• Save
Etu Recommender 精準推薦個人化導購員
Upcoming SlideShare
Loading in...5
×
 

Etu Recommender 精準推薦個人化導購員

on

  • 1,178 views

基於 Etu Appliance 發展的 Etu Recommender 方案,是將電子商務網站所需要的精準推薦系統,以 End-to-End Solution in a Box ...

基於 Etu Appliance 發展的 Etu Recommender 方案,是將電子商務網站所需要的精準推薦系統,以 End-to-End Solution in a Box 的方式交付給客戶。有別於目前大部分只是利用銷售歷史資料所做的商品推薦,Etu Recommender 以使用者的瀏覽行為資料為基礎,利用個人化的推薦演算,7*24 自動分析歷史和當前興趣偏好,同時利用與相似的群體行為,不斷地提高推薦品質,模擬傳統賣場的銷售人員,向知其喜好的使用者推薦關聯商品,不僅協助使用者快速找到所需資訊,而且透過推薦系統的良好體驗,網站可以有效留住使用者,提高網站的點擊率和用戶的忠誠度。

Etu Recommender 精準推薦方案的焦點行業,除電子商務外,還包括線下的零售、百貨,或是線上的媒體、廣告、各行業的網路服務等。

Statistics

Views

Total Views
1,178
Views on SlideShare
1,178
Embed Views
0

Actions

Likes
4
Downloads
0
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Etu Recommender 精準推薦個人化導購員 Etu Recommender 精準推薦個人化導購員 Presentation Transcript

  • Etu Recommender精準推薦個人化導購員EtuGandalf HuangCustomer Expectation PlannerDec. 20, 2012
  • 33.4 購物網站的轉化率 % 10 個推薦的商品有 3.44 件會被放至於購物車**計算基準為推薦商品被放置於購物車 3
  • 2012/12/7 至 2012/12/20237,920 RMB 30.61 %因為推薦而產生的訂單收益 商品轉化率200.27 RMB 19,414 個 推薦商品的平均金額 商品被放入購物車176.72 RMB 未推薦的平均金額 4 View slide
  • 5 View slide
  • IT Technology Etu Business Model 6
  • 8
  • 9
  • 一客.一市場 11
  • Beers and Diapers – 微關聯 12
  • 一個成功的物流業者 5R ight time、location、condition、 goods customer 13
  • 在電子商務 Search Results Category Pages產品資料 Cart Pages歷史訂單 Etu Recommender Etu Recommender瀏覽、點擊 Application Product Pages 轉化率分析 搜尋 Email Confirmation 資 協同過濾 推放入購物車 料 分析 薦 擷 Collaborative 清 取 Filtering 單 結帳 EDM 推薦引擎即時訂單線上評論 Etu Appliance 14
  • 設計概念 Etu Recommender 交易資料Transaction Info Etu Recommender 使用者個人化推薦•歷史訂單資料 Application•產品被購買紀錄 瀏覽過本商品的顧客還瀏覽了 轉化率分析 Web 互動資料•瀏覽 購買過此商品的顧客還買了•點擊 Click 協同過濾分析•搜尋 Search•購物車 Cart 資 (Collaborative Filtering) 推 瀏覽過本商品的顧客最終買了•結帳 check-out 料 薦•評論 Rating 擷 商品 客戶 清 關聯性 相似度 購物車商品的推薦 取 單 Mobile 互動資料 分析 分析•下載 Download•點擊 Click 組合購買的商品•打卡 Check-in•付費 Payment 推薦引擎•位置 Location 基於瀏覽,你可能會喜歡 Social Media Etu Appliance (3rd-party feed) 15
  • 推薦清單 資料來源:購買記錄購買過此商品的顧客還買了 作用:強化交叉銷售效果,激發顧客再次下單的欲望 資料來源:瀏覽記錄瀏覽過本商品的顧客還瀏覽了 作用:降低使用者的跳出率,提高訂單轉化率 資料來源:瀏覽記錄 + 購買記錄瀏覽過本商品的顧客最終買了 作用:降低用戶跳出率,幫助用戶提高決策率,提高訂單轉化率 資料來源:購物車記錄 + 購買記錄 購物車商品的推薦 作用:通過向上銷售原理,在幫助顧客滿足基本需求之後,引導其 購買更多感興趣的商品,有效提升銷售量,增加毛利率 資料來源:購物車記錄 + 購買記錄 組合購買的商品 作用:商品組合,有效提高商品交叉行銷,提高銷售量 資料來源:瀏覽記錄基於瀏覽,你可能會喜歡 作用:最大程度減少跳出率,提升顧客忠誠度,增加商品的複購率 資料來源:瀏覽記錄 + 購物車記錄 + 購買記錄 用戶個人化推薦 作用:強化推薦個性,提高使用者體驗度,提高訂單轉化率 16
  • 什麼是協同過濾基於商品 (關聯性) (Amazon) 商品1.如何預測用戶 1 對於商品 4 的 回填結果喜好程度?2.從用戶 1 歷史記錄中,計算商 ?品 n 和商品 4 的相似度(以其他 用用戶的歷史記錄) 户3.將用戶 1 對於商品 n 的評價,以產品相似度為權重回填4.針對所有商品組合,重覆1~3直到所有空格都被填滿 17
  • 此領先技術的使用者當日交易已經超越美國電商『網路星期一』傳奇 12.51億 USD。 18
  • It’s Possible 一切都有可能 Nothing for nothing. 19
  • Multi-ERs 多導購員架構 a1.com 單站 a2.com 單站 a3.com 單站 a4.com 單站 適合客戶 / 3C類 / 服飾商品類 / 生活用品類 / 書本雜誌類 推薦清單 推薦清單 推薦清單 推薦清單  商城、多商品類別/多品牌 網站  且想要對每一商品類別、 每一品牌、或每一商城內 跨站/跨類別推薦清單 的單店提供屬於該商品類 別、該品牌、或該店專屬 的推薦清單 Etu ER ER ER ER ERRecommender 效益  滿足跨類別與單類別推薦, 全站擷取客戶行為、分類進入不同Etu導購員產生推薦結果 廣度、深度同時兼顧,更 有效提升單店/單類別與全 a1.com a2.com a3.com a4.com 站/跨類別的轉化率 / 3C類商品 / 服飾類商品 / 生活用品類商品 / 書本雜誌類商品 20
  • SoLoMo Me Social 社交 Local 本地化 Mobile 移動 Personalized 個人化Omni Marketing Network > Omni Channel CEO Terry Lundgren : 無論客戶使用什麼樣的 購物通路,梅西都想要進入。 21
  • 轉化率每升高 1% 代表什麼意思? 22
  • 如果您只記得 3 件事1. www.lamiu.com 在世界末日前去看看2. 5Right: time, location, condition, goods, customer3. 一客.一市場 23