Amazon — один из крупнейших игроков в индустрии электронной коммерции с чудовищной потребительской базой и чистой прибылью в размере 178 миллиардов долларов только в прошлом году. Одним из способов, которым Amazon остается впереди, является интеграция инновационных технологий в свои услуги. Мы видели это в прошлом с их покупками в один клик, автоматическим маркетингом, использованием роботов и дронов и многим другим.
Amazon также была на шаг впереди со своей рекомендуемой функцией. Выпущенный в 2008 году Amazon с открытым исходным кодом дает им информацию для своих рекомендаций: свое программное обеспечение для глубокого обучения под названием DSSTNE.
Как скажет вам любой лояльный амазонец, после того, как вы что-то купите, Amazon быстро предложит дополнительные предложения. Или в ленте своего сайта Amazon будет следить за тем, что они просматривают, и предлагать им похожие продукты.
Однако у меня есть новости для вас, дорогой читатель — функция рекомендуемых продуктов Amazon не работает. Ну, не в буквальном смысле «сломанный», а в переносном. Функция рекомендаций по продуктам Amazon не на высоте, часто предлагая товары, которые не связаны или не подходят к тому, что было только что заказано.
Как это можно разветвить? Как автор для агентства по разработке программного обеспечения, которое специализируется на электронной коммерции, я собираюсь углубиться в их рекомендуемые продукты. Пристегнитесь, поехали путешествовать по Амазонке.
«Рекомендация» для Amazon
Помимо всех ужасных шуток, функция рекомендованных продуктов Amazon не обеспечивает оптимального опыта для своих пользователей. Чтобы улучшить это, Amazon необходимо доработать функцию рекомендаций по продуктам.
Amazon описывает, что они фильтруют продукты на основе …товаров, которые вы приобрели, товаров, которые вы сказали нам, ваших собственных, товаров, которые вы оценили, и товаров, которые, как вы сказали нам, вам нравятся. Amazon основывает свои рекомендации на взаимодействии пользователя с сайтом или другом аналогичном взаимодействии пользователя с сайтом.
Теперь это кажется всем прекрасным и денди. Тем не менее, Amazon предлагает продукты, которые не соответствуют потребностям клиентов. Например, если я покупаю шторы на Amazon, они обычно предлагают другие шторы, которые я могу купить. В этом случае, зачем мне нужно больше штор, если я их только что купил?
Amazon следует улучшить свою систему рекомендаций, предлагая только те товары, которые идут рука об руку. Продолжая предыдущий пример, если бы я купил шторы, мне могли бы понадобиться: кольца для их подвешивания, карниз и так далее и тому подобное. Они делают это немного сейчас с их функцией «Часто покупаемые вместе»; однако, я думаю, в этом сценарии мне должны быть показаны другие предметы домашнего обихода.
Система рекомендаций Amazon может взять страницу из книги Netflix, когда дело доходит до их предложений шоу. Рекомендации Netflix формируются в их фразах «Другие фильмы, которые могут вам понравиться» или «Потому что вы смотрели (вставьте название шоу здесь)». Netflix анализирует то, что вы смотрели ранее, и дает прогнозные рекомендации на основе вашей истории просмотров.
Таким образом, Netflix предлагает вам новые и свежие предложения. Их предложения могут даже быть шоу, которые вы никогда бы не посмотрели раньше.
Или, как описал бы это вице-президент Netflix по инновациям продуктов Тодд Йеллин,
«Три ножки этого табурета будут членами Netflix; тегеры, которые понимают все в содержании; и наши алгоритмы машинного обучения, которые собирают все данные и объединяют их воедино».
Используя эту метафору, Netflix отслеживает поведение пользователей, помечает похожий контент и предоставляет пользователям соответствующий контент.
Amazon должен предоставлять аналогичный опыт в своих рекомендациях по продуктам, они должны отслеживать поведение пользователей и помечать элементы, которые могут быть связаны. Таким образом, предоставляя пользователям более индивидуальный опыт покупок.
К чему это сводится для бизнеса во всем мире
Amazon следует изменить свой алгоритм рекомендаций, чтобы он лучше соответствовал потребностям своих клиентов. Их алгоритму требуется серьезное обновление, чтобы конкурировать с другими рекомендательными системами на рынке. Amazon должен предоставлять своим клиентам рекомендуемые продукты, которые хорошо сочетаются друг с другом и отличаются от того, что было куплено.
Это может быть ключевым выводом для любого бизнеса, у которого есть система рекомендаций. Если ваш алгоритм не обеспечивает вашим покупателям оптимальный опыт покупок, это может стать препятствием для успеха вашего бизнеса в сфере электронной коммерции.
Как и наши дорогие друзья в Amazon, вы должны выяснить, как вы можете изменить свой алгоритм, чтобы предлагать своим клиентам полезные предложения. Если вы откорректируете свои рекомендации, это может привести к увеличению продаж и повышению удовлетворенности клиентов.
Лучше всего, чтобы ваш бизнес узнал об отсутствии системы рекомендаций Amazon раньше, чем позже.
Если вашему бизнесу электронной коммерции может быть полезно получить более опытный совет по электронной коммерции, я предлагаю вам связаться с компанией веб-дизайна электронной коммерции. Codal может помочь вам улучшить не только вашу систему рекомендаций, но и ваш сайт в целом.
Сделайте решительный шаг с Codal, не растрачивайте потенциал своего бизнеса на несовершенную систему рекомендаций, такую как Amazon.
Это сообщение изначально было опубликовано на www.codal.com
