Umsatzsteigerung durch auf Deep Learning basierenden Produktempfehlungen

Dynamic Yield, die Plattform für Experience-Optimierung, hat heute die schrittweise Einführung ihres hochmodernen auf Deep Learning und Selbsttraining basierenden Algorithmus für Recommendations bekannt gegeben. Durch diesen Algorithmus ist es Unternehmen möglich, ihren Kunden die für sie relevantesten Produkte zu empfehlen, mit denen sie mit höchster Wahrscheinlichkeit interagieren werden.

Heutzutage sind für E-Commerce-Unternehmen, die Kundeninteraktionen, Käufe und die Kundenbindung steigern möchten, Produktempfehlungen eine wesentliche Voraussetzung. Für viele Marketer und Merchandiser war es lange Zeit eine große Herausforderung, aus der Fülle des Produktkatalogs diejenigen Produkte auszuwählen, die sie ihren Kunden mit den unterschiedlichsten Präferenzen und Kaufabsichten empfehlen.

Die Deep Learning-Recommendations von Dynamic Yield erkennen bereits bei der ersten Sitzung eines Besuchers seine Interessen und Kaufabsichten, sodass den Kunden genau die Produkte empfohlen werden können, mit denen sie mit höchster Wahrscheinlichkeit interagieren werden. Der Algorithmus basiert auf der item2vec-Methode und der direkt davon abgeleiteten NLP (Neuro-Linguistisches Programmieren)-Methode, word2vec. Dabei werden Produkte im Browserverlauf der Nutzer, Aktivitäten während der Sitzungen sowie Neigungen analysiert und genutzt, um den Nutzern individuell die Produkte zu empfehlen, die für sie am relevantesten sind.

„Heutzutage erwarten Konsumenten ein hohes Maß an personalisiertem Content beim Online-Shopping“, so Liad Agmon, CEO von Dynamic Yield. „Unser Deep Learning-Modell nutzt modernste neuronale Netzwerktechnologien des Neuro-Linguistischen Programmierens, die sich als höchst effektiv im Bereich Recommendations herausgestellt haben. Dieser erstklassige Ansatz ermöglicht es uns, die Wünsche und Bedürfnisse unserer Kunden vorherzusagen.“

Führende Marken wie URBN BrandsOFFICEGlassesUSA,com und viele mehr nutzen bereits den auf Deep Learning basierenden Algorithmus von Dynamic Yield, um die Performance ihrer Produktempfehlungen zu maximieren. Dank dieser fortschrittlichen Strategie, die auf maschinellem Lernen basiert, konnten bereits viele Dynamic Yield-Kunden eine erhebliche zweistellige Steigerung an Käufen und zusätzlichem Umsatz erzielen.

Zu den wichtigsten Vorteilen des Deep Learning-Modells für Recommendations zählen:

  • Optimierte Ergebnisse pro Nutzer – Der Deep Learning-Algorithmus legt automatisch die richtigen Parametereinstellungen für jeden Nutzer fest – basierend auf deren Verhalten, Neigungen, und darauf, wo sie sich in der Customer Journey befinden. Regeln und benutzerdefinierte Filter müssen daher nicht mehr manuell festgelegt werden.
  • Adaptiv und selbstlernend – Der Algorithmus ist basierend auf einer riesigen Menge an Verhaltens- und Produktdaten konstant und schnell selbstlernend. Das Ziel ist die Optimierung der Recommendation-Ergebnisse, die bereits ab der ersten Sitzung Kundenabsichten erkennen, und bei Erhalt neuer Daten und Informationen regelmäßig angepasst und verbessert werden. – In den wichtigsten digitalen Channels verfügbar
  • Wenden Sie sowohl in mobilen Apps als auch in E-Mail-Kampagnen dieselbe fortschrittliche Deep Learning-Technologie für Produktempfehlungen an und steigern Sie die Interaktion.

„Dank Dynamic Yield müssen wir nicht mehr manuell eine Strategie für unser Homepage Recommendation-Widget auswählen,“ so Nadav Yekutiel, Head of Data, GlassesUSA.com. „Der Deep Learning-Algorithmus von Dynamic Yield legt die richtigen Parametereinstellungen für jeden Nutzer fest – abhängig von deren Verhalten, Seitentrends und davon, wo sie sich in der Customer Journey gerade befinden. Die Strategie hat sich als maximal effektiv erwiesen – nicht nur, was die Ergebnisse angeht, sondern auch in puncto Zeitersparnis.“

Das Recommendation-Modell von Dynamic Yield ist Teil von AdaptML(TM) – das auf Deep Learning und Selbsttraining basierende KI-System des Unternehmens, das jedem Nutzer ein auf ihn zugeschnittenes individuelles digitales Erlebnis bietet, indem es mithilfe von Kundendaten bestimmte Kaufabsichten und Produkte ermittelt, an denen der Nutzer interessiert sein könnte.

Beitrag teilen: