Це і мистецтво, і наука. Типові галузі дослідження обертаються навколо аналізу ринкових кошиків (їх також називають аналізом спорідненості), що є підмножиною галузі обміну даними. Типові компоненти в такій системі включають в себе ідентифікацію первинних елементів водія та ідентифікацію предметів спорідненості (аксесуар, що продається, перехресний продаж).
Майте на увазі джерела даних, які вони мають видобувати ...
- Придбані кошики для покупок = реальні гроші від реальних людей, витрачені на реальні предмети = потужні дані та багато цього.
- Елементи додаються у візки, але покинуті.
- Цінові експерименти в Інтернеті (тестування A / B тощо), де вони пропонують однакові продукти за різними цінами та бачать результати
- Експерименти з упаковкою (тестування A / B тощо), де вони пропонують різні продукти в різних «пачках» або знижують різні пари предметів
- Списки побажань - що саме в них спеціально для вас - і в сукупності з ним можна трактувати аналогічно іншому потоку даних аналізу кошика
- Реферальні сайти (ідентифікація, звідки ви прийшли, може натякати на інші об’єкти, що цікавлять)
- Часи затримки (скільки часу, перш ніж натиснути назад і вибрати інший предмет)
- Рейтинги вас чи тих, хто є у вашій соціальній мережі та у колах покупців - якщо ви оцінюєте речі, які вам подобаються, ви отримуєте більше того, що вам подобається, і якщо ви підтверджуєте за допомогою кнопки «я вже є власником», вони створюють вам дуже повний профіль
- Демографічна інформація (ваша адреса доставки тощо) - вони знають, що популярне у вашому загальному районі для ваших дітей, вас, вашого подружжя тощо.
- сегментація користувачів = ви купували 3 книги за окремі місяці для малюка? швидше за все, дитина чи більше .. і т.д.
- Клацніть дані прямого маркетингу - ви отримали від них електронний лист і натисніть на нього? Вони знають, за якою електронною поштою це було і на що ви натискали, і чи купували ви його в результаті.
- Клацніть доріжки в сеансі - що ви переглядали, незалежно від того, чи потрапив він у ваш кошик
- Кількість переглядів товару до остаточної покупки
- Якщо ви маєте справу з магазином з цегли та мінометів, у них може вийти і ваша історія фізичних покупок (наприклад, іграшки нам або щось, що є в Інтернеті, а також фізичний магазин)
- і т.д. і т.д. і т.д.
На щастя, люди поводяться аналогічно у сукупності, тому чим більше вони знають про населення, що купує, тим більше, тим краще вони знають, що продаватимуть, а що не продаватимуть, і з кожною трансакцією та кожним рейтингом / списком бажань додавати / переглядати вони знають, як особисто підготувати рекомендації. Майте на увазі, що це, мабуть, лише невеликий зразок повного набору впливів того, що закінчується рекомендаціями тощо.
Зараз я не знаю, як Amazon веде бізнес (ніколи там не працював), і все, що я роблю, - це говорити про класичні підходи до проблеми інтернет-комерції - я був прем'єр-міністром, який працював над майнінг даних та аналітикою для Microsoft продукт, який називається Commerce Server. Ми постачали в Commerce Server інструменти, які дозволяли людям створювати сайти з подібними можливостями .... але чим більший обсяг продажів, тим кращі дані, тим краща модель - а Amazon - ВЕЛИКИЙ. Я можу лише уявити, як весело грати з моделями з такою кількістю даних на комерційному сайті. Зараз багато з цих алгоритмів (наприклад, предиктор, який запустився на комерційний сервер) перейшли до прямого використання в Microsoft SQL .
Чотири великі способи, які ви повинні мати:
- Amazon (або будь-який роздрібний продавець) розглядає сукупні дані для тонн транзакцій і тонни людей ... це дозволяє їм навіть досить добре рекомендувати анонімним користувачам на своєму сайті.
- Amazon (або будь-який складний роздрібний продавець) веде облік поведінки та покупок тих, хто ввійшов у систему, і використовує це для подальшого уточнення поверх масових сукупних даних.
- Часто є засіб перешкоджати накопиченим даним і приймати «редакційний» контроль пропозицій для менеджерів продуктів певних ліній (як, наприклад, особа, яка володіє вертикаллю «цифрових фотоапаратів» або «романсів романів»), де вони справді є експертами
- Часто існують акційні пропозиції (наприклад, sony, panasonic, nikon, canon, sprint або verizon, що сплачують додаткові гроші продавцеві, або дає кращу знижку на більшу кількість або інші речі в цих рядках), що спричинить певні "пропозиції" вгорі частіше за інших - за цією метою завжди є якась розумна ділова логіка та бізнес-причини, спрямовані на те, щоб зробити більше на кожній операції або зменшити оптові витрати тощо
З точки зору фактичної реалізації? Практично всі великі онлайн-системи зводяться до певного набору конвеєрів (або реалізації фільтруючого шаблону, або робочого процесу тощо. Ви називаєте це тим, що будете), що дозволяє оцінювати контекст за допомогою серії модулів, що застосовують певну форму логіка бізнесу.
Зазвичай з кожним окремим завданням на сторінці пов’язується інший конвеєр - у вас може бути такий, який рекомендує "пакети / розпродажі" (тобто купуйте цей товар, який ви дивитесь) і той, який робить "альтернативи" (тобто купувати це замість того, що ви дивитесь) та іншого, який витягує предмети, найбільш тісно пов'язані зі списку бажань (за категорією товару чи подібними).
Результати цих трубопроводів можна розмістити на різних частинах сторінки (над смужкою прокрутки, під прокруткою, зліва, праворуч, різними шрифтами, зображеннями різного розміру тощо) і перевірити, щоб побачити, які функції виконують найкращий. Оскільки ви використовуєте приємні модулі для підключення та відтворення, які визначають бізнес-логіку для цих трубопроводів, ви отримуєте моральний еквівалент лего-блоків, що дозволяє легко вибирати та вибирати з бізнес-логіки, яку ви хочете застосувати під час створення іншого конвеєра. що дозволяє швидше впроваджувати інновації, більше експериментувати і, врешті-решт, отримувати більше прибутку.
Це взагалі допомогло? Сподіваємось, це дасть вам трохи зрозуміти, як це взагалі працює для будь-якого веб-сайту електронної комерції - не лише Amazon. Amazon (від спілкування з друзями, які там працювали) дуже керується даними і постійно вимірює ефективність свого досвіду користувачів, а також ціноутворення, просування, упаковка тощо - вони є дуже складним роздрібним дилером в Інтернеті і, ймовірно, є на передньому краї дуже багато алгоритмів, які вони використовують для оптимізації прибутку - і це, ймовірно, власні секрети (ви знаєте, як формула секретних спецій KFC) і гарантовані як такі.