Este blog responde a dos áreas de preguntas:
- ¿Para quién es relevante un sistema de recomendación? ¿Por qué?
- ¿Qué variantes fundamentales existen? ¿Qué tan complicada es una implementación correspondiente?
Me enfoco en esta publicación en una visión general sólida. Los detalles los describe mi colega Josef Bauer en las partes posteriores dos y tres.
¿Qué hace un sistema de recomendación?
Un sistema de recomendaciones se dirige específicamente a los intereses individuales de cada consumidor. Dicho de otra manera, previene la interrupción de un recorrido del cliente debido a la sobrecarga o la frustración. Por eso, los sistemas de recomendaciones son centrales, especialmente en grandes ofertas de productos y servicios. Es importante tener en cuenta el comportamiento de uso de los clientes. Mientras que algunas páginas quieren invitar explícitamente a navegar, en otras páginas el enfoque está en encontrar rápidamente el producto óptimo.
¿Se beneficia mi empresa de la implementación de un sistema de recomendaciones?
Los modelos de negocio B2C digitales se benefician más de los sistemas de recomendación, ya que allí influyen directamente en los indicadores clave de rendimiento (KPI) más importantes. Una introducción mejora significativamente la experiencia de uso. Además, los consumidores esperan cada vez más buenas recomendaciones como una característica estándar. La optimización de un sistema de recomendación existente también sirve para aprovechar potenciales no utilizados.
Además de este efecto principal, los sistemas de recomendación tienen una serie de efectos secundarios:
- Ellos conducen a un mayor entendimiento de los datos en los equipos involucrados y fomentan la reflexión consciente sobre el comportamiento y las preferencias reales de los usuarios.
- Las empresas pueden utilizar los conocimientos obtenidos para optimizar tanto la oferta como la experiencia del usuario.
- Los sistemas de recomendación implementados pueden ser utilizados como una herramienta de prueba adicional, ya que a través de ellos se puede controlar parte del tráfico.
Muchos detalles determinan cuán bien se puede utilizar este instrumento. Sin embargo, se pueden dividir los sistemas de recomendación en dos categorías generales:
Opción 1: Recomendaciones basadas en productos (Enfoque basado en ítems)
La primera opción se orienta estrechamente a los productos disponibles. El consumidor ve productos que son similares a los que ya ha considerado. "Similitud" puede significar muchas cosas diferentes en este contexto. Ejemplos son la categoría del producto, el precio o también el fabricante. Por supuesto, también es concebible una combinación de diferentes dimensiones.
Opción 2: Recomendaciones basadas en consumidores (Enfoque basado en el consumidor)
En la segunda opción, no se centra en la búsqueda de productos similares, sino en la búsqueda de clientes similares. Las recomendaciones resultantes pueden parecerse mucho o no parecerse en absoluto a la primera opción. Este enfoque intenta modelar las preferencias y lógicas de acción de los clientes que subyacen a las decisiones de compra, y menos las similitudes "objetivas" entre productos.
¿Qué opción se adapta a mi caso de uso?
En tiempos del RGPD, la selección no es insignificante y está impulsada por la disponibilidad de datos y la utilizabilidad legalmente permitida. Sin embargo, se ofrece un enfoque basado en productos para la introducción. Desde un punto de vista práctico, esta opción se puede mantener bien como una tabla, que se recalcula en intervalos fijos. Esto facilita enormemente la integración en sitios web y aplicaciones móviles. El enfoque basado en el consumidor ofrece mayores potenciales, pero depende de una infraestructura de streaming confiable.
¿Cuáles son los primeros pasos?
Para implementar sistemas de recomendación, se requieren inventarios en tres niveles diferentes:
- ¿Qué tan directamente está relacionado el modelo de negocio con un sistema de recomendaciones? ¿Es una parte central o más bien un bono? ¿Cuál es el verdadero valor añadido para los clientes?
- ¿Qué tan fácil es integrar un sistema de recomendaciones en la infraestructura existente? ¿Están disponibles los datos necesarios y se pueden utilizar para tales fines?
- ¿Está disponible el conocimiento necesario en ciencia de datos en la empresa? ¿Ya existe un equipo que pueda asumir esta tarea o es necesario crear nuevas estructuras?
Si estas tres preguntas están suficientemente respondidas, el trabajo real puede comenzar. Los detalles los describe Josef Bauer en su próxima publicación