सामग्री
- एक शिफारस प्रणाली काय आहे?
- एक शिफारस प्रणाली कार्य कसे करते?
- समस्यांचे निराकरण करण्यासाठी एअरबीएनबी हवी आहे
- एअरबीएनबीने काय केले?
- शिफारस सिस्टमची उत्क्रांती
- निष्कर्ष
स्रोत: आर्टिस्टको / ड्रीमस्टाइम.कॉम
टेकवे:
विपणनकर्ते आणि ग्राहक दोघांनाही शिफारस सिस्टम मोठी मदत होऊ शकते.
आपण कधीही ऑनलाइन काहीतरी शोधले आहे आणि हे आपल्याला माहिती होण्यापूर्वी आपण जिथे जिथे जाल तिथे त्या विषयावरील जाहिरातींचा भडिमार केला जात आहे? उदाहरणार्थ, आपण पुढील "स्टार वॉर्स" चित्रपटाची नवीनतम माहिती शोधत आहात असे समजू. ट्रेलर पाहिल्यानंतर, आपल्याला "स्टार वार्स" टी-शर्ट, "स्टार वार्स" खेळणी, "स्टार वार्स" डीव्हीडी, "स्टार वार्स" पत्रके ... आणि इतर "स्टार वॉर्स" उत्पादनांची एक मोठी संख्या ऑनलाइन दिसू लागेल. ज्याची तुम्ही कल्पनाही केली नव्हती. हे सर्व सिस्टीम सिस्टमला धन्यवाद आहे.
एक शिफारस प्रणाली काय आहे?
शिफारस सिस्टम - ज्यांना शिफारस इंजिन, रेफरर सिस्टम किंवा फक्त आरएस म्हणून देखील ओळखले जाते - कंपन्यांनी ग्राहकांचा अनुभव कसा तयार केला आहे याचे पुनर्निर्देशन करीत आहेत. ऑनलाइन खरेदी करताना शिफारस सिस्टमने ग्राहकांना सुचित आणि चांगले खरेदी निर्णय घेण्यात मदत केली आहे. आपण कोणत्याही वेळी कोणतीही ऑनलाइन खरेदी केली असल्यास आपण खरेदी केलेल्या उत्पादनांसारख्याच शिफारसी आपण जवळजवळ निश्चितपणे केल्या आहेत. म्हणूनच, आपण उत्पादने ब्राउझ करीत असताना, शिफारस सिस्टम आपल्या ब्राउझिंगचे वर्तन पहात आहेत आणि कदाचित आपण स्वतःहून शोधलेली नसलेली उत्पादने शोधत आहेत. विशेषत: ऑनलाइन खरेदीचे कोनाडा, ग्राहकांचा सर्वांगीण अनुभव वाढविण्यात शिफारस सिस्टम महत्वाची भूमिका निभावतात. अर्थात व्यवसायासाठीही हे चांगले आहे. ग्राहकांना सर्वोत्कृष्ट उत्पादने निवडण्यात मदत करण्यासाठी कंपन्या त्यांची शिफारस इंजिन सुधारण्यासाठी त्यांची गुंतवणूक वाढवत आहेत.
एक शिफारस प्रणाली कार्य कसे करते?
आम्ही शिफारस करतो की सिस्टम आमच्या जीवनावर कसा परिणाम करीत आहे हे शोधण्यापूर्वी, ते कसे कार्य करतात आणि ते कसे विकसित होत आहेत हे जाणून घेणे योग्य आहे.
एक शिफारस सिस्टम एक माहिती फिल्टरिंग तंत्रज्ञान आहे, जी सामान्यत: ई-कॉमर्स वेबसाइटवर भेट देणार्‍या ग्राहकाला फिल्टर केलेल्या उत्पादनांच्या निवडीसाठी वापरली जाते. नावाप्रमाणेच तंत्रज्ञानाचा वापर समान वैशिष्ट्ये असलेल्या उत्पादनांसाठी शिफारसी देण्यासाठी केला जातो. पक्षाच्या दृष्टीकोनानुसार उद्दीष्ट भिन्न आहे. ई-कॉमर्स वेबसाइटवर उत्पादने विकणार्‍या व्यवसायासाठी, ते ग्राहकाला अधिक उत्पादन निवडी देऊन आपली कमाई करण्याच्या संधी सुधारत आहे. एखाद्या ग्राहकासाठी ती तत्सम उत्पादनांच्या शिफारसी देत आहे आणि ग्राहकांना आधीच निवडलेल्यांपेक्षा चांगले उत्पादन खरेदी करण्याची किंवा खरेदीसाठी आधीच निवडलेल्या उत्पादनाचा अनुभव वाढविणारी एखादी वस्तू खरेदी करण्याची संधी देत आहे. शिफारसी प्रदान करण्यासाठी, इंजिन अनेक पद्धती वापरतात, यासह:
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
समस्यांचे निराकरण करण्यासाठी एअरबीएनबी हवी आहे
एअरबीएनबी ही एक वेबसाइट आहे जेथे लोकांना भाड्याने देण्याची सोय मिळू शकते आणि भाड्याच्या उद्देशाने त्यांच्या राहण्याची सोय देखील सूचीबद्ध केली जाऊ शकते. विकिपीडियाच्या मते, एअरबीएनबीची 34,000 शहरे आणि 190 देशांमध्ये 1,500,000 हून अधिक यादी आहे. प्रवासी कायमस्वरूपी स्वस्त, आरामदायक आणि सुरक्षित निवास शोधत आहेत. एअरबीएनबीला आपल्या ग्राहकांना चांगल्या, सानुकूलित निवास पर्याय ऑफर करण्याचे मार्ग शोधायचे होते. हे प्रवाशांच्या अद्वितीय आवश्यकतांबद्दल अधिक जाणून घेऊ इच्छित होते.
एअरबीएनबीने काय केले?
प्रवाश्यांच्या वैयक्तिक प्रवासाची आवश्यकता शोधणे आणि योग्य पर्याय किंवा शिफारसी देणे ही मुख्य कल्पना होती. तर, एअरबीएनबीने प्रवासी आढावा, निवास फीडबॅक आणि ग्राहकांनी नोंदवलेल्या इतर डेटाच्या स्वरूपात नोंदविलेल्या ग्राहक डेटाची खोल खोदण्याचा निर्णय घेतला. ते करण्यासाठी एअरबीएनबीने एक टीम तयार केली. अभियांत्रिकीचे उपाध्यक्ष माईक कर्टिस यांच्या मते, “बर्‍याच काळापासून एअरबीएनबी ही एक छान जागा आहे जिथे आपण कोठे जात आहात हे आपल्याला माहित असल्यास आणि आपण केव्हा जात आहात हे आपल्याला माहित आहे, परंतु आमच्या लक्षात आले की आपल्याकडे सर्व आहे इतर लोकांकडे नसलेला हा डेटा आमच्याकडे प्रवासाचे नमुने आहेत. आमच्याकडे पुनरावलोकने आहेत. आमच्याकडे सूचीचे वर्णन आहे. आम्हाला तेथून जवळपास असलेल्या ठिकाणांबद्दल बरेच काही माहित आहे. ”म्हणून एअरबीएनबीला डेटा आणि एक वैयक्तिकृत शिफारसी देणारी शिफारस प्रणालीसह क्रॅक झाले.
शिफारस सिस्टमची उत्क्रांती
शिफारस इंजिनच्या सभोवतालचा हायपर असूनही, वापरकर्त्याची कल्पनाशक्ती ख .्या अर्थाने त्यांना पकडण्यापूर्वी त्यांना खूप पुढे जाणे आवश्यक आहे. आत्ता, इंजिन एक सामान्य अल्गोरिदम अनुसरण करतात आणि तयार केलेल्या निवडी पुरवत नाहीत. भविष्यकाळ ग्राहकांना सानुकूलित उत्पादनांच्या निवडी देण्यामध्ये आहे. त्यासाठी अल्गोरिदमांना झोपेचे चक्र, वापरकर्त्यांचा मूड, दिवसाचा वेळ आणि उर्जा उत्पादन यासारख्या गुंतागुंत निर्माण करणे आवश्यक आहे. असे दिसते आहे की किरकोळ आणि मीडिया उद्योग या इंजिनला सर्वात जास्त उपयोगात आणत आहेत आणि इतरही त्यांचा पाठपुरावा करतील.उदाहरणार्थ, बँकिंग आणि वित्तीय उद्योग त्यांच्या ग्राहकांच्या पुढील हालचालींचा वाढत्या अंदाजाचा विचार करीत आहेत जेणेकरून सानुकूलित उत्पादने ऑफर करता येतील. त्यासाठी ग्राहकांचा अभिप्राय, सोशल मीडिया नमुने, कॉल सेंटर डेटा, वेबसाइट्स आणि ग्राहकांच्या शैक्षणिक पातळी यासारख्या गोष्टींचा बराच डेटा विचारात घेतला जाईल.
निष्कर्ष
शिफारस इंजिनचे भविष्य कसे आकार घेते हे पाहणे मनोरंजक असेल. आता वापरली जाणारी अल्गोरिदम बर्‍याच काळापासून वापरात आहेत, परंतु व्यवसायांना संकल्पनेतून अधिक हवे आहे. ब्रँड त्यांच्या अल्गोरिदम चिमटा आणि सुधारित करण्याचा प्रयत्न करीत आहेत आणि सतत अधिक व्यापक बनविण्याचा प्रयत्न करीत आहेत. तथापि, संभाव्यत: सर्वात मोठे आव्हान म्हणजे उद्योगांद्वारे इंजिन अंमलबजावणी करणे जे पारंपारिकपणे त्यांचा वापर करीत नाहीत, उदाहरणार्थ, विमा क्षेत्र जे विमा उत्पादनांच्या शिफारसी देऊ शकतात.
शिफारस प्रणाल्यांमध्ये लोकांना असंख्य मार्गांनी त्यांच्या दैनंदिन जीवनात मदत करण्याची क्षमता तसेच जाहिरातदारांना विस्तृत प्रेक्षकांसाठी उत्पादने आणि सेवांचा परिचय करण्यास मदत करणे आणि हे तंत्रज्ञान कसे विकसित होत राहील हे केवळ वेळच सांगेल.