάσμα που λατρεύει την ανακάλυψη!

Δεν θα ήταν εντυπωσιακό να προσφέρεις αυτή τη δυνατότητα στο e-shop σου; Να ανακαλύπτουν οι πελάτες που μπαίνουν μέσα, εντυπωσιακά προϊόντα που δεν είχαν καν σκεφτεί να ψάξουν, δεν ήξεραν καν ότι υπήρχαν;

Χιλιάδες e-shop και κορυφαίες εταιρείες στο κόσμο σήμερα, όπως οι Amazon, Home Depot, Netflix, YouTube, Wall Mart, Alibaba και Spotify, έχουν καταλάβει πόσο σημαντικό είναι να προσφέρουν τη δυνατότητα να ανακαλύπτουν οι πελάτες τους προϊόντα που δεν είχαν καν φανταστεί και έτσι να επανέρχονται ξανά και ξανά για αγορές.

Το γεγονός ότι ένας μικρός αριθμός προϊόντων κυριαρχεί στα e–shop, οφείλεται στο γεγονός ότι η έκθεση (π.χ. από στόμα σε στόμα, από τα μέσα μαζικής ενημέρωσης, διαφημίσεις κ.λπ.) είναι υψηλότερη για μερικά δημοφιλή προϊόντα, από τα λιγότερο δημοφιλή. Περισσότερη δημοτικότητα οδηγεί σε μεγαλύτερη έκθεση και μεγαλύτερη έκθεση οδηγεί σε μεγαλύτερη δημοτικότητα. Αυτό είναι γνωστό ως το φαινόμενο Μάθιου, ή η αρχή του Παρέτο.

Εάν στο e-shop σου παρουσιάζεις τα περισσότερο δημοφιλή προϊόντα στους πελάτες, αυτοί τα επιλέγουν και έτσι γίνονται περισσότερο δημοφιλή. Έτσι όμως χάνουν οι πελάτες τη δυνατότητα να ανακαλύψουν προϊόντα που δεν είχαν υπόψη και πιθανώς θα τα ήθελαν περισσότερο!

Τα e-shop όμως, έχουν τη δυνατότητα να προτείνουν προϊόντα στον πελάτη αυτόματα (Recommendation systems) βασισμένα στα Δεδομένα Αγορών των πελατών που έχουν έως σήμερα. Ανάλογα με την αλληλεπίδραση του πελάτη μπορεί να βελτιώνεται συνεχώς αυτός ο μηχανισμός και μάλιστα αυτόματα και να μαθαίνει καλύτερα τις ανάγκες του.

Για να εξερευνηθούν οι επιθυμίες των πελατών και να ανακαλύψουν προϊόντα τα οποία δεν γνώριζαν, απαιτείται μια συνεχής διερεύνηση, ξεχωριστά και αυτόματα για τον καθένα. Το e-shop σου πρέπει να παρουσιάζει αυτόματα στον πελάτη προϊόντα που δεν είναι δημοφιλή και να μαθαίνει από την αλληλεπιδράσεις. Να μαθαίνει εάν αυτό το νέο προϊόν που βλέπει ο πελάτης, είναι κάτι που το θέλει, ή όχι.

Ωστόσο, μια τέτοια εξερεύνηση, ειδικά όταν το σύνολο των διαθέσιμων προϊόντων μπορεί να αλλάζει συχνά, μπορεί να οδηγήσει σε μη βέλτιστες εμπειρίες για τους χρήστες.

Αλγόριθμοι Explore – Exploit

Το Explore Exploit είναι ένα framework στο χώρο της Artificial Intelligence που έχει σχεδιαστεί για να συλλέγει και να χρησιμοποιεί τις ενέργειες των πελατών ενός e-shop και δίνει λύση στο παραπάνω πρόβλημα.

Είναι αλγόριθμοι που αποφασίζουν το ποσοστό των καινούργιων προϊόντων που θα παρουσιαστούν στον πελάτη, αυξάνουν την ικανοποίησή του εφόσον βρει αυτό που θέλει, βοηθούν στο να ανακαλύψει προϊόντα που δεν είχε φανταστεί, να ολοκληρώσει την αγορά του, να αγοράσει περισσότερα και να επανέρχεται ξανά και ξανά.

Η απλή χρήση των "Δεδομένων Επίδρασης" των πελατών με τα προϊόντα που αυτοί ζητούν (γνωστή ως “exploit”) δεν είναι αρκετή. Είναι πολύ σημαντικό να συλλέγουμε επιπλέον πληροφορίες για τις ανάγκες του πελάτη, ο οποίες είναι κρυμμένες σε προϊόντα που βλέπουν ελάχιστες φορές, ή δεν βλέπουν καθόλου.

Ωστόσο, θέλουμε να ισορροπήσουμε αυτά τα νέα, άγνωστα προϊόντα, με γνωστά προϊόντα, για να διατηρήσουμε μια συνολική σχετικότητα και χρηστικότητα στο e-shop. Αυτό αποτελεί τη βάση για την ανακάλυψη  προϊόντων από τον πελάτη του e-shop, με την προσθήκη ουσιαστικού μηχανισμού που μετράει και μαθαίνει από το εάν το είδε, ή το αγόρασε, ή δεν έκανε τίποτα με αυτό το νέο προϊόν που του προτάθηκε.

Μελέτες έχουν δείξει ότι με την κατάλληλη ισορροπία μεταξύ εξερεύνησης (explore) και εκμετάλλευσης (exploit) ή αλλιώς, παρουσίαση νεών προϊόντων μαζί με αυτά που είμαστε σίγουροι ότι τα θέλει, η απόδοση ενός e-shop βελτιώνεται σημαντικά.

Η στρατηγική εξερευνήσεων - εκμετάλλευσης είναι επίσης ένας τρόπος για να αντιμετωπιστεί η μετατόπιση των τάσεων στην αγορά, καθώς επίσης και η ανεπάρκεια δεδομένων αγορών μερικών πελατών, δεδομένου ότι οι προτάσεις προϊόντων στο e-shop πλέον εκτελούνται με βάση και των πρόσφατων συλλεγμένων στοιχείων.

Οι αλγόριθμοι Bandit έρχονται  να λύσουν το παραπάνω πρόβλημα και να αυτοματοποιήσουν την παρουσίαση νέων προϊόντων στο πελάτη του e-shop και κατ' επέκταση τη συλλογή σημαντικών στοιχείων για τις ανάγκες του, καθώς επίσης και την παρουσίαση προϊόντων που είμαστε σίγουροι ότι τα θέλει.

Όταν το μόνο που μπορεί να κάνει ένας μηαχανισμός προτάσεων είναι είτε να εκμεταλλευτεί (δηλαδή να συστήσει) ή να αγνοήσει (δηλαδή να μην συστήσει) ένα προϊόν, το σύστημα συστάσεων καταλήγει να αγνοεί δυνητικά σχετικά προϊόντα. Αυτό συμβαίνει λόγω του γεγονότος ότι έχει πρόσβαση μόνο σε πεπερασμένα δεδομένα σχετικά με τις αγορές των πελατών και ότι αυτοί συνήθως αγοράζουν προϊόντα που είναι γνωστά.

Χρησιμοποιείστε λοιπόν αλγορίθμους Bandit μαζί με mobiplus shopping recommendation platform, για να βοηθήσετε τους πελάτες στο e-shop σας να ανακαλύψουν προϊόντα που δεν ήξεραν ότι ήθελαν, να γίνουν πολύ χαρούμενοι, να έρχονται στο e-shop σας ξανά και ξανά και να αυξήσετε τα έσοδά σας έως 30%.

 
Επικοινώνησε μαζί μας τώρα, για να αυξήσεις τα έσοδά σου στο e-shop και στο κατάστημά σου!

-Advertorial-

Εικόνα: Schnobrich, Unsplash 

Μοιραστείτε το άρθρο

[social_share googleplus="no" linkedin="yes" whatsapp="no" viber="no"]