În luarea unor decizii de achiziţie, sau ce obiective turistice urmează să viziteze, cumpărătorii, desi se bazează frecvent pe review-uri şi pe comparatoarele de preţ, potrivit raportului Nielsen „Global Trust in Advertising, recomandările personale sunt cele mai eficiente. Astfel, cele mai credibile promovări vin de la persoanele pe care clienţii le cunosc şi în care au încredere. Până la 83% din respondenţii care au participat la raport susţin că sunt complet sau în mare măsură încrezători în sugestiile familiei şi ale prietenilor.
În acest sens, RTB House a făcut o analiză a noului context al publicităţii online, în care computerele cunosc foarte bine cumpărătorii şi le pot face recomandări de produse în funcţie de nevoile specifice ale acestora.
„Expertiza“ despre obiceiurile de consum ale unei persoane vine, în prezent, din istoricul ofertelor achiziţionate sau vizualizate, ce au ales clienţi cu preferinţe similare, data şi timpul de vizualizare pentru anumite oferte. Tehnologiile folosite pentru recomandare urmăresc aceşti parametri şi sugerează produse. Astfel colectează şi analizează milioane de indicatori despre preferinţe şi furnizează recomandări precise.
Acurateţea în acest caz e dată de volumul mare de date disponibile. Cu cât sunt mai multe, cu atât mai bine. Aici intervine utilitatea tehnologiei deep learning, o ramură inovatoare a inteligenţei artificiale, care rezolvă probleme prin replicarea modului în care creierul uman procesează informaţii şi creează tipare pentru luarea deciziilor.
Uneltele de deep learning pot personaliza experienţa cumpărătorului prin identificarea obiceiurilor de consum după doar una sau câteva vizite făcute în magazinul online, uneori chiar şi după prima vizită. Algoritmii de tip deep learning, capabili să înveţe singuri, împreună cu analize realizate în timp real, pot duce la predictibilitate. Serviciile de music streaming precum Spotify pot intui următoarea melodie pe care un utilizator vrea s-o asculte, în timp ce un serviciu de video streaming YouTube poate pregăti o colecţie de clipuri pe care să le redea mai departe.
Potrivit RTB House, algoritmii care învaţă singuri ajută la rafinarea recomandărilor foarte mult şi sporesc performanţa campaniilor de advertising cu până la 50%. Cel mai bine poate fi prezentat potenţialul acestei tehnologii printr-un exemplu.
În cazul achiziţiei unui obiect vestimentar, vizitatorul unui magazin online este monitorizat automat şi îi sunt învăţate preferinţele. De la dimensiuni şi culori până la materiale şi o mulţime de alţi indicatori, toate acestea sunt folosite pentru a crea un profil al acelui cumpărător. Sistemul colectează şi analizează în timp real datele, corelându-le cu altele din trecut, şi poate face predicţii precise privind produse de interes. Astfel pot fi recomandate accesorii sau pot fi sugeraţi pantofii potriviţi noii ţinute.
Modelele clasice de recomandare nu pot atinge acest punct al sugestiilor. Cele mai multe necesită input de la un om pentru a furniza o listă predefinită de criterii. Pe de altă parte, algoritmii deep learning care simulează modul de gândire al creierului uman, pot furniza rezultate logice, fără îndoieli sau implicarea emoţiilor. Urmează regulile fixate de advertiser, dar, mai important, învaţă şi pot aplicat reguli noi care ţin cont de proactivitate şi performanţă.
Personalizarea va fi din ce în ce mai importantă în e-commerce, după cum o arată şi Infosys, care spune că 86% din consumatori cred despre personalizare că joacă un rol crucial în deciziile lor de achiziţie. În final, ar trebui să ne amintim citatul lui Steve Jobs: „Oamenii nu ştiu ce vor până când nu le arătăm noi“. Ei bine, industria deep learning poate să facă din acest caz o experienţă automatizată pentru fiecare utilizator din era digitală.
