Recommandations LikeMinds
Personalization est doté d'un système de recommandation dynamique basé sur LikeMinds. LikeMinds est un logiciel qui fonctionne avec vos applications de commerce électronique. Il analyse les interactions entre utilisateurs sur votre site Web et génère en temps réel des estimations et des recommandations adressées aux utilisateur du site.
Les estimations en temps réel sont générées par trois moteurs LikeMinds qui utilisent des règles de recommandation dans Personalization. Ces règles, appelées recommandations de contenu, fondent leurs estimations sur des transactions consignées via des beans Rating ou Action Personalization.
Lorsqu'un utilisateur visite votre site Web, les beans Rating et les beans Action enregistrent les données transactionnelles capturées. Si votre site Web de commerce électronique est configuré pour que les utilisateurs puissent classer le contenu (ou les produits), vous pouvez utiliser les beans Rating pour enregistrer les données de classement. De la même façon, si vous disposez de la technologie de panier électronique, vous pouvez utiliser des beans Action Logging afin d'enregistrer les comportements des affinités de contenu ainsi que les activités d'achat. Les données de classement et d'action sont stockées sur votre base de données. Par exemple, les types de transactions suivantes peuvent être enregistrées :
- Des produits qu'un utilisateur a achetés
- Des articles ajoutés ou supprimés d'un panier
- Un historique de la navigation d'un utilisateur dans l'application
- Des produits qui s'adaptent le mieux à un produit déjà sélectionné par l'utilisateur.
- Toute action ou série d'actions utile pour un site
A l'aide de règles de recommandation de contenu, LikeMinds présente les résultats via un ensemble de moteurs de recommandations. Ces moteurs estiment le contenu le plus adapté aux utilisateurs, en se référant à leurs habitudes de navigation précédentes.
En général, après qu'un utilisateur ait classé un minimum d'articles ou réalisé un minimum d'activités de de transaction, on lui assigne un groupe de mentors. Un mentor est un utilisateur désigné tout spécialement, qui a déjà visité l'application de commerce électronique un certain nombre de fois et dont le profil est similaire à celui de l'utilisateur. LikeMinds utilise une technique appelée filtrage collaboratif afin de créer un profil de mentor pour chaque utilisateur, permettant d'estimer dans quelle mesure un utilisateur apprécie certains articles et quels sont les articles que cet utilisateur va apprécier, acheter ou ajouter à son panier.
La proposition d'un produit connexe à ajouter au produit déjà sélectionné par l'utilisateur, indépendamment des préférences utilisateur, s'effectue grâce à la découverte de paires probables de correspondances entre les produits. Ce concept, appelé item affinity, utilise une famille d'algorithmes différente du filtrage collaboratif. Alors que ce dernier utilise ses algorithmes pour définir les affinités extrêmement variables entre les différents internautes, l'affinité entre articles examine les relations existant éventuellement entre les articles.
Vous pouvez utiliser LikeMinds dans de nombreux cas, par exemple :
- Sites Web de promotion et personnalisation d'un détaillant en ligne
- Sites Web de personnalisation et de recommandation de contenu de portails financiers
- Sites Web d'assistance et/ou de recommandation de contenu de support technique en ligne
- Recommandations de cadeaux pour un détaillant en ligne
- Classement et recommandations de produits tels que des films, de la musique, des livres
- Responsables de planning de voyages dans une agence