Las recomendaciones de producto Deep Learning de Dynamic Yield generan retornos de ingresos exponenciales

Remitido
/COMUNICAE/

Los clientes que implementan el algoritmo de autoaprendizaje han sido testigos de incrementos de hasta dos dígitos en las compras e ingresos, en comparación con otras estrategias de recomendaciones personalizadas

Dynamic Yield, la plataforma de optimización de la experiencia, ha anunciado hoy el lanzamiento progresivo de su Algoritmo de Recomendaciones de Deep Learning de última tecnología y autoaprendizaje, el cual permite a las marcas predecir las siguientes series de productos con mayor probabilidad de que sean compradas por un consumidor.

Hoy en día, las recomendaciones de productos son un requisito fundamental para cualquier negocio de comercio electrónico que busque aumentar la participación, las compras y la fidelidad de los clientes. Sin embargo, un reto constante para los responsables de marketing y merchandising ha sido determinar qué productos, de entre un catálogo masivo de artículos, pueden servir a clientes con distintas preferencias e intenciones de compra.

Las recomendaciones Deep Learning de Dynamic Yield identifican instantáneamente la intención, incluso desde la primera sesión, para emparejar automáticamente a los clientes con los productos que más les interesan o que es probable que compren, adaptándose a medida que se reciben nuevos datos. El modelo emplea el método item2vec, derivado directamente de su homólogo de Procesamiento del Lenguaje Natural (PLN), word2vec, para aprender los productos del historial de navegación de un usuario, la actividad durante la sesión y las tendencias detectadas en el sitio web, con el objetivo de recomendar los productos con los que se prevé que cada persona se relacione mientras compra.

«Los consumidores han llegado a esperar un alto nivel de personalización en las interacciones online con los retailers», dijo Liad Agmon, CEO de Dynamic Yield. «Nuestro modelo de Deep Learning explota tecnologías de redes neuronales de última generación de procesamiento del lenguaje natural que se han demostrado extraordinariamente eficaces dentro del ámbito de las recomendaciones, proporcionando un enfoque superior para predecir los deseos y necesidades de los clientes.»

Marcas líderes como URBN Brands, OFFICE y GlassesUSA, entre otras, utilizan actualmente el algoritmo Deep Learning de Dynamic Yield para maximizar el rendimiento de sus recomendaciones de productos. La estrategia avanzada basada en machine learning ya ha generado aumentos sustanciales de dos dígitos en las compras e ingresos para los clientes de Dynamic Yield.

Estas son, entre otras, las principales ventajas del modelo de recomendación de Deep Learning:

– Resultados optimizados por usuario: El algoritmo de Deep Learning determina automáticamente el subconjunto adecuado de parámetros para cada usuario en función de su comportamiento, su posición a lo largo del customer journey, así como cualquier tendencia identificada en el site, eliminando la necesidad de aplicar manualmente reglas de filtrado personalizadas.

– Entrenamiento y adaptación veloces: El algoritmo aprende por sí mismo de forma constante y rápida, basándose en una enorme cantidad de datos de comportamiento y de producto, para impulsar los resultados de las recomendaciones que identifican instantáneamente la intención del cliente, incluso desde la primera sesión, y se perfeccionan continuamente a medida que llega nueva información.

– Disponible en los principales canales digitales: aplica la misma tecnología avanzada de Deep Learning para ofrecer recomendaciones de productos previstas para impulsar la participación en el sitio dentro de la aplicación móvil, así como mediante campañas de correo electrónico, las cuales se personalizan en el momento de la apertura del correo electrónico.

«Con Dynamic Yield, ya no tenemos que elegir manualmente una estrategia para nuestro widget de recomendaciones de la Homepage», dijo Nadav Yekutiel, Head of Data de GlassesUSA.com. » El algoritmo de Deep Learning de Dynamic Yield determina automáticamente el subconjunto de parámetros adecuado para cada usuario en función de su comportamiento, del punto en el que se encuentra en el customer journey, así como de las tendencias detectadas en todo el site, lo que lo hace superior a cualquier otra estrategia disponible, no sólo en términos de resultados sino también de ahorro de tiempo.»

El modelo de recomendación de Deep Learning de Dynamic Yield forma parte de AdaptML™, el sistema de IA de deep learning de la compañía que adapta la experiencia digital de forma individual a cada usuario extrapolando la intención de compra a partir de los datos de los clientes y prediciendo los productos en los que pueden estar interesados.

Para más información, visitar: dynamicyield.com/es/adaptml/

Sobre Dynamic Yield
Dynamic Yield ayuda a las marcas a ofrecer y testear rápidamente interacciones digitales personalizadas, optimizadas y sincronizadas a cada usuario. Los equipos de marketing, producto, desarrollo y de eCommerce de más de 350 marcas mundiales utilizan la plataforma de optimización de la experiencia de Dynamic Yield como capa tecnológica sobre las soluciones de CMSexistentes, con el fin de reproducir con mayor velocidad y adaptar algorítmicamente el contenido, los productos y las ofertas a cada individuo, para acelerar el valor empresarial a largo plazo.

Fuente Comunicae

Las + leídas