618 Virée Shopping | Découvrir Les Secrets D'amazon Et De Taobao : Comment Créer Des Algorithmes Pour Devenir Le Meilleur Guide D'achat
Après « Double Eleven », JD.com a également profité de l'anniversaire de son magasin pour créer le carnaval de shopping de mi-année « 618 » qui lui faisait écho. En plus d'utiliser diverses méthodes de marketing pour attirer les clients, les grandes entreprises de commerce électronique utilisent également des recommandations intelligentes pour influencer en permanence les choix d'achat des utilisateurs. Le système de recommandation a grandement contribué à la croissance du volume des transactions.
En 2009, Taobao a lancé l'événement « Double Eleven », transformant la Journée des célibataires originale enCarnaval du shopping.Depuis lors, le rideau historique des grandes entreprises de commerce électronique créant des festivals s'est progressivement ouvert.
Ces dernières années, divers festivals de shopping en ligne ont eu lieu presque tout au long de l’année.
Festival du shopping : carnaval des consommateurs, guerre du e-commerce
À partir du jour de l'An, une série de festivals de shopping se succèdent.
De la « Fête des marchandises du Nouvel An » pendant la Fête du Printemps, à la « Fête de la Déesse » le 8 mars, à la « Fête des mères et des bébés » fin mai, au carnaval de mi-année « 618 », suivi du « Double Eleven » et du « Double Twelve » au second semestre de l'année... la liste est trop longue à énumérer. Les grandes entreprises de commerce électronique ont changé leurs méthodes pour fournir à la majorité des acheteurs en ligneAcheter Acheter Acheterraison.
Récemment, voyant que le « 618 » de JD.com approche, les grandes entreprises de commerce électronique et les acheteurs en ligne se préparent.
Depuis fin mai, les grandes entreprises du e-commerce se préparent pour ce carnaval de mi-année, avec des publicités partout et des stratégies marketing variées : 50% de réduction dès la première heure, à partir de 6,18 yuans, des réductions de montants variés... et les accros du shopping ont eux aussi commencé à faire des sélections minutieuses dès le début, en remplissant leurs paniers.
Pour les employés des grandes entreprises de commerce électronique, ce festival du shopping semble êtreUne guerre sans poudre à canonEn général, « la ligne de bataille est trop longue, donc il faut juste attendre le 18 juin pour commencer. »
Pour les protagonistes de cette « guerre » – la majorité des acheteurs en ligne –, à mesure que les niveaux de dépenses des consommateurs augmentent, le prix n’est plus le seul guide d’achat, de sorte que les grandes entreprises de commerce électronique ne se contentent plus de se faire concurrence sur les prix. La marque, la qualité, l’évaluation et d’autres facteurs deviendront des facteurs de référence. Le système de recommandation « Je suppose que tu aimes » et « De bonnes choses »Des choses comme celles-ci influencent constamment les choix des acheteurs en ligne et brisent constamment leur maîtrise de soi.
Par conséquent, un système plus intelligentSystème de recommandationIl est également devenu une arme indispensable pour les plateformes de commerce électronique.
Des recommandations personnalisées partout
De nos jours, les systèmes de recommandation intelligents sont partout.
Toutiao s'appuyait à l'origine sur des algorithmes pour interpréter l'ADN des intérêts des lecteurs et fournir aux utilisateurs des recommandations d'actualités précises, se démarquant ainsi de nombreux clients d'actualités. Par exemple, les « Les personnes qui aiment ce film/livre aiment aussi... » sur la plateforme de critiques de films, les recommandations de playlists sur les logiciels de musique et les « Emplois qui pourraient vous intéresser » sur les logiciels de recherche d'emploi sont tous basés sur des systèmes de recommandation intelligents.
Différentes plateformes de commerce électronique sont déjà indissociables du système de recommandation. Selon Amazon, le créateur de la recommandation intelligente, Les revenus de 40% proviennent tous du système de recommandation personnalisé.
En fait, le système de recommandation est devenu populaire pour la première fois dans le secteur de la vente au détail et a été 20 ans d'histoire. Il est passé par les étapes de la simple recommandation d’association à la recommandation personnalisée.
Du filtrage collaboratif initial basé sur l'utilisateur, à l'algorithme ultérieur de filtrage basé sur le contenu, et enfin à l'algorithme de recommandation hybride,Apprentissage automatique, apprentissage profondDes technologies telles quePersonnalisation.
Au départ, le système de recommandation s’appuyait principalement sur les données des produits pour recommander des produits similaires au produit recherché. « Tout le monde se ressemble »Par la suite, des recommandations personnalisées basées sur les connexions entre les utilisateurs, en utilisant l’exploration de données, l’apprentissage automatique et d’autres technologies, ont été réalisées. « Des milliers de personnes, des milliers de visages ».
L'algorithme de recommandation intelligent de Taobao dévoilé
De nos jours, les recommandations intelligentes apportent une grande commodité aux acheteurs en ligne.Les algorithmes sont devenus des guides d'achat qui se connaissent mieux qu'eux-mêmes.Cependant, il faut savoir que derrière ces produits qui incitent constamment les utilisateurs à cliquer se cachent des algorithmes complexes impliquant le machine learning, le big data, le traitement du langage naturel, etc.
Prenons l’exemple de Taobao, que la plupart des acheteurs en ligne connaissent bien. Le système de recommandation de Taobao a également traversé plusieurs étapes de développement.
En 2011, Taobao a commencé àLe premier projet expérimental d'algorithme de recommandation. À l'époque, il s'agissait d'un projet personnalisé appelé « Dossier Mère et Bébé », qui recommandait principalement des produits adaptés aux clients mères et bébés. Le projet a été initialement créé avec l’espoir queAméliorez l’efficacité de la recherche afin que les utilisateurs puissent trouver plus rapidement les produits qui répondent à leurs besoins.AugmenterFacile à mesurer.Avant cela, les recherches de commerce électronique traditionnelles utilisaient toutes le même ensemble d’algorithmes.
Vers 2013, à mesure que le nombre de produits sur la plateforme augmentait, l’utilisation du même algorithme de recherche pour tous les utilisateurs ne pouvait plus répondre aux besoins des utilisateurs. À cette fin, TaobaoRecommandations et recherches personnaliséesElle a été officiellement mise à l'ordre du jour pour répondre aux demandes de plus en plus diversifiées des utilisateurs.
Taobao a fait un geste crucial avec JuhuasuanTest de recommandation personnalisé——Dans le passé, le tri des présentoirs de produits de Juhuasuan était basé sur le volume des ventes calculé toutes les heures. Après la mise en œuvre du tri personnalisé, le volume des transactions de produits a rapidement doublé.
Le succès du test a donné à Taobao plus de confiance dans les recommandations personnalisées. Ainsi, en 2014, après l'équipe de recherche de commerce électronique, Alibaba a créé une équipe dédiée à la technologie de recommandation.
Une grande quantité de données utilisateur fournit également une base suffisante pour le système de recommandation d’Alibaba. En plus des informations de base telles que l'âge et le sexe, l'utilisateurHistorique des achats, historique des recherches, historique de navigation,Tous sont capturés par la machine pour définir ses préférences.
Nous pouvons observer votre comportement de navigation à chaque fois. Par exemple, nous pouvons voir si les produits que vous consultez dans 10 catégories sont similaires. Lorsque les catégories recommandées sont trop concentrées, la machine détectera la fatigue de l'utilisateur grâce à certains signaux, et la prochaine pression augmentera le degré d'exploration et recommandera autre chose.
Le responsable du système de recommandation de Taobao a dit un jour : « La pire situation pour les recommandations de produits est que les utilisateurs voient le produit, mais continuent à faire défiler l'écran et ne cliquent pas dessus. »
mais,Il n’est pas facile pour les algorithmes de trouver une logique dans le comportement des utilisateurs.En tant qu'utilisateur, ce scénario peut être très courant : ouvrez Taobao, parcourez une jupe, puis parcourez les vélos, puis revenez voir les jupes, et enfin achetez un sac de nouilles épicées et partez.
Pour extraire des règles d’un fouillis de comportements, les ingénieurs algorithmiques ont mis au point deux méthodes :Recommandations en temps réel,Laissez les modèles et algorithmes complexes comprendre rapidement l'intention de chaque clic et faire des recommandations à tout moment en fonction des étapes de l'utilisateur ;Catégoriser les comportements illogiques.C'est-à-dire classés selon des catégories telles que les vêtements, les produits électroniques, etc.
En 2018, les recommandations intelligentes de Taobao sont devenues basées sur des scénarios. Par exemple, lorsque les utilisateurs recherchent des chaises de salle à manger de style nordique, non seulement des chaises de salle à manger sont recommandées, mais également un ensemble complet de meubles de maison de style nordique. Il est rapporté qu'après cette amélioration, le taux d'utilisation de la colonne de recommandation de Taobao a considérablement augmenté.
Lorsque nous utilisons des plateformes de commerce électronique, nous avons également un objectif en tête. "recherche", est progressivement devenu sans but "visite". En vous promenant, vous achetez souvent un tas de produits recommandés sans vous en rendre compte.
Limites et défis des systèmes de recommandation
Cependant, les systèmes de recommandation sont souvent critiqués.Recommandations inexactes et recommandations en doubleC'est l'emplacement le plus courant.
Un utilisateur s'est plaint un jour : Je viens d'acheter une courtepointe, mais ils me la recommandent tous les jours ; un autre utilisateur a dit : Je suis fatiguée qu'on me recommande le même style de jupe tous les jours.
Les données montrent que pour les produits tels que les livres et la nourriture, le taux de rachat est relativement élevé, de sorte que l’algorithme de recommandations répétées doit également être ciblé.Le même algorithme ne s’applique plus à tous les utilisateurs et produits.
Par conséquent, la technologie de recommandation doit être continuellement améliorée en termes de précision et d’exploitation de la demande potentielle. Un jour, dans le futur, vous pourrez peut-être acheter ce que vous désirez le plus les yeux fermés.
Enfin, je vous souhaite à tous un festival de shopping satisfaisant et heureux.