Presentiamo a seguire le diverse tipologie di Product Recommendations  implementabili grazie agli algoritmi del motore di intelligenza artificiale di Blendee.

Trending Recommendations

Elenco degli elementi più popolari di un catalogo in base alla quantità di view e click. Tale analisi viene condotta negli ultimi 73 giorni. I prodotti/contenuti (elementi) che vengono mostrati sono attinti da un paniere che contiene non solo i più popolari ma anche altri elementi con la finalità di contribuire a evidenziare prodotti/contenuti meno popolari al fine di dare loro rilevanza.

 Vengono mostrati sempre gli stessi prodotti?
L’algoritmo usa un moltiplicatore (x4) al fine di non mostrare sempre gli stessi elementi. Per esempio: se avete scelto 5 elementi (numero massimo di elementi da mostrare) Blendee sceglierà 5×4 elementi che dunque permetteranno di non mostrare sempre gli stessi elementi (che altrimenti risulterebbero ancora “più popolari”). È inoltre possibile abilitare anche “elementi” random così da dare maggiore visibilità anche agli elementi meno popolari. 

Personalized Recommendations

Elenco degli elementi a partire dalla storia recente dell’utente. Tale elenco si basa sulla storia recente di navigazione dell’utente e considera sales e views . Da tale profilo il sistema propone elementi che altri utenti simili al nostro hanno gradito. La funzione scala verso elementi con caratteristiche meno affini, al fine di soddisfare il numero di prodotti/contenuti richiesto (ovviamente nel limite di disponibilità del catalogo).

 Cosa succede se è la prima visita (First Time Visit)?
L’algoritmo seleziona il set di elementi richiesto selezionando tra gli elementi più popolari.

Personalized Trending Recommendations

Mix dei due precedenti: tra gli elementi da suggerire all’utente viene dato maggior risalto a quelli attualmente più popolari.

Browsing History Recommendations

Elenco degli elementi che l’utente ha visto negli ultimi giorni (il dato è storicizzato e non in tempo reale, nel caso si vogliano  mostrare gli elementi visti nella sessione corrente utilizzare il tipo Session Remarketing). Nel caso gli elementi visti siano un numero basso la funzione scala su quelli più popolari al fine di soddisfare il numero di elementi richiesti.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra i prodotti più popolari.

Browsing History Trending

Elenco dei prodotti/contenuti che l’utente ha visto negli ultimi giorni (il dato è storicizzato e non in tempo reale, nel caso si vogliano  mostrare i prodotti/contenuti visti nella sessione corrente utilizzare il tipo Session Remarketing). Nel caso i prodotti/contenuti visti siano un numero basso la funzione scala su quelli più popolari.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra gli elementi più popolari.

Personalized Recommendations by Browsing History

Elenco di elementi suggeriti in base all’esperienze di utenti con storia recente di navigazione simile a quella dell’utente che sta navigando.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra gli elementi più popolari.

Personalized Recommendations by Sales

Elenco degli elementi suggeriti in base all’esperienze di utenti con storia recente di acquisto simile a quella dell’utente che sta navigando. Si tengono in considerazione al fine di produrre la scelta dei prodotti di output esclusivamente gli acquisti confermati.

 Cosa succede se non si è mai acquistato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra gli elementi più popolari.

Shopping Cart Recommendations

Elenco dei prodotti da raccomandare basati sull’elenco dei prodotti attualmente sul carrello. Guidato dal comportamento degli utenti che hanno visto o acquistato tali prodotti.

 Cosa succede se non si hanno prodotti a carrello in quel momento?
La piattaforma ignora eventuali recommendation dunque non verrà personalizzata l’area target container.

Remarketing

Elenco dei prodotti che l’utente ha visto negli ultimi giorni e che non ha comprato ( il dato è storicizzato e non in tempo reale, nel caso si voglia  mostrare i prodotti visti nella sessione corrente utilizzare il tipo Session Remarketing). Considera i prodotti visti negli ultimi 180 giorni ma non acquistati. Se il numero di questi prodotti  è inferiore al numero richiesto, il resto dei prodotti saranno quelli che altri utenti simili al nostro utente hanno gradito.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra i prodotti più popolari.

Session Remarketing

Elenco degli elementi che l’utente ha visto nella sessione corrente. Se gli elementi visti nella sessione sono meno di quelli richiesti, anche questo algoritmo scala come nel caso del Remarketing.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra gli elementi più popolari.

Session Browsing History

Elenco degli elementi correlati a quelli che l’utente ha visto nella sessione corrente in base alle esperienze di altri utenti che hanno visto gli stessi elementi. Se gli elementi visti nella sessione sono meno di quelli richiesti, anche questo algoritmo scala come nel caso del Remarketing.

 Cosa succede se non si è mai navigato?
L’algoritmo seleziona il set di elementi richiesto selezionando tra i prodotti/contenuti più popolari.

Frequently Bought Togheter

Disponibile soltanto nelle pagine di dettaglio prodotto. Elenco di prodotti  spesso comprati insieme al prodotto a cui fa riferimento la pagina corrente. Nel caso in cui il prodotto non sia spesso acquistato con altri la recommendation non sarà mostrata.

 Cosa succede se non vi sono sufficienti acquisti associati al prodotto corrente?
La piattaforma ignora eventuali recommendation dunque non verrà personalizzata l’area target container.