View
2.010
Download
1
Category
Preview:
DESCRIPTION
「活用您的Big Data,實現線上服務行銷的精準推薦」 5.24 @ 六福皇宮 13:30-14:10 - Track: Big Data for Cloud Service 主講者:陳育杰 / Etu 資深協理 《議題簡介》 在這個資訊氾濫的時代,每個人都希望可以只接收或看到自己感興趣的內容,不論是新聞、商品訊息、甚至是廣告。也因此,對於所有的企業來說,如何針對你的客戶做到更精準的推薦,變得是一個越來越重要且無可避免的一個課題,更正確的說,精準行銷的核心正是來自於精準的...... 推薦。Amazon 的推薦機制(Recommendation)對於新客戶轉化率的提升與舊客戶每筆訂單金額的提高,一直是所有電子商務公司的一個典範。而精準推薦並不是只可以用在線上的服務,今天不論是虛擬或實體的通路,如何隨時提供客戶感興趣的推薦清單,以維持客戶忠誠度並提高銷售金額,都是企業成長獲利的一大關鍵。在這個演講當中,Etu 團隊將為你介紹如何運用 Big Data 處理與分析的技術,讓企業可以很方便的來分析線上與實體的客戶和商品的購買或瀏覽的關聯性,並輕易地建構出對客戶有效的推薦清單。
Citation preview
精準推薦 - 精準行銷的核心關鍵
預測使用者對於某樣商品的 ”喜愛程度”
針對使用者產生 Top N 個使用者最喜愛的商品
針對商品產生 Top N 個最喜愛商品的使用者
告訴使用者 ”為什麼” 推薦商品給你
根據使用者的回饋及其他使用者的行為更新預測
與推薦模型
精準推薦的完美實踐 – Yahoo!
+160% clicks vs. one size fits all
+79% clicks vs. randomly selected
+43% clicks vs. editor selected
Recommended links News Interests Top Searches
商品/內容
關聯性
客戶行為
相似性
瀏 覽 / 搜尋 交易
• 一般推薦大多基於交易資料中的商品關聯與客戶分群
• 然而,客戶在購買前的瀏覽與搜尋才是真正代表客戶內
心的購買的意圖
精準推薦的在線上服務的意涵
• 客戶在的瀏覽與搜尋所產生的資料遠遠大於交易所產生
的資料,所需要的巨量資料處理與分析的系統能力都不
是現有關聯式資料庫或資料倉儲所能提供
瀏 覽 / 搜尋 交易
巨量資料
的處理與分析
精準推薦的挑戰
商品/內容
關聯性
客戶行為
相似性
Etu Recommender 建構在 Etu Appliance 上的精準推薦系統
Etu Recommender
Recommendation Engine
商品/內容
關聯性分析
客戶行為
相似性分析
客戶巨量瀏覽資料 客戶
交易資料
其他或
協力廠商資料
推薦清單
Etu Recommender 的原理
第一步 : 猜你喜歡什麼
協同過濾法 (Collaboration Filtering)
基於用戶 (User Based)(相似性)
基於商品 (Item Based)(關連性)
協同過濾法 – 基於用戶 (相似性)
• 假設有很多人都喜愛 iPhone
• 如何預測 “我” 有多喜愛
iPhone ?
• 選定 20~50 位和我品味相似的用戶
• 那麼,他們有 “多喜愛”
iPhone 就代表 “我” 有多喜愛 iPhone
• 簡單說: 你可能喜愛 iPhone,
因為你的朋友都喜愛 iPhone
商品
用
户
協同過濾法 – 基於商品 (關連性) (Amazon)
• 我已經買過很多商品
• 你會推薦我買 iPhone 嗎 ?
• 從我過去過的商品中, 選出
20~50 項和買 iPhone 的人相似的
• 我有多喜愛這 20~50 項商品,
就代表我有多喜愛 iPhone
• 簡單說: 買過那些商品的人,
也喜歡 iPhone (Amazon 模式)
商品
用
户
Etu Recommender 的原理
第二步 : 產生 Top-N 推薦列表
1.針對用戶 A,找出相似用戶,找出這些用戶喜歡的商品
2.針對 1 所產生的商品列表,過濾已經被 A 點評過的商品
3.可根據以下條件排序產生 Top-N 列表
商品被用戶喜愛的次數
商品被不同用戶看過的次數
相關商品的點評
列表中商品之間的相似度及用戶的點評
4.把商品和用戶的角色互換,可得出 Top-N 用戶列表
Etu Recommender 的原理
• 歡迎回來 (最近看過的)
• 今日推薦
• 新品推薦
• 同類熱門商品推薦
• 其他人也喜愛 …
• 相似及相關商品推薦
• 買這個的人也買了 …
第三步 : 告訴用戶推薦的原因
推薦清單的運用
不光只是線上服務
28
Etu
Recommender 精準推薦應用系統
個人化推薦清單
個人化 EDM
個人化帳單
百貨
零售
流通
銀行
連鎖
媒體
虛擬通路 (線上)
實體通路 (線下)
結帳
點擊
瀏覽
搜尋
交易
購物車
推薦清單的運用
還有..精準推估業務需求(Forecast)
29
Etu
Recommender 精準推薦應用系統
個人化推薦清單
個人化 EDM
個人化帳單
百貨
零售
流通
銀行
連鎖
媒體
虛擬通路 (線上)
實體通路 (線下)
客戶喜好
Customer Preference
新商品導入 成交率50%
成交率45%
成交率40%
善用推薦系統能讓你在導入新商品時
•能更準確的估算可能的銷售額
•更精準的管理你的供應鏈
Enterprise Big Data Solution
One Service
顧問服務
One Application
分析應用系統
One Platform
處理平台
Etu Consulting 商業暨科技顧問
Etu Recommender 精準推薦應用
Etu Appliance 巨量資料處理解決方案
Recommended