تعالی تجربه کاربر

بدون شک در کسب‌و‌کارهای آنلاین، آنهایی که بر تعالی تجربه کاربر تمرکز دارن، محبوبیت و سود‌آوری را با هم درآغوش می‌کشند. ما در توسعه راه‌حل recommender.ir همواره سعی بر کمک کردن به چنین کسب‌و‌کارهایی داشته و داریم. سعی داریم بهشون کمک کنیم با کمک فناوری ما، تجربه بهتری به کاربراشون هدیه کنن.

چالشهایی که راه‌حل recommender.ir مرتفع می‌کند در اسلاید زیر به زبان بسیار ساده و خودمانی توصیف شده است.

لطفا این اسلاید را ببینید. مشتاقیم از ایده‌های شما برای پیشرفت کار کمک بگیریم. با ما در تماس باشید.

 

Screen Shot 2016-02-16 at 1.58.38 PM

سرزمین دیجیتال خود را گسترش دهید

بدون شک تمامی آنچه کاربر به دنبال آن است ممکن است توسط سایت شما تامین نشود. فرض کنید یک فروشگاه آنلاین دارین. کاربر به دنبال خرید یک کتاب صوتی یا تراک موسیقی به سایت شما آمده است. سایت شما فاقد این آیتم است. آیا اجازه می‌دهید کاربر از سایت شما خارج شده و به سایت رقیب برود؟

برای این مشکل راه‌حلی هوشمندانه طراحی و اجرا کرده‌ایم. هم اکنون می‌توانیم کاربران را فراسایت راهنمایی کنیم. اگر سایت شما آیتمی را ندارد، و سایت دوست این آیتم را ارائه می‌کند،‌ recommender.ir کاربر را به صفحه آیتم در سایت دوست و همکار تجاری شما راهنمایی می‌کند. در واقعی علاوه بر آنچه در سایت موجود دارید‌ از آیتم‌های سایت‌های دوست و همکار نیز برای راهنمایی کاربر استفاده می‌کنیم. مجموع رفتاری که از کاربر در هر دو (چند) سایت جمع‌ آوری می‌شود، پس از تحلیل برای راهنمایی کاربر در هر دو سایت استفاده می‌شود.

leverage 1.3

تعداد سایت‌هایی که در این معماری می‌توانند در تبادل هوش و دانش شرکت کنند، محدودیت ندارد. لذا می‌توانید سرزمین دیجیتال تحت کنترل خود را به کمک هوشمندی recommender.ir گسترش دهید.

برای مثلا کاربری که بر روی سایت ۱ به دنبال آیتمی آمده است، احتمالا به آیتمی در سایت ۲ نیز علاقمندی زیادی دارد. تصویر شماتیک زیر را ببینید(روی تصویر کلیک کنید):

UsersSitesIntegrationسایت‌های شما و سایت‌های شرکای تجاری شما، از این پس قادرند از پیشنهاد‌های فراسایتی recommender.ir  نیز بهره جویند. تمامی آنچه از فعالیت های کاربر در سایتهای شما و شرکای تجاری شما از سلیقه کاربر جمع ‌آوری می‌شود، در راه خرسند سازی کاربران شما بکار گرفته می‌شود. بدین ترتیب قادر هستید شبکه‌‌ای از سایت‌های متصل به  recommender.ir را به صورت یکپارچه هوشمند سازید.

مزایای یکپارچه سازی recommender.ir در سایت‌های شما به شرح زیر است:

  • افزایش بهره‌وری سایت‌شما و سایت‌های شرکای تجاری
  • افزایش کنترل هوشمند بر جابجایی کاربران
  • کاهش ریسک مهاجرت کاربران به سایت‌های رقیب
  • افزایش رضایت کاربر که به وفاداری و سودآوری منتهی می‌شود
  • افزاش هوشمندی سایت در ارائه پیشنهاد
  • امکان خوشه‌بندی کاربران به صورت فرا‌سایت
  • ارسال ایمیل‌های شخصی‌سازی شده حاوی مطالبی از چند کسب‌و‌کار
  • امکان خوشه‌بندی آیتم‌ها به صورت فراسایت
  • کشف میزان‌شباهت کاربران در علاقمندی فراسایت
  • ایمیل‌مارکتینگ دقیق‌تر بر اساس فعالیت کاربر در سایت‌های همکار
  • بازاریابی‌مجدد هوشمند توسط رصد هوشمند رفتار کاربر در سایت‌های همکار

برای کسب اطلاعات بیشتر با ما مکاتبه کنید: info@recommender.ir

برای کسب آخرین اخبار پیشرفت‌های recommender.ir ما را در توئیتر دنبال کنید:‌ recommender_ir@

 

 

 

 

ترجمه کامنت کاربر به علاقمندی

اواخر سال ۱۳۹۳ به دنبال ایده‌ای برای تحلیل کامنت‌های کاربران پروژه کامنتوم را شروع کردیم. تا فروردین ۱۳۹۴ همه چیز خوب پیش می‌رفت. با آغاز سال ۹۴، بزرگترین و حرفه‌ای ترین ارائه‌کننده محتوا در ایران به استفاده از recommender.ir ‌علاقمند شد. حجم تغییرات و نیاز‌مندی‌های آنها نسبت به recommender.ir، تمام نیروی تیم کوچک مارا به خود تخصیص داد. لذا کامنتوم را به ناچار متوقف کردیم. از ماه گذشته پس از یکسال به پروژه کامنتوم بهای بیشتری دادیم و اولین نسخه‌ آن برای تغذیه recommender.ir آماده شده است.

این نسخه اولیه قادر به تحلیل بلادرنگ کامنت‌‌‌های کاربران و ترجمه آنها به مقادیر قابل اندازه گیری علاقمندی است. این مقادیر به recommender.ir ارسال شده و چتر پوشش تحلیل رفتار کاربر را بیش از پیش گسترده و بر دقت محاسبات می‌افزاید.

همزمان با آغاز پروژه کامنتوم از چند فروشگاه بزرگ اینترنتی درخواست کامنت کردیم، که تنها یک مورد با ما همکاری نمود. بزرگترین فروشگاه اینترنتی ایران، سخاوتمندانه چندین هزار خط کامنت در اختیار ما قرار داد.

ترکیب تحلیل متن کامنت کاربران فارسی زبان با یک راه‌حل پیشنهادهنده، پدیده‌ای نوین در صنعت پردازش داده کشور می باشد. این راه‌حل‌ها قطعاتی از یک پازل بزرگ هستند، که هدفش نزدیک کردن ماشین به کاربران است.

نحوه تحلیل کامنت در راه‌حل ما را در تصویر زیر ببینید(روی تصویر کیلک کنید):

comment_recommendation

شناسایی نیاز‌های کاربر توسط تحلیل کلیک‌ و کامنت‌هایی که از خود بر جای می‌گذارد، و تولید پاسخ‌های بلادرنگ توسط recommender.ir ، کسب‌و‌کار شما را توانمند، هوشمند و سریع‌الانتقال می‌کند.

مزایای این فناوری به شرح زیر است:

  • هر اثری که کاربر بر سایت می‌گذارد تحلیل شده و در سنجش سلیقه وی، لحاظ می‌شود
  • پیشنهاد‌هایی دقیق منطبق با سلیقه وی تولید می‌شود.
  • کمپین‌های ایمیل‌مارکتینگ به صورت سفارشی‌شده(Customized) و شخصی‌شده (Personalized) اجرا می‌گردند.
  • کاربر از هوشمندی سایت خرسند و علاقمند به تکرار این تجربه می‌شود. وی به کسب‌و‌کار هوشمند شما، وفادار می‌شود.
  • سایت تمامی منابع خود را برای خرسند سازی کاربر به کار می‌گیرد. آیتمی از قلم نمی‌افتد.
  • کاربر ساده تر و سریعتر از همیشه به آیتم‌های مورد علاقه‌اش دست می‌یابد.
  • بازاریابی مجدد (Retargeting) با دقت و هوشمندی اجرا می‌گردد.
  • کاربر در سایت، یا ایمیل‌ فقط چیز‌هایی را دریافت می‌کند که علاقمند است.

 

جهت کسب اطلاعات بیشتر با ما مکاتبه کنید :  info@recommender.ir

آخرین پیشرفت‌های recommender.ir ‌ را در توئیتر دنبال کنید:  recommender_ir@

هوشمند سازی ایمیل‌ مارکتینگ

امروزه بازاریابی ایمیلی به یک راهکار موثر برای افزایش فروش و سود‌آوری بدل شده است. حتی به نظر می‌رسد برخی فروشگاه‌های اینترنتی و کسب‌و‌کارهای آنلاین در استفاده از راه‌کارهای ایمیل‌مارتینگ زیاده روی می‌کنند. عدم هوشمندی سامانه‌های ایمیل مارکتینگ، منجر به نارضایتی کاربر و بی توجهی وی به جریان اخبار کسب‌و‌کار شما می‌شود.

messyemails

درحالی که استفاده از ایمیل به عنوان رسانه‌ای برای بازاریابی، یک موضوع جا‌افتاده و قدیمیست، ولی هوشمند‌سازی این فرایند یک فناوری جدید است.

ریز‌هدف‌گذاری‌(Micro-targeting)، بسیار‌شخصی‌سازی(Hyper-personalization)،  بینش فردی(Individual insight) و بازاریابی‌ یک‌به‌یک (One-to-One marketing) از پر مصرف ترین کاربرد‌های داده‌های بزرگ در بازاریابی‌ایمیلی است.

ایمیل‌های شخصی‌سازی شده، ۶ بار بیش از میانگین نرمال، به تراکنش‌های فروش منتهی‌ میشوند.

یکی از آخرین کارکرد‌های recommender.ir تولید فهرستی از آیتم‌هایی است که کاربر از مشاهده آنها در ایمیل خشنود شده و احتمالا اقدام به خرید آنها می‌کند.

recommender.ir با آگاهی که به صورت بلادرنگ و پیوسته از سلیقه و نیاز‌های کاربران بدست می‌آورد، بهترین مرجع برای انتخاب آیتم‌هایی است که در ایمیل‌های بازاریابی برای کاربران و مشتریان ارسال می‌شود.

ارزش‌های پایه که recommender.ir برای کسب‌و‌کار شما به ارمغان می‌آورد عبارتند از:

  • افزایش ضریب تبدیل (Increase conversions)
  • بهبود ماندگاری کاربر (Improve customer retention)
  • پرورش بازاریابی ارجاعی (Foster referral marketing)
  • افزایش طول عمر مفید اشتراک (Extend the lifetime value of subscribes)
  • افزایش بازدهی تلاش‌های مارکتینگ (Increase the ROI for marketing efforts)

ارزش‌های فوق میتوانند مبنای محاسبه آیتم‌هایی باشند که برای کاربران ایمیل می‌شود.

روشی که recommender.ir برای بازاریابی ایمیلی توصیه می‌کند بسیار ساده و کارامد است. recommender.ir  با شناسایی رفتار جمعی کاربران و مقایسه رفتار کاربر و خوشه بندی بلادرنگ به پیش‌بینی رفتار کاربر می‌پردازد. آیتم‌هایی که recommender.ir به عنوان پیشبینی برای هر کاربر محاسبه می‌کند، می‌توانند به صورت ایمیل ارسال به کاربر پیشنهاد شوند.

براساس تحقیقات انجام شده:

  • ۸۰ درصد آمریکایی‌ها خواندن ایمیل‌های پیشنهاد‌شده را سودمند می‌دانند.
  • ۷۱ درصد از آنها دوست دارن بر اساس خرید آنلاینی که انجام داده‌اند، برایشان امیلی‌هایی حاوی پیشنهادی نزدیک به سلیقه‌شان ارسال شود.
  • ۸۲ درصد از مصرف کنندگان معتقدند که اگر ایمیل‌ها به صورت سفارشی و شخصی‌شده برایشان ارسال شود، بیشتر خرید خواهند کرد.
  • ۸۲ درصد گفته‌اند ایمیل‌هایی را که با سلیقه آنها مرتبط است بیشتر دوست دارند.

IntelligenceEmail

تنها راه ارسال ایمیل‌های دقیق، و شخصی شده، استفاده از راه‌کار‌های هوش‌مصنوعی(AI) و یادگیری‌ماشین(ML) است. recommender.ir در این راستا متد‌جدیدی برای معرفی محتوای ایمیل‌شدنی در اختیار کسب‌و‌کار شما قرار می‌دهد. متدهایی که هم اکنون در اختیار دارید نیز، به کمک فرایند ایمیل‌مارکتینگ می‌آید:

  • این آیتم برای کدام گروه سنی و جنسیتی مناسب است؟
  • این آيتم در نظر کدام کابران بسیار دوست داشتنی بوده است؟
  • این کاربر به کدام آیتم‌ها بسیار علاقمند بوده و از این پس به کدام یک علاقمند خواهد بود؟
  • و متد‌های جذاب و کارامد دیگر…

تمامی فرایند به صورت خودکار انجام می‌شود.

targetedmails

در نسخه ۲.۳ متد ویژه‌ای برای ارسال ایمیل‌ به کاربر طراحی و پیاده‌سازی کرده‌ایم.  این متد، بر اساس جنسیت، سن‌ و علایق کاربر، و همچنین نزدیکی جزئيات سلیقه وی با خریداران خشنود، فهرستی سفارشی برای هر کاربر آماده می‌کند. این فهرست حاوی آیتم‌هایی است که میتوانید در ایمیل مارکتینگ با احتمال موفقیت بسیار بالا، مورد استفاده ‌‌قرار دهید. داده‌های این فهرست و ترتیب قرارگیری آیتم‌ها با کوچکترین فعالیت کاربر به روز می‌شوند. در هر لحظه قادرید کاربر را از آنچه دوست داشته و هنوز ندیده است، مطلع سازید. حتی بر روی فاکتور فروش، میتوانید به معرفی این آیتم‌ها بپردازید.

 

فرازهای متن برگرفته از پست زیر است:

http://www.emailvendorselection.com/recommendation-engines-for-email-marketing

اقتصاد API

قبل از اختراع پول، دادوستد کالا به کالا بوده. مثلا یک آهنگر، گاو‌آهنی که ساخته بوده رو در اختیار همسایگان قرار میداده. همسایه‌ها هم در عوض، خدماتی مشابه ارائه می‌کردن یا شاید چند مرغ و خروس هدیه می‌دادن. کارها معطل نمی مونده چون همیشه هر کسی منابعی برای عرضه داشته. یا میتونسته کاری رو عهده دار بشه و خدماتی که گرفته رو جبران کنه. اینطوری یک گاوآهن به چندین مزرعه خدمت می‌کرده و همه میتونستن محصول بهتری برداشت کنن بدون اینکه درگیر ساخت و تعمیر گاوآهن بشن یا مشکلی برای پرداخت پیدا کنن. سرویس‌گرایی و برونسپاری در نهایت خودش بوده.

با اختراع پول، رفته رفته این نوع دادوستد از بین رفته. الان همه چیز با پول کار می‌کنه. انعقاد قرارداد‌ها منوط به جابجایی پول شده. و پول مهمترین چالش استارتاپ‌های نوپا هم هست. استارتاپ‌های کوچک و فرینلنسر‌ها در حالی که دنیایی از استعداد و توانایی دارن، الزاما قادر به پرداخت هزینه‌هاشون نیستند.

توی دنیای مدرن، گوگل، آمازون، لینکدین و بقیه بزرگان از این روش به خوبی استفاده می‌کنن. بهش میگن اقتصاد ‌API یا API Economy. در وضعیت فعلی استارتاپ‌های ایرانی بعضا ‌API  ارائه نمی‌کنن. ولی به هر حال خدماتی رو ارائه می‌کنن که بسیار ارزشمنده و میتونه مورد استفاده و دادوستد قرار بگیره.

ما در recommender.ir تصمیم داریم برای این نوع خدمات پلنی طراحی کنیم. هدفمون حذف چالش پرداخت بهای خدمت برای استارتاپ‌های کوچک است.

ایده این روش رو آقای مهندس مهدی بیک‌پور از موسسین “گودکو” و “انجام‌میدم” مطرح کردند. خوندن مکرر کتاب “باز‌انجام” هم بی تاثیر نبود.

فکر می‌کنیم این مدل دادوستد، مزایای زیادی برای استارتاپ‌های کوچک به همراه داره:

۰. هزینه‌های کنارهم قرار گرفتن اجزای اولیه خدماتی که یک استارتاپ برای تکمیل یا به تعالی رسوندن خدمتش نیاز داره، به شدت کاهش می‌ده.

۱. کمک می‌کنه منابع خودشون رو به مصرف برسونن و تولیدشون بالا میره (Utilize میکنن منابع رو).

۲. خدمات با ارزشی که از استارتاپ‌های دیگه دریافت می‌کنن، بر عمق و کیفیت خدماتی که ارائه میدن اضافه می‌کنه.

۳. هر استارتاپ منابعی داره که الزاما به پول تبدیل نمی‌شن. مثلا گرافیست خوب، تحلیل‌گرداده و … با این مدل این منابع نیز میتونن برای دریافت ما به‌ازای خدمات به کار گرفته بشه.

۴. وقتی من یک واحد سرویسم رو به ۴ استارتاپ بدم، و از هر کدوم اونا یک واحد خدمت دریافت کنم. و اونا هم به همین ترتیب… اونوقت کسب‌و‌کار هر کدوممون از لایه‌های متنوع و بهتری از خدمات بهره‌میبره.

۵. استارتاپ‌ها برای دریافت خدمت، چالش مالی نخواهند داشت. چالش مالی به کارگرفتن یک خدمت را به اضافه شدن یک مشتری تغییر می‌دهند. ریسک به فرصت تبدیل می‌شه.

۶. تعامل استارتاپ‌ها با هم، مولد ایده‌‌های نو پدید آمدن کسب‌وکارهای خلاق جدید می‌شود.

۷. گره خوردن منافع و به اشتراک گذاری منابع، روابط دوستی بین استارتاپ‌ها را تقویت میکنه، و از فضای جزیره‌ای به فضایی یکپارچه و پر از حمایت متقابل بدل می‌کنه.

۸. این روش درحالی که جریان مالی رو به ظاهر کند میکنه، ارزش تک تک استارتاپ‌هایی که در این مشارکت همکاری دارن رو حسابی افزایش میده.

۹. بکارگیری خدمات در جامعه همکار، به شناسایی و رفع زودهنگام نقاط ضعف کمک می‌کنه. محصولات و خدمات سریعتر بالغ می‌شن.

شاید مزایای دیگری هم داره که الان به ذهنم نمی‌رسه.

به محض آماده شدن روش کار و قدم‌های اجرایی اینجا مطرح می‌کنیم.

لطفا در صورتی که علاقمند به دریافت خدمت در ازای خدمت هستید، به ما ایمیل بدین: info@recommender.ir

پایداری و بازیابی از خطا

یکی از مهمترین نیازهایی که کاربران ما مطرح می‌کردند، برخورداری از یک مکانیزم سریع و کامل برای بازیابی از خطا(Disaster Recovery) بود. ما راهکاری در اختیارشون گذاشته بودیم، ولی در نهایت کیفیت مطلوب کاربران رو ارائه نمی‌کرد. مسئله این بود که داده‌هایی که recommender.ir دریافت می‌کنه به صورت سری‌های‌زمانی(Time Series) به سامانه وارد شده و پردازش می‌شن. روشی که برای بازیابی از خطا استفاده ‌می‌کردیم، ارسال مجدد داده‌ها به منظور شبیه‌سازی شرایط بود. این روش ضعف‌هایی عمده داشت:

  1. در هنگام بازیابی، داده‌ها به صورت دسته‌ای(Batch) با سرعت بسیار زیاد به recommender.ir ارسال می‌شد. این منجر به بی اثر شدن فاکتور فراموشی(Forgetfulness) و مسطح شدن بعد زمان می‌شد. گذر زمان فاکتور بسیار مهمی در دقت این سامانه‌هاست. حذف شدن بعد زمان، دقت محاسبات رو کاهش می‌ده.
  2. در بعضی از سایت‌ها نرخ داده‌ورودی به سامانه به اندازه نرخ لود در هنگام بازیابی بود! پس هرگز نمی تونستیم داده‌ها رو حتی از نظر عددی به وضعیت قبل برسونیم.
  3. در یادگیری ماشین (Machine Learning) دقت الگوریتم‌ها رفته رفته بالا میره. بازخوردی(‌Feedback) که از واکنش کاربر‌ها دریافت می‌شه، به صورت جزئیاتی اثر گذار در متغیر‌های زمان اجرا(Run-time) نگهداری‌میشه. پس گرم‌شدن ماشین در دقت نتایج بسیار مهم و اثرگذاره. خاموشی سرویس آخرین وضعیت الگوریتم‌ها و دانش سرویس از داده‌ها رو از بین می‌برد.

مشتری‌هایی که به صورت سازمانی و ابعاد بزرگ از recommender.ir استفاده می‌کردند، بیش از سایت‌های کوچکتر از این مشکلات،‌ آسیب می‌دیدند. با کمال تعجب سرور‌هایی که در دیتاسنتر‌هایی خوب هاست شده بودند، ریست می‌شدند و همه چیز از دست می‌رفت. ما درنهایت قادر بودیم داده‌های آخرین روز‌ها رو از نو به recommender.ir ارسال کنیم که نتیجه چندان مطلوب نبود.

هفته گذشته توسعه مکانیزم جدید پشتیبان‌گیری و بازیابی از خطا به نتیجه رسید. روش جدیدی که برای ذخیره و بازیابی داده‌ها استفاده‌ میکنیم عبارت از ذخیره سازی تصویر(Snapshot) وضعیت(State) اشیا، و پارامتر‌های درونی الگوریتم‌هاست. انگار که نمایش فیلمی رو متوقف(Pause) کنیم، و پس از چند لحظه پخش(Play) فیلم رو ادامه بدیم.

disaster_recovery copy

مزایایی که این فیچر جدید برای کاربران recommender.ir به همراه داره، فراتر از یک مکانیزم بازیابی از خطاست. در روش جدید علاوه بر رفع کردن اشکالات یاد شده، به قابلیت‌های جذاب زیر نیز دست یافتیم:

  1. سرعت تولید اسنپ‌شات، ذخیره سازی و بازیابی اون بسیار بالاست( تقریبا به اندازه پهنای باند ذخیره و بازیابی).
  2. فاکتور فراموشی به خوبی کار می‌‌کنه. گویی سرویس اصلا خاموش نشده.
  3. در بازیابی افزونگی داده نداریم فقط نتایج محاسبات و آخرین نسل‌های سری‌های زمانی رو نگهداری می‌کنیم.
  4. کاربرای recommender.ir می‌توانند در ابتدا با سرور‌های کوچکتر شروع کنند، و در صورت نیاز ماشین را خاموش، و رم آن را ارتقا داده و به کار ادامه بدن.
  5. میشه نتایج محاسبات رو از ماشینی به ماشین دیگه منتقل کرد و کار رو ادامه داد.
  6. میشه در صورت نیاز به منظور تنظیم بار (Load Balancing) و نهایت دستریی (High Availability) نسخه‌های متعدد از یک سرویس تهیه کرد و به کار ادامه داد.
  7. افزایش نسخه‌های سرویس، بدون از دست دادن داده‌ها و آخرین وضعیت سرویس زنده قبلی خواهد بود. ممکنه بخواهید وضعیتی رو در اختیار تیم های مارکتینگ قرار بدین…

 

در آزمایشی که در محیط توسعه (Production) انجام دادیم، بازیابی اطلاعات حاصل از رفتار ۱۰۰۰ کاربر روی ۱۰۰ آیتم، طی ۳ روز، که منجر به تولید یک میلیون ارسال داده بود، تنها طی ۴ ثانیه انجام پذیرفت. ماشین آزمایش از دیسک مکانیکی و پردازشگر ۴ هسته‌ای برخوردار بود. این شامل به خاطر آوردن همه چیز تا لحظه تولید اسنپ‌شات بود. نتایج رضایت بخش است.

از این که recommender.ir را بدون ترس از خرابی سرور‌ها و فراتر از استاندارد‌ها، به کار می‌گیرید بسیار خوشحالیم و به خود می‌بالیم.

یک دقیقه با رکامندر

این کلیپ زیبا و گویا را خانم مهندس سحر پاک‌سرشت در وصف recommender.ir ساختن. ازشون بسیار سپاسگزاریم!

چرا باید از پیشنهاد‌دهنده استفاده کنیم؟

سامانه‌های پیشنهاد دهنده چه هستند و چه می‌کنند؟

رکامندر‌ها ابزارا‌هایی نرم‌افزاری برای کشف سلیقه کاربر و افزایش راندمان کسب‌و‌کار هستند. این فناوری به کاربر کمک می‌کنه دقیقتر و سریعتر تصمیم گیری کنه. چیزایی رو ببینه که دوست داره. انتخاب آسان میشه و به این ترتیب منجر به افزایش سود‌آوری میشن.

 

چه هزینه‌هایی را کاهش می‌دهند و چه ارزش‌هایی می‌آفرینند؟

  1. هزینه جستجو را کاهش می‌دهند. اصولا نیاز به جستجو کم می‌شود. کاربر ساده و آسان هر چرا می‌خواهد پیدا می‌کند. از طرفی خروجی رکامندر  به تصحیح پارامتر‌های جستجو و غنی سازی نتایج کمک می‌کند.
  2. به جای پیشنهاد‌های اتفاقی، به کاربر پیشنهاد‌های دقیق ارائه می‌شود، حتی برای کاربر تازه‌وارد نیز پیشنهاد‌های جذاب تولید می‌شود.
  3. آیتم‌های سایت خوشه بندی و مرتب می‌شوند. برای سایت تولید لیست‌هایی از آیتم‌ها بر اساس میزان شباهت در نظر کاربران، امکان پذیر می‌شود.
  4. کاربر به سرعت به آنچه می‌خواسته می‌رسد. تجربه بهتری کسب می‌کند و به سایت وفادار می‌شود.هر سایت تعداد بسیاری آیتم دارد که احتمالا با سلیقه کاربران نزدیک هستند، ولی سایت به ارائه آنها، نمی پردازد. رکامندر آن آیتم‌ها را نیز شناسایی و در صورت نزدیکی به سلیقه کاربر به وی نمایش می‌دهد. نمودار زیر به آن بخش بزرگی از آیتم‌های سایت که توسط رکامندر‌ها شناسانده می‌شوند، اشاره می‌کند(روی تصویر کلیک کنید):longTail

 

چه میزان سودآور هستند؟

اسکار سلما پیرامون میزان بهره‌وری سامانه‌های رکامندر  مقاله‌ای نوشته است. در این مقاله با محاسبه دقیق به نتایج شگفت آوری اشاره می‌کنه:

در نت‌فلیکس ۷۵ درصد، در اخبار گوگل،‌۳۸ درصد و در آمازون ۳۵ درصد از فروش ناشی از رکامندرهاست

evidences
مزایای ما

چرا باید از recommender.ir استفاده کنید؟

  • رکامندر‌ها برخی پیچیدگی‌های فنی دارند که ما آنها را از سمت شما به سمت خدمت منتقل نموده‌ایم. برای شما همه چیز آماده است.
  • راه اندازی و بکارگیریrecommender.ir بسیار ساده و سریع است.
  • گردش‌داده‌ها بلادرنگ و امن است. اطلاعات کسب‌و‌کار شما محفوظ می‌ماند.
  • به سرور، متخصص لینوکس، دانشمند داده، تحلیل‌گر، مشاور و مهندس نرم‌افزار، نیاز ندارید. همه چیز بر عهده ماست.
  • در مورد جزئیات سلیقه کابر به شما خبر می‌دهد. اینکه کاربر از کدام ویژگی‌آیتم خوشش آمده است بسادگی مشخص می‌شود.
  • جنسیت و سن کاربر(ناشناس) را با تخمینی دقیق محاسبه می‌کند. این به سایت کمک می‌کند بنر‌های تبلیغاتی و دیگر اجزای سایت را متناسب با پروفایل کاربر بچیند.
  • عرضه آیتم‌های ویژه را شتابدهی می‌کند.
  • کاربری را که برای ارائه کد تخفیف(Promotion) مناسب است، شناسایی می‌کند.
  • هزینه بهره گیری کم و ارزشی که به کسب‌و‌کار شما می‌افزاید بسیار زیاد است.
  • به طور مداوم در بهبود و توسعه خدمات و کیفیت کارکر‌‌ خدمت کوشا هستیم.
  • اگر به متدخاصی نیاز داشته باشید برای شما پیاده سازی ‌می‌کنیم.
  • اگر به پارامترهای خاصی نیاز داشته باشید برای شما پیاده سازی می‌کنیم.
  • اگر به رکامندر خاصی نیز نیاز دارید، طراحی و توسعه آن را به تیم با تجربه ما بسپارید.
  • و مزایای دیگر …

 

استفاده از recommender.ir در کسب و کار شما یک سرمایه‌گذاری سودآور و زودبازده است.

 

درتماس باشید!

ما در توئیتر دنبال کنید:  recommender_ir@

برای سفارش خدمت با ما مکاتبه کنید:  info@recommender.ir

از آماده‌سازی تا اجرا

مراحل راه اندازی recommender.ir روی وب سایت شما، ساده و روان است.   recommender.ir واسط برنامه سازی REST در اختیار برنامه ‌نویسان سایت شما قرار ‌می‌دهد. با کمک این واسط برنامه نویسی تمام ‌پیچید‌گی‌ها و ظرايف یک رکامندر هیبرید را از کسب‌و‌کار شما مخفی می‌کند.

برای نمایش نتیجه کار احتمالا بچه‌های ‌UX سایتتون هم باید کمک کنن. چون تمام کاری که recommender.ir می‌کنه بهبود تجربه کاربر است. تجربه ای که منجر به افزایش راندمان سایت می‌شه.

 

مراحل کار در فلوچارت زیر آمده است(روی تصویر کلیک کنید):

 

flowchart

 

پس از آماده شدن سرویس، آدرس آن که شامل آی‌پی و شماره پورت است در اختیار برنامه نویسان سایت‌شما قرار می‌گیرد. کافیست متناسب با میزان تعامل کاربر با آیتم، به فراخوانی متد‌ ‌‌‌ingest  بپردازید. پس از مدت کوتاهی سرویس‌آماده پاسخگویی به پرسش‌های شماست. از این پس تمامی پرسش‌های شما بلادرنگ پاسخ‌ گفته می‌شود.

سناریو‌های استفاده از  recommender.ir را در این پست ببینید.

به کاربر تجربه بهتری هدیه کنیم

اگر مغازه‌داری به مشتری بی توجهی کنه، یا رفتارهاش حاکی از به خاطر نیاوردن مشتری باشه، یا حتی بین یک مشتری قدیمی وفادار با یک تازه‌وارد فرقی نذاره، مشتری برای پیدا کردن یک مغازه دیگه به فکر فرو می‌ره…

اگر مشتری از مغازه دار سوالی بپرسه، انتظار داره مغازه دار چیزی رو که مشتری دوست داره در اختیارش بذاره. مشتریِ خوب، از مغازهِ خوب که صاحبی دانا و باهوش داره خرید می‌کنه. در دنیای مجازی هم این مسئله عینا صدق می‌کنه.

ورود یک کاربر به وب‌سایت، مثل ورود مشتری به مغازه است. کاربر انتظار داره مورد توجه قرار بگیره. این نباید با هیاهو و بازشدن منو‌های پاپ‌آپ و سروصدا باشه. بلکه باید بدون نویز، از هوش و خبرگی سایت خبر بده. بدون سوال و جواب باید مشتری رو به بهترین وجه راهنمایی کنه. مثل یک مغازه دار خبره که اهالی محل رو به خوبی میشناسه و میدونه باید به هرکدومشون چه کالایی ارائه کنه. یک مغازه‌دار به مشتری‌هاش پرسشنامه نمی‌ده، تنها رفتار اونا رو دنبال می‌کنه و کم کم دستش میاد با هر کی چطور تا کنه، که خوشحال از مغازه بیرون بره، و امیدوار برای خرید‌های بعدی برگرده.

این حداقل انتظاریه که از یک وب‌سایت مدرن امروزی داریم. و اگر از سایت چنین رفتاری نبینیم، دستِ‌کم می‌فهمیم، این سایت به اندازه کافی باهوش نیست. شاید بمونیم، شاید به سایت بهتری بریم.

در حالی که وجود هوش و فناوری در پشت چهره سایت‌شما، چیزی نیست که در نظر اول به چشم کاربر بیاد، ولی نبودن هوش و خبرگی، قطعا در اولین برخورد‌ها به چشم می‌یاد. این تجربه‌ایست که کاربران در سایت‌های خوب جهانی بدست آورده‌اند و به خوبی قادر به شناسایی وب‌سایت‌های باهوش هستند. هرگز جایی از سایت‌های باهوش نوشته نشده “این سایت با هوش است!”، ولی تجره متفاوتی که کاربر در یک سایت باهوش بدست میاره، احساسی خوب و دلچسب رو در ذهنش به جا میذاره.

در راستای بهبود رفتار سایت با کاربر، متد‌هایی کارامد و بلادرنگ توسعه داده‌ایم. متد‌های دیگری نیز درحال پیاده‌سازی است. در این پست به ساده‌ترین سناریو‌های استفاده از recommender.ir می‌پردازیم.

 

تصویر شماتیک زیر، به کاربرد‌های recommender.ir در صفحه اول سایت‌شما می‌پردازه (روی تصویر کلیک کنید):

firstpage

 

اگر کاربر برای اولین بار به سایت شما می‌آید میتوانید از ترکیب زیر استفاده کنید:

firstpage unknown

 

 

پیشنهاد‌ها برای کاربری که ازش ردی داریم، با تازه‌واردی که برای اولین بار به سایت گذاشته، متفاوت هستند.

تصویر زیر به کاربرد‌های  recommender.ir  در صفحه آیتم می‌پردازه (روی تصویر کلیک کنید):

innerpages

پس از آنکه کاربر از سایت شما خارج می‌شود. در زمان‌های مقرر می‌توانید با ارسال ایمیل‌ (ایمیل مارکتینگ) وی را از آنچه سایت دارد و وی دوست دارد ببیند، ولی هنوز ندیده است،‌ مطلع سازید. کافیست فهرست آيتم‌هایی که برای ایمیل شدن به کاربر مناسب هستند از recommender.ir جویا شوید.

IntelligenceEmail

تمام متد‌هایی که برای هوشمند سازی سایت‌شما لازم هست در همین وبلاگ میتونید پیدا کنید. پیشنهاد‌ میکنم ابتدا به پست ‌های زیر سر بزنید:

  1. آنچه از کاربر به شما می‌گوییم،
  2. آنچه از آیتم‌‌ها به شما می‌گوییم،
  3. گردش داده و محرمانگی اطلاعات
  4. ایمیل مارکتینگ هوشمند

پرسش‌ها و ایده‌هاتون رو با ما در میان بگذارید: info@recommender.ir