Μηχανές σύστασης: Κάνοντας καλύτερες επιλογές

4
Μηχανές σύστασης: Κάνοντας καλύτερες επιλογές

Ένα από τα πιο ενδεικτικά χαρακτηριστικά των εταιρειών της νέας ψηφιακής εποχής είναι η ικανότητα να παρέχουν εφαρμόσιμες συστάσεις. Τις περισσότερες φορές, το ανταγωνιστικό πλεονέκτημα αυτών των εταιρειών που προέρχονται από την ψηφιακή θέση σχετίζεται με την ακρίβεια των μηχανών συστάσεων.

Σκεφτείτε τις εταιρείες που έχουν φέρει επανάσταση στους αντίστοιχους κλάδους τους. Είτε πρόκειται για το Netflix, το Spotify ή το Amazon, όλα έχουν αρχικά κάνει τις μηχανές συστάσεων ως το κύριο εργαλείο για την αφοσίωση και την αφοσίωση των πελατών. Ο τρόπος με τον οποίο το Spotify μπορεί να ανακαλύψει νέα μουσική που θα απολαύσετε με πρωτοφανή ακρίβεια και χωρίς καμία ορατή συμβολή σας είναι αυτό που το έκανε να ξεχωρίζει από τον ανταγωνισμό. Όσο περνά ο καιρός, γίνεται ακόμα πιο έξυπνο και ακριβές, επιτρέποντας έναν ατελείωτο κύκλο δημιουργίας αξίας.

Με πολλούς τρόπους, τα συστήματα συστάσεων επιτρέπουν τη διατήρηση μιας συνεχώς αυξανόμενης ροής νέων πληροφοριών, προϊόντων και υπηρεσιών. Με 60.000 τραγούδια που ανεβαίνουν καθημερινά στο Spotify, περισσότερες από 500 ώρες περιεχομένου που ανεβαίνουν στο YouTube κάθε λεπτό και δεκάδες εκατομμύρια φωτογραφίες που ανεβαίνουν στο Instagram κάθε μέρα, γίνεται πολύ πιο δύσκολο να λαμβάνεις τεκμηριωμένες αποφάσεις για το τι θα αγοράσεις, θα παρακολουθήσεις και θα καταναλώσεις στη συνέχεια. . Η δυνατότητα πλοήγησης σε αυτήν την αφθονία περιεχομένου με ουσιαστικό τρόπο μοιάζει με υπερδύναμη και αυτός ακριβώς είναι ο λόγος που οι πελάτες τείνουν να προτιμούν αυτές τις υπηρεσίες έναντι άλλων.

κενό

Χειρισμός σύστασης

Οι αριθμοί είναι επίσης πολύ ενδεικτικοί. Για παράδειγμα, το Netflix ισχυρίζεται ότι τρεις στις τέσσερις ταινίες που παρακολουθούν οι άνθρωποι προέρχονται από εξατομικευμένες συστάσεις. Σε μια τέτοια περίπτωση, το σύστημα συστάσεων έχει απαράμιλλη επιρροή στις επιλογές των ανθρώπων. Ένα αναπόφευκτο και απείρως δύσκολο ερώτημα προκύπτει: πόσο από αυτές τις συστάσεις είναι δίκαιες και αμερόληπτες; Δεδομένου ότι η πλειοψηφία των σύμβουλοι προγνωστικής ανάλυσης και οι μηχανικοί μηχανικής μάθησης συμφωνούν ότι είναι σχεδόν αδύνατο να εξαλειφθεί εντελώς η προκατάληψη από την τεχνητή νοημοσύνη, πόσο δίκαιες είναι πραγματικά αυτές οι συστάσεις; Και ακόμη πιο σημαντικό, μπορούν να παραποιηθούν οι συστάσεις;

Ουσιαστικά, ο χειρισμός της παραγωγής ενός συστήματος συστάσεων είναι εύκολος για τους μηχανικούς. Το 2018, η κυκλοφορία του νέου άλμπουμ του Drake έσπασε τα ρεκόρ μιας ημέρας ροής στο Spotify. Ενώ η τεράστια δημοτικότητα του Drake δεν αμφισβητείται, πολλοί αποδίδουν την επιτυχία του στην προώθηση «in-your-face» που ενορχηστρώθηκε από το Spotify. Όχι μόνο τα νέα τραγούδια του καλλιτέχνη τοποθετήθηκαν φαινομενικά σε κάθε playlist, συμπεριλαμβανομένων των “Ambient Chill” και “Best of British” (ο Drake είναι Καναδός καλλιτέχνης), αλλά πολλοί χρήστες έχουν αναφερθεί μια υπερβολικά αυξανόμενη παρουσία του Drake στις συστάσεις τους. Αν και δεν θα μάθουμε ποτέ τι έκανε πραγματικά το Spotify πίσω από την κουρτίνα, υπάρχουν πολλοί παράγοντες που υποδηλώνουν ότι αυτή ήταν μια προώθηση επί πληρωμή. Αν και δεν υπάρχει τίποτα κακό με τη διαφήμιση, η συγκάλυψη της ως απόδοσης κινητήρα σύστασης είναι άδικη.

Μπορούμε να κάνουμε κάτι για αυτό; Αυτό φαίνεται απίθανο. Παρά τις τεράστιες αντιδράσεις των χρηστών και την εκτεταμένη κάλυψη των σκιερών τακτικών του Drake, η βάση χρηστών του Spotify αυξάνεται σταθερά χρόνο με το χρόνο έκτοτε.

Κάνοντας καλύτερες επιλογές σε όλα τα επίπεδα

Η χρήση κινητήρων σύστασης υπερβαίνει κατά πολύ το να δελεάζει πελάτες σε μια συγκεκριμένη πλατφόρμα. αφορά επίσης τη λήψη καλύτερων επιχειρηματικών αποφάσεων. Τα επόμενα χρόνια, η δουλειά των επαγγελματιών μάρκετινγκ, των διευθυντών επωνυμίας, των επαγγελματιών ανθρώπινου δυναμικού, των σχεδιαστών UX και των κειμενογράφους θα αυξάνεται ολοένα και περισσότερο από διαφορετικούς τύπους συστημάτων συστάσεων. Ουσιαστικά, αυτά τα συστήματα είναι οι συμβατικές σας πλατφόρμες ανάλυσης δεδομένων που έχουν επανασχεδιαστεί σε πολύ πιο βολικούς και φιλικούς προς το χρήστη ψηφιακούς συμβούλους.

Αντί να αναλύετε δεδομένα για να προσδιορίσετε με μη αυτόματο τρόπο ποιος τύπος καμπάνιας μάρκετινγκ θα είναι ο καλύτερος για ένα συγκεκριμένο κοινό-στόχο, αυτή η διαδικασία θα μοιάζει με προτάσεις εξερεύνησης στο Amazon. Κάτι όπως: “Η ομάδα πελατών που αντέδρασε θετικά σε αυτόν τον τύπο διαφήμισης έκανε επίσης κλικ σε αυτήν τη διαφήμιση” ή “Αυτή η ομάδα-στόχος έχει 80% περισσότερες πιθανότητες να προσελκυστεί από premium προσφορές παρά από προωθήσεις 2 προς 1”, και ούτω καθεξής.

Ομοίως, εργαλεία όπως το Watson Tone Analyzer της IBM μπορούν να ελέγχουν το email ενός στελέχους σε ολόκληρη την εταιρεία σχετικά με αλλαγές στην οργανωτική δομή και να προτείνουν ορισμένες αναθεωρήσεις για να το κάνουν πιο σαφές, διαφανές και ενθαρρυντικό. Με βάση την επιλεγμένη ομάδα στόχο, οι κειμενογράφοι θα λάβουν συστάσεις για την επιλογή λέξεων. Οι σχεδιαστές διεπαφής χρήστη θα λάβουν συστάσεις βάσει δεδομένων σχετικά με το ποια γραμματοσειρά ταιριάζει καλύτερα σε έναν συγκεκριμένο τύπο εφαρμογής. Και πάλι, υπάρχουν πολλά τέτοια εργαλεία διαθέσιμα στην αγορά σήμερα, απλώς πρέπει να παρέχουν μια πιο φιλική προς τον καταναλωτή εμπειρία.

Είναι καιρός να σταματήσουμε να συσχετίζουμε συστήματα συστάσεων αποκλειστικά με το ηλεκτρονικό εμπόριο. Οι μηχανές συστάσεων μπορούν να χρησιμοποιηθούν όχι μόνο για να προτείνουν προϊόντα αλλά και για να παρέχουν συμβουλές βασισμένες σε δεδομένα που μπορούν να βοηθήσουν στον εξορθολογισμό της λήψης αποφάσεων. Με τις συνεχιζόμενες καινοτομίες στο ML και την τεχνητή νοημοσύνη, είναι βέβαιο ότι τα συστήματα συστάσεων θα συνεχίσουν να αναλαμβάνουν την εμπειρία τόσο των καταναλωτών όσο και των εργαζομένων.

παρόμοιες αναρτήσεις

Leave a Reply