تجربه ساخت عیدانه‌های رکامندر

از بچگی وقتی که تو برنامه کودک میدیم که کسی با چوب یه وسیله‌ای رو میسازه و اونو به کسی که دوسش داره هدیه میده، کار کردن با چوب برام شده بود یه رویا و از طرفی به نظرم خیلی کار سختی میومد.

یه روز خیلی اتفاقی تصمیم گرفتم که خودم وسایل چوبی بسازم و دنبال کارگاه نجاری بودم وقتی با دوستام مشورت کردم منو خیلی ترسوندن که این کار خیلی خطرناکیه و ممکنه انگشت‌هاتو از دست بدی. بالاخره یه کارگاه نجاری پیدا کردم و وقتی با مربی اونجا که یه خانم کارآفرین بود صحبت کردم و باهاش مشورت کردم بهم گفت خوب میتونی با کلاس کار با حجم شروع کنی و هیچ ابزار خطرناکی نداره، فعلا فقط با چوب ساب کار میکنید، خیلی خوشحال شدم و هیجان زده برای اولین جلسه آماده شدم، طرح یه پرنده رو برای ساخت انتخاب کردم و هر جلسه قسمتی از کار رو با چوب ساب تراش میدادم و کم کم پرنده کوچک من داشت ساخته میشد، از جلسه اول با اینکه خیلی بدشکل و ناکامل بود دوسش داشتم،چهار جلسه دو ساعته طول کشید تا کامل بشه، جلسه چهارم وقتی سنباده زدن تموم شد، اینکه از یه تیکه چوب تونستم پرنده به این زیبایی بسازم خیلی هیجان زده بودم و به طرز عجیبی دوسش داشتم و میبوسیدمش، باورم نمیشد وقتی بیرون از خونه هستم بهش فکر میکنم و به یاد میارمش.

نزدیک عید بود و از ماه ها قبل داشتم به عیدی مشتری‌ها فکر میکردم و اینکه چه هدیه خلاقانه ای میتونیم تهیه کنیم، که همیشه ازش استفاده کنن، بی نهایت دلم میخواست که خودم با چوب یه هدیه بسازم ولی برای این کار نیاز بود که کلاس نجاری برم. تصمیم گرفتم ماه دوم کلاس نجاری برم تا شاید بتونم نزدیک عید خودم عیدی ها رو بسازم، باید اعتراف کنم دیدن اون همه ابزار خطرناک و صداهای بلند خیلی منو ترسوند ولی وقتی دیدم بقیه خانم ها خیلی راحت دارن کار میکنن و وسایل خوشگلی ساختن یکم آروم شدم.

وسایل ایمنی که همیشه بایدتو کارگاه همراه داشته باشیم. ماسک، عینک و دستکش هست. براده های چوب خیلی راحت و سریع، هم تو پوست دست میرن هم چشم و هم موقع تنفس اذیت میکنن.

فقط دو جلسه از کلاس نجاری گذشته بود و اواسط اسفند ماه بود که تصمیم گرفتم عیدی ها رو بسازم با همفکری بچه های تیم رکامندر، تصمیم گرفتیم یه ست اداری چوبی درست کنم، فکر میکردم خیلی ساده است و کاری نداره ولی کار با تعداد بالا خیلی سخته و حوصله میخواد. حتی چوب رو از شمال گرفتم که همین اولین اشتباهم بود، چوب هم خام بود هم خیس. که نیاز به رنده و گندگی داشت و هم باید خشک میشد. پیدا کردن کارگاهی که برام چوب رو رنده کنه خودش یه داستان طولانیه. خلاصه همه چوب ها رو برش زدم، قطعات ۸ در ۸ سانت و بعد برش‌های شیب‌دار برای استند موبایل رو با اره زدم، و بعد جا کارتی وقتی نوبت برش گرد شد دستگاه دریل خراب بود و یه روزطول کشید تا دستگاه درست بشه، همه این چوب ها باید سنباده میشد و بعد شاپان میزدم و بعد سیلر و دوباره سنباده و بعد کیلر. برای اینکه به کارها سرعت بدم یه سنباده زن برقی خریدم که تو خونه هم کار کنم. یه هفته مداوم روزی ۸ ساعت طول کشید تا همش تموم شه و برای لیزر هم حتما باید لیزر co2 که چوب رو میسوزنه استفاده میکردیم.

در نهایت این عکسی که می بینید نمونه نهایی کار است.

کار کردن با چوب حس خیلی خوبی بهم میده و تمام مدتی که با چوب کار میکنم ذهنم از همه چی خالی میشه، هیچ فکری دیگه‌ای جز تجسم اینکه کار در نهایت چه شکلی میشه تو ذهنم نیست. اگر شما هم به کار نجاری علاقه دارید، خوشحال میشم نظرتون رو درباره کار با چوب بدونم. ویدیو مراحل ساخت رو می تونید در کانال آپارات رکامندر مشاهده کنید.

نوشته شده توسط سحر پاک سرشت

معرفی برخی اندپوینت‌های کامنتوم نسخه ۱.۴

طی دو هفته گذشته فیدبک‌های بسیاری از دوستانی که اندپوینت‌های جدید کامنتوم رو ارزیابی کرده بودن دریافت کردیم. دوست داشتیم به سرعت با نیازمندی‌هایی که از دوستان گرفته بودیم هماهنگ بشیم. در نهایت سرویس با API‌ای که کمی تغییر پیدا کرده بود، مجددا در اختیار دوستان قرار گرفت تا سرویس رو ارزیابی کنن.

برای آشنایی با اندپوینت‌های جدید کامنتوم می‌تونید کلیپ‌های زیر رو دنبال کنید:
قسمت اول

قسمت دوم

قسمت سوم

قسمت چهارم

قسمت پنجم

بزودی اندپوینت‌های جذاب دیگری رو هم معرفی می‌کنیم. برای آزمایش سرویس کافیه یک ایمیل برامون بفرستین. نظارت و پیشنهاد‌هاتون رو هم لطفا برامون کامنت کنید یا با ایمیل بفرستین.

افزایش سازگاری با انترپرایز‌ها

معماری آخرین نسخه‌های سرویس ما و ترکیب اجزای آن طی ماه‌های اخیر متاثر از ارائه خدمت به بزرگترین دات‌کام‌های وطنی‌ست. در این پست به طور خلاصه به پیشرفت‌های اخیر خدمات recommender.ir که با نسخه ۳.۵ برای کسب‌و‌کار‌های انترپرایز ارائه می‌شود اشاره می‌کنیم.

 

۱. تضمین کیفیت خروجی محاسبات

یکی از چالش‌هایی که در برخی کسب‌و‌کارهای آنلاین تجربه می‌کردیم، کیفیت متغیر خروجی اندپوینت‌ها بود. در مواردی که دیتای کمی از رفتار کاربران جمع‌آوری شده بود احتمال نمایش آیتم‌هایی با میزان انطباق کمتر نیز وجود داشت. برای غلبه بر این چالش در مشتری‌های کلاس انترپرایز از لایه‌ثانویه‌ای برای پردازش خروجی خدمات و یک غربالگری بر اساس میزان دقت بهره می‌بریم. مقدار کمینه دقت توسط کسب‌و‌کار تعیین می‌شود.

 

 

۲. افزایش بهبود زمان پاسخگویی

تا قبل از نسخه ۳.۵ میزان زمان پاسخگویی (RT) که با مشتری متعهد می‌شدیم 100 میلی‌ثانیه بود. این میزان برای اغلب کسب‌و‌کار‌های آنلاین کفایت می‌کند. در نسخه ۳.۵ زمان پاسخگویی تا 30 میلی‌ثانیه کاهش یافته‌است. این عدد یکی از بند‌های SLA  ماست (‌در صورتی که مشتری از این آپشن بهره بگیرد).

 

۳. پیکربندی اقتصادی

یکی دیگر از بهبود‌هایی که در نسخه ۳.۵ به کسب‌و‌کارهای بزرگ ارائه می‌کنیم، امکان بهره‌گیری از پیکربندی اقتصادی (Economic) است. در این پیکربندی به کسب‌و‌کارهایی با ابعاد هر ساعت یک میلیون فراخوانی روی سرور‌هایی کوچک خدمات بلادرنگ شخصی‌سازی ارائه می‌کنیم. این میزان فراخوانی معادل چهارصد هزار بازدیدی در ساعت است. فرکانس به روز‌آوری داده‌ها در این مدل کمتر است. این مدل نیز از مقیاس‌پذیری خطی برخوردار است.

 

۴. کاهش لود سمت سرور‌های مشتری

این بهبود را در نسخه ۳.۴ تجربه کردیم. ولی به واسطه نزدیکی به خدمات انترپرایز نسخه ۳.۵، اینجا مجددا معرفی می‌شود. به کمک خدمات محتوا از این پس قادر هستیم برای نمایش فهرست آیتم‌های هر اندپوینت، تمامی محتوا را مستقیما به بروزر کاربر بفرستیم. لذا در سمت دیتابیس و وب‌سرور‌های مشتری هیچ لود اضافه بر سازمانی وجود نخواهد داشت.

 

۵. خدمات سفارشی

 

برای هر مشتری اندپوینت‌های ویژه و سفارشی طراحی و پیاده‌سازی‌ می‌کنیم. برای مثال ممکن است دو مشتری در حوزه‌ای یکسان مشغول به فعالیت باشند و هر کدام به تناسب رویکرد خود به کسب‌وکارشان از سرویس‌های سفارشی که برایشان طراحی و اجرا کرده‌ایم بهره ببرند.

بهبود راندمان تبلیغات کلیکی و کنترل کیفیت کامنت‌ها

در گذشته سرویس پردازش متن و تحلیل احساسات، کامنتوم را معرفی کرده بودیم. برای آشنایی با کامنتوم می‌توانید به این پست و این پست نگاهی بندازین.

در اینجا چند قابلیت جدید استک رکامندر رو معرفی می‌کنیم. سرویسی که به آژانس‌های تبلیغات آنلاین کمک می‌کنه از میزان انطباق محتوا و بنر‌ها اطمینان حاصل کنن. قصد نداریم به مارکت پر تلاطم تبلیغات آنلاین وارد بشیم. ولی بسیار علاقمندیم به آژانس‌های آنلاین کمک کنیم تجربه بهتری به کابران‌ هدیه کنند. دوست داریم کابران فارسی زبان همواره بنر‌هایی مرتبط با محتوا و متناسب با سلیقه‌شون رو در حاشیه پست‌ها مشاهده کنند. اسم این سرویس مکمل رو گذاشتیم AdAPI تا برای اهالی مارکتینگ و AdTech آشنا هدف سرویس رو تداعی کنه. هنوز سایت نداره. در واقع AdAPI یک پکیج از خدمات recommender.ir است که با هدف بهره‌گیری از تخصص و تجربه تیم ما در حوزه هوش‌مصنوعی و بیگ‌دیتا برای خدمت دهی به آژانس‌های مارکتینگ آماده شده. کمک می‌کنیم میزان انطباق بنر و پست افزایش پیدا کنه.

AdAPI هم مثل کامنتوم و دیگر خدمات استک recommender.ir بلادرنگ (real-time) کار می‌کنه. یعنی از وقتی یک بنر یا پستی رو برای پردازش بهش بدین (فراخوانی سرویس) تا زمانی که نتایج  در اختیار شما قرار می‌گیره تنها چند میلی‌ ثانیه زمان سپری می‌شه. پس می‌تونید با خیال راحت API ما رو به ازای هر بار که صفحه‌ای رو برای کاربری رندر می‌کنید، صدا کنید. سرویس ما به شما اطمینان می‌ده که کاربران شما تنها پست‌ها و بنر‌هایی مرتبط با پرسش و سلیقه کاربر رو مشاهده می‌کنن. این یعنی افزایش ماندگاری کاربر. در درازمدت به وفاداری تبدیل می‌شه. فناوری ما در خدمت افزایش راندمان کسب‌و‌کار شماست.

 

Swagger

اولین خبر خوب برای برنامه‌نویس‌هاست. می‌تونید API کامنتوم و اداپی رو توسط سواگر کشف کنید. تصاویر زیر گویا هستند. حتی برای آزمایش سرویس می‌تونید از این مستندات آنلاین استفاده کنید:

 

 

 

 

خبر خوب دیگه دقت محاسباتی بالا و قابلیت انطباق با زمینه (کانتکست) انواع کسب‌و‌کاره. کامنتوم هسته محاسباتی اداپی رو تشکیل می‌ده. پس شما می‌تونید AdAPI رو برای پردازش بنر‌ها و کامنت‌های کسب‌و‌کارهای گوناگون به کار بگیرین.

 

ارزش آفرینی

مهمترین ارزش‌هایی که این خدمات برای بیزینس‌های آنلاین فراهم می‌کنن عبارتند از:

  • محاسبه میزان همبستگی بنر/پست/کامنت با پست‌های دیگر
  • محاسبه میزان انطباق بنر/پست/کامنت با سلیقه کاربر (‌ در اینتگرشن با recommender.ir )
  • محاسبه میزان انطباق پرسش کاربر با بنر/پست/کامنت و هر گونه محتوای متنی
  • مرتب سازی انبوه بنر/کامنت/پست‌ها برای نمایش در حاشیه یک پست یا خبر معین
  • مرتب سازی انبوه پست‌ها برای میزبانی نمایش بنر‌ها و پست‌های دیگر
  • محاسبه میزان مثبت یا منفی بودن کامنت‌های کاربران
  • استخراج خودکار تگ‌ها

 

به مثال زیر توجه کنید. ۱۰ عدد بنر را برای یک محتوای خاص مرتب شده‌اند. سه عدد از بنر‌ها برای نمایش به همراه پست (Native Ad) انطباق بالاتری دارند. فایل نتیجه را از اینجا دانلود کنید.

 

 

همچنین در این مثال میزان همبستگی کامنت‌هایی با یک پست فرضی سنجیده شده است. اصل فایل را از اینجا دریافت کنید:

 

کاربرد‌ها

  • افزایش دقت نمایش تبلیغات کلیکی و Native Ad
  • افزایش کنترل بر حجم انبوه کامنت‌های دریافتی از کاربران
  • بهبود رویه‌های جستجو (سمانتیک)
  • افزایش دقت پیشنهاد‌های ارائه شده به کاربران
  • بهبود نرخ تبدیل
  • افزایش ماندگاری کاربر به واسطه هماهنگی بالای تمام اجزایی محتوایی که به کاربر نمایش داده می‌شوند

 

برای کسب اطلاعات بیشتر با ما مکاتبه کنید.

یکپارچه‌ سازی پرسونای کاربر

با فراگیر شدن گوشی‌های هوشمند، تبلت‌، تلوزیون‌های هوشمند و متعدد شدن تجهیزات دیجیتال، کاربر از وسایل متعددی برای بهره‌برداری از سایت‌ها و اپلیکیشن‌ها بهره می‌گیرد. هر کاربر در طول زمان‌ها و شرایط گوناگون از این وسایل بهره می‌برد. برخی از این تجهیزات را حین استفاده از وسایل نقلیه استفاده می‌کند( مثلا در مترو). برخی را در زمان‌هایی که در کنار خانواده یا مشغول به کار یا استراحت است (برای مثال کامپیوتر رومیزی).

 

 

یک امکان جدید در سرویس‌های recommender.ir توسعه یافته‌ است که به شما امکان می‌دهد رفتار کاربران خود که از طریق دستگاه‌های گوناگون یا بروزر‌های گوناگون به سایت شما آمده‌اند را به صورت یکپارچه گردآوری نموده و بر اساس آن کاربر را راهنمایی کنید.

تصویر زیر به توصیف این قابلیت می‌پردازد. رفتار کاربری که به صورت پراکنده از طریق دستگاه‌های گوناگون به سایت/اپ شما آمده است، به صورت یکپارچه و مجتمع پردازش می‌شود. این قابلیت دقت پیشنهادات را به نحو چشمگیری بهبود می‌بخشد:

 

کاربرد‌های این فیچر عبارتند از:

  • کاربری که دستگاه خود را تغییر می‌دهد، می‌فروشد یا گم می‌کند
  • کاربری که از دستگاه‌های متعدد (کار، خانه، تلفن‌همراه …)‌ استفاده می‌کند
  • کاربری که از ترکیب تجهیزات شخصی مانند نوتبوک، و تجهیزات جمعی مانند کامپیوتر دسکتاپ استفاده می‌کند

 

از سوی دیگر کاربر به واسطه درک جامع سایت‌/‌اپلیکیشن از رفتار وی، به خدمات شما بیش از پیش اعتماد می‌کند. از جمله مزایای بهره‌گیری این قابلیت recommender.ir عبارتند از:

  • افزایش سطح وفاداری کاربر با واکنش هوشمندانه به تعامل وی با سیستم
  • افزایش نرخ تبدیل (کاربر به مشتری) به واسطه در نظر گرفتن نیازمندی‌های موردی کاربر
  • تحکیم بخشیدن رابطه کاربر با اپلیکیشن‌/‌سایت‌ شما به واسطه درک درست و جامع از رفتار کاربر

دقت این فیچر در خدمات یکی از مشتریان محک زده شده و پیشنهاد به کاربرانی که سلیقه آن‌ها از روی ماشین‌های متعدد جمع‌آوری می‌شود نرخ تبدیل بالاتری تولید می‌کنند.

پیش‌بینی کنید و سودآور باشید

در کسب‌و‌کار‌های امروزی، میزان سودآوری تابعی از توان پیش‌بینی‌ست. کسب‌وکار‌هایی که قادر به تحلیل سریع دامنه وسیعی از داده‌های کسب‌و‌کار و کاربران هستند، سریعتر و موثرتر تصمیم‌گیری می‌کنند. بخش اعظمی از کسب‌و‌کار‌های آنلاین در تمام ساعات شبانه روز بی‌وقفه به کاربران سرویس‌ می‌دهد. سایت/اپلیکیشن در تمام این زمان‌ها باید بتواند بر اساس تجربه‌ای که از تعامل کاربران بدست می‌آورد، بصورت پیوسته قدم‌های بعدی را حتی‌الامکان پیش‌بینی کند. این پیش‌بینی‌ها در خدمت ارائه تجربه‌ای متعالی به کاربران است. پیش‌بینی‌هایی که در نهایت به افزایش میزان سودآوری کسب‌و‌کار منتهی می‌شوند.

ارائه تخمین و پیش‌بینی بر اساس دیتای گردآوری شده از رفتار کاربران یکی از مهمترین کارکرد‌های سرویس‌های recommender.ir است. با استفاده از خدمات ما طیف متنوعی از پیش‌بینی و تحلیل‌های پیش‌بینانه توسط API خدمات ما در اختیار سایت‌ها و اپلیکیشن‌های شما قرار می‌گیرد.

خدمات زیر را تا نسخه ۳.۳ معرفی کرده بودیم:

پیش‌بینی آیتم‌هایی که کاربر به آنها علاقمند است‌ (هنوز ندیده است)

شناسایی و پیش‌بینی محبوب‌ترین آیتم‌های

پیش‌بینی پروفایل کاربر ناشناس

پیش‌بینی بهترین زمان برای ارسال خبرنامه/پوش‌نوتیفیکیشن

پیش‌بینی فهرست کاربرانی که برای محصولی خاص، مشتری بالقوه (Lead User) هستند

 

و اکنون می خواهیم اندپوینتی جدید که در خدمت پیش‌بینی فراز و نشیب تعامل کاربران در کسب‌و‌کار شماست را معرفی کنیم: پیش‌بینی میزان تقاضا/مصرف

 

پیش‌بینی میزان تقاضا/مصرف

اگر داده‌هایی از سفارشات و میزان تعامل کاربران با سایت‌ها/اپلیکیشن/کسب‌و‌کار خود دارید، از این پس می‌توانید میزان تقاضا/سفارش محصول را برای روز‌های آینده، پیش بینی کنید.

در توسعه این خدمت جدید از آخرین فناوری موجود در یادگیری‌ماشین (حوزه تحلیل و پیش‌بینی) بهره برده‌ایم. این خدمت به کمک داده‌هایی که از تعامل و میزان سفارشات کاربران خود ارائع می‌کنید، به صورت انفرادی یا گروهی به ارائه پیش‌بینی‌هایی بسیار دقیق بر میزان تقاضا/مصرف می‌پردازد.

در مثال زیر داده‌هایی از تعامل ۱۰۰ روز از کاربرانی که مصرف کننده کالایی خاص بوده‌اند برای یادگیری به سرویس ارائه شده است. خروجی سرویس پیش‌بینی برای ۴۵ روز آینده را نمایش می‌دهد:

 

با توجه تجربیات طولانی تیم recommender.ir در این حوزه، و بهره‌گیری از فناوری‌های نوین، به شما اطمینان می‌دهیم دقت بالای پیش‌بینی‌های خدمات ما، به افزایش سطح بینش کسب‌و‌کار شما، و همچنین بهبود محسوس تجربه‌ و رضایت کاربران منتهی می‌شود.

با نسخه ۳.۳ خدمات رکامندر آشنا شوید

نسخه ۳.۳ سرویس‌های ابری recommender.ir مدتی‌ست که آماده شده.

بهبود‌های این نسخه هم مانند نسخه‌های قبل بر اساس پاسخگویی به نیاز‌های واقعی بهترین کسب‌و‌کار‌های آنلاین ایرانی شکل گرفته. پس یقین داریم در کسب‌و‌کار خوب شما هم می‌تونه بسیار ارزش‌آفرینی کنه.

واقعیت اینه که این نسخه مدتی قبل آماده شده بود. فرصت نمی‌کردیم داکیومنت‌ها رو به روز کنیم. حجم تغییراتی که روی سرویس اعمال شد بیشتر از همیشه است.

یکی از بهبود‌های چشمگیر نسخه ۳.۳ شناسایی مشتریان بالقوه است که قبلا در وبلاگ معرفی کردیم.

پس از آن، مهمترین بهبودی که حاصل کردیم کاهش تعداد اندپوینت‌ها از ۱۱۰ عدد کمتر از ۱۰ اندپوینت بود! در واقع ۱۰۰ اندپوینت از لایه خارجی API به لایه‌های درونی مهاجرت کرد. این یعنی کار ۱۰ برابر ساده‌تر شده. در طول سال‌های گذشته برای پاسخ‌گویی به نیاز‌های مشتریان اندپوینت‌های متعددی توسعه داده بودیم. تعدد بسیار این اندپوینت‌ها برای خود ما هم گاهی مشکل ساز بود.

فرآیند ارائه و آموزش سرویس‌ها کند شده بود. مشتریان برای استفاده از سرویس باید زمان بیشتری می‌گذاشتند…

بسیاری از اندپوینت‌ها در واقع نسخه‌های سفارشی شده‌ای بود که دوست داشتیم روی کسب‌و‌کارهای دیگه هم ارزش آفرینی کنه.

در همین اثنا که درگیر افزودن اندپوینت‌های جدید بودیم، فیچری جذاب در تعامل با مشتری شکل گرفت.

در API Gateway سرویس به پیاده‌سازی یک لایه جدید مشغول شدیم. لایه‌ای که اجازه می‌ده چهره بیرونی سرویس بدون تغییر باقی بمونه و  بهبود‌ها به صورت پیوسته در لایه‌های زیرین ادامه پیدا کنه.

در نسخه ۳.۳ فرایند استفاده از سرویس در دو قدم اصلی خلاصه شده:

  1. ارسال داده توسط اندپوینت ingest
  2. نمایش خروجی توسط صدا زدن کامپوننت‌های پویا (۸ عدد)

صدا زدن تعداد کمی اندپوینت که اتفاقا سیگنچر‌های مشابه دارند بسیار ساده است. آشنایی با سرویس طی چند دقیقه صورت می‌گیره. دیگه نیازی نیست با صد‌ها اندپوینت سرویس ما آشنا بشید. اصلا نیازی نیست از وجودشون با خبر باشین. این وظیفه API Gateway سرویس ماست که بهترین خروجی‌ها رو هوشمندانه تولید کنه.

در واقع لایه بیرونی API که در دسترس مشتری‌ست از نظر تعداد اندپوینت‌ها حداقلی‌ست. این درحالیست که لایه زیرین API حداکثری و متنوع طراحی شده. اینطوری زمان و هزینه مورد نظر برای آموزش کارکرد‌های سیستم به حداقل کاهش پیدا کرده. با هوشمند شدن API Gateway حالا کاربرا با موجودی ساده و کم دستور سر و کار دارن. موجودی که می‌دونه در زمان اجرا چه اندپوینت‌هایی از ریزسرویس‌های لایه زیرین رو باید فراخوانی کنه.

بهبود‌های دیگری هم داریم که در  آشنایی سریع معرفی کردیم. پیشنهاد می‌کنیم مطالعه کنید. ایده‌ها و نظراتتون رو با ما در میان بذارین.

شناسایی مشتریان بالقوه (Lead) برای محصول/محتوا

طی چند ماه گذشته پیرو همکاری تنگاتنگ با چند ایکامرس درجه یک داخلی، و پاسخگویی به نیاز‌های متعالی آن عزیزان، و همچنین بهرمندی از دانش و تخصص مشاورین، سرویس‌ها و تیم recommender.ir پیشرفت‌هایی سریع و هدفمند را تجربه کرد.

یکی از مهمترین بهبود‌های حاصل آمده، توسعه سرویس جدیدی برای شناسایی مشتریان بالقوه (Lead-Users) است.

این خدمت به کمک محاسبات بلادرنگ و الگوریتم‌های یادگیری‌ماشین، مشتریان بالقوه را از بین هزاران مشتری سایت‌های شما شناسایی و معرفی می‌کند.

با توجه به استفاده گسترده از الگوریتم‌های تحلیل‌های پیش‌بینانه، این خدمت جدید قادر است کاربرانی که هنوز از وجود محصولی اطلاع ندارند، ولی با احتمال بالا به آن محصول بسیار علاقمند هستند، از بین خیل عظیم کاربران آنلاین شناسایی کند. سرویس‌های قبلی ما قادر به شناسایی کاربرانی بود که محصول/محتوایی را بسیار پسندیده‌اند ولی هنوز خریداری نکرده‌اند. (بدون بررسی لایک و …)

همچنین به کمک دیگر سرویس‌های استک recommender.ir قادر به لحاظ کردن سبک شخصی استفاده کاربر از سایت شما، و پیش بینی بهترین زمان برای ارسال نوتیفیکیشن، خبرنامه و … خواهید بود.

سناریوی کاربرد

فرض کنید محصولی با نام اختصاری ix2946 را به تازگی وارد چرخه عرضه و فروش کرده‌اید. حال می‌خواهید از بین تمام کاربران کسب‌و‌کار خود، تنها به آنان که هنوز این محصول را ندیده‌اند ولی به آن بسیار علاقمند هستند، اطلاع رسانی کنید (پیش‌بینی). در این صورت کافیست اندپوینت leadDetector سرویس ما را فراخوانی کنید تا در کسری از ثانیه فهرست کاربران را دریافت کنید. حتی می‌توانید این فهرست را برای کمپینی که در ۷۲ ساعت آینده برگزار خواهید کرد، تنظیم کنید. هنگام فراخوانی می‌توانید سطح نسبی دقت و همچنین زمان پیش بینانه اطلاع رسانی را نیز به سرویس اعلام کنید.

تصویر زیر نمونه‌ای از فراخوانی را نمایش می‌دهد:

این اندپوینت توسط یکی از مشتریان ما آزموده شده است و از دقت مطلوب برخوردار است.

مزایا

  • تبدیل راحت و سریعتر مشتریان بالقوه به مشتری بالفعل
  • افزایش سهم از بازار با اطلاع رسانی صحیح
  • کاهش نارضایتی از ارسال پیام‌های بی‌مورد و اشتباه
  • تخمین دقیق میزان نیاز بازار بر اساس اقبال کاربران
  • کشف پتانسیل‌های موجود در میزان تقاضا نسبت به محصول/محتوا

10 نکته شگفت انگیز در مورد شخصی سازی

شخصی‌سازی روشی پویا برای ارائه تجربه‌ای اختصاصی به هر کاربر است. در این نوشته ده نکته جالب در رابطه با شخصی سازی را جمع آوری کرده‌ایم:

  1. احتمال خرید بیشتر: 61% از خریداران نسبت به شرکتی که محتوا را شخصی سازی می‌کند حس بهتری دارند و احتمال خرید برای آنها بالاتر است. برگرفته از: demand metric study
  2. Open rate بالاتر برای خبرنامه: ایمیل های اختصاصی برای هر کاربر با آیتم های مورد علاقه او احتمال باز شدن ایمیل را 14 درصد و احتمال مراجعه به سایت شما را 10 درصد افزایش می‌دهد.
  3. سبد خرید بزرگتر: 40 درصد خریداران تعداد محصولات بیشتری را در سایت های شخصی‌سازی شده نسبت به سایت های معمولی در سبد خرید خود قرار می‌دهند.
  4. درآمد بیشتر: طبق گزارش Venture beat سایت آمازون 35% از سفارش های خود را به واسطه سیستم پیشنهادگر سایت دریافت می کند.
  5. تاثیر بیشتر: اگر دوست شما با توجه به شناختی که از شما دارد یک محصول را پیشنهاد دهد احتمال خرید 50 برابر می شود. همین حالت نیز برای سیستم های پیشنهادگر هوشمند وجود دارد.
  6. مرتبط بودن: 74% خریداران آنلاین حس بدی پیدا می کنند وقتی محتوای سایت (تبلیغات، حراجی و  پیشنهادها) ربطی به علایق آنها ندارد.
  7. شخصی سازی لحظه ای: 60% خرده فروشان اعتقاد دارند که شخصی سازی غیرهوشمند فعالیت طاقت فرسایی هست و 77% آنها اعتقاد دارند که شخصی سازی لحظه ای حیاتی است.
  8. مهترین چالش های شخصی سازی: شناخت سریع کاربر و داشتن اطلاعات کافی و درست درباره‌ی او مهترین موارد برای شخصی سازی است.
  9. خدمات بهتر: 57% کاربران مشکلی با جمع آوری اطلاعات شخصیشان در یک وب سایت ندارند تا وقتی که این اطلاعات برای خدمات بهتر و مسئولانه استفاده شود.
  10. تعداد سفارش بیشتر: فروشگاه‌هایی که در حال حاضر از شخصی‌سازی محتوا استفاده می‌کنند به طور متوسط 19% سفارش‌های بیشتری دریافت می‌کنند.

من آقا سعید نیستم! (تاثیر شخصی سازی در بازاریابی)

چه کسی از اینکه به فروشگاهی قدم بگذارد و شناخته شود و همانند فردی خاص با او رفتار شود لذت نمی‌برد؟

همه ما خوشحال می شویم اگر سوپرمارکت محله برند شیر مورد علاقه ما را بداند یا کسب و کارهای محلی برای روز تولدمان یک هدیه بفرستند. واضح است همیشه از اینکه با ما متمایز برخورد شود حس خوبی پیدا می کنیم و بازاریابی آنلاین هم از این قاعده مستثنی نیست. اگر به آمار و ارقام خدمات شرکت‌هایی که در سالهای گذشته به شخصی‌سازی روی آورده اند قبل و بعد از این موضوع نگاهی بیاندازید امکان ندارد که تحت تاثیر قرار نگیرید.

پنج سال پیش، بیشترین چیزی که در وب سایت ها می توانستید انتظار داشته باشید که باعث شود یک ویزیتور حس مخاطب قرار گرفتن و “ایجاد ارتباط” بکند یک پیام ساده “خوشحالیم که دوباره به این وب سایت سر زدید” بود. اگر شخصی‌سازی پیشرفته‌تری در آن سالها به کار می‌گرفتید که بر اساس اطلاعات ورود و یا کوکی مرورگر کار می‌کرد می توانستید از پیام “آقا سعید، خوشحالیم که دوباره به این وب سایت سر زدید” استفاده کنیم.

البته خیلی مهم هم نیست که شاید شما لیلا خانم هستید و فقط در حال استفاده از کامپیوتر شخصی آقا سعید می‌باشید! با این حال قدم مثبتی بود. امروزه با توجه به مقدار اطلاعات ضمنی و صریحی که از یک خریدار به بازاریاب ها می‌دهد فرصت های بسیار جالبی برای شخصی سازی در اختیار آنها قرار می‌دهد.

به طور خاص در تجارت الکترونیک، شخصی‌سازی فقط به یک پیام خوش آمد محدود نشده و به پیشنهاد محصول منجر شده است: “اگر از این محصول خوشتان می آید، پس این محصولات را هم مشاهده کنید”. صنایع دیگر هم، مثل برند C-spire از داده کاوی اجتماعی برای شناختن عادات خواندن کاربران استفاده می کند تا محتوایی را در سایت نمایش دهد که کاربر زمان بیشتری را در سایت بگذراند.

شخصی سازی در c-spire

در حالی که دنیا به سمت “اینترنت اشیا” می رود، تولیدکنندگان و توسعه دهندگان روش های مبتکرانه‌ای برای تجربه کاربری شخصی تر در یک سرویس یا محصول به کار می گیرند. 60 درصد کاربران ترجیح می‌دهند که یک فروشگاه آنلاین اطلاعات تماس و خرید آنها را ذخیره کند. تعداد بسیاری از خریداران تجارت های الکترونیکی می‌خواهند که وقتی اطلاعات شخصی آنها در سایت وارد می‌شود سرویسی شخصی دریافت کنند که متناسب با علایق آنها باشد.

بازاریابان چه کارهایی انجام نمی دهند؟

تعداد بسیاری از بازاریابان به طور کامل از مزایای شخصی سازی اطلاع دارند. آنها کاملا می‌دانند که شخصی سازی وب سایت یا در حالت کلی تر هر مدل شخصی‌سازی در بازاریابی باعث برندینگ تاثیرگذار در کاربر می‌شود.

طبق تحقیق Econsultancy ، هفتاد و چهار درصد بازاریاب‌ها می‌دانند شخصی‌سازی کیفیت تعامل با مشتری را تغییر می دهد. جالب است بدانید بر اساس همین تحقیق فقط 19 درصد این بازاریاب‌ها از شخصی‌سازی در کار خود استفاده می‌کنند.

شخصی‌سازی نرخ تبدیل را افزایش می دهد!

شخصی‌سازی آشکارا نرخ تبدیل را افزایش می دهد. مثلا Co-operative Travel بعد از اجرای شخصی‌سازی در وب سایت خود در سال 2011، افزایش 95 درصدی در ویزیتورها و افزایش 217 درصدی در درآمد را مشاهده کرد.

به طور مشابه، در شرکت BMW، شخصی سازی MMS برای 1200 مشتری در آمریکا افزایش 500 هزار دلاری و افزایش 30 درصدی نرخ تبدیل را در پی داشت.

شخصی سازی در BMW

(تصویر نمایشی است)

 

شخصی سازی وفاداری خریدار را افزایش می دهد!

افزایش نرخ تبدیل کاربر به خریدار یک روی سکه است و نگهداری و افزایش وفاداری خریدار هم روی دیگر سکه شخصی‌سازی است. تحقیق Econsultancy نشان می‌دهد که در برنامه های که بعد از اولین خرید اجرا می شود ارائه پیشنهادات اختصاصی برای هر کاربر مهمترین فاکتور برای خرید دوباره است.

جالب است بدانید که وفادرسازی کاربر بر پایه ارتباط و انس با برند ساخته می شود. دو فاکتوری که شخصی سازی ابزار آنهاست و بر آنها تاثیر می گذارد.

شخصی سازی بازاریابی شما را سودمند می کند!

امروزه محتوا، محصولات و سرویس های بسیاری وجود دارند. با ایجاد یک تجربه شخصی سازی شده، به ویژه مدلی که بیشتر پیش بینی کننده باشد تا واکنش دهنده، برندها فرصت پیدا می کنند تا در این دنیای شلوغ و پر از انتخاب بتوانند محصول خود را ارائه دهند.

 

امیر حسین عرب‌زاده

اردیبهشت ۱۳۹۶