fbpx
მენიუ
რეკომენდაციების სისტემა

რეკომენდაციების სისტემა

ტექნოლოგიური გადაწყვეტა ონლაინ მაღაზიებისთვის, რომელიც ინდივიდუალური მომხმარებლისთვის საუკეთესო შეთავაზებას აგენერირებს

გაზარდე ონლაინ გაყიდვები
მონაცემთა ჭკვიანური ანალიზი
მონაცემთა ჭკვიანური ანალიზი

სისტემა ML მანქანური სწავლების დახმარებით აანალიზებს მომხმარებლის ქცევას, (შესყიდვები, ძიება, კალათა) პროდუქციის სპეციფიკას (შემავსებელი, ჩამნაცვლებელი, პერმიუმ ალტერნატივა)  და ადგენს მომხმარებლისთვის რეკომენდაციას

შეთავაზების პერსონალიზება
შეთავაზების პერსონალიზება

მონაცემთა ანალიზის საფუძველზე ლაივ რეჟიმში ხდება კონკრეტული მომხმარებლებისთვის პერსონალური საუკეთესო წინადადებების გენერირება, რისი შეთავაზებაც შესაძლებელია როგორც ონლაინ მაღაზიაში, ასევე ელფოსტით, ან სხვა ფორმით

მომხმარებელთა კმაყოფილების ზრდა
მომხმარებელთა კმაყოფილების ზრდა

სისტემა მომხმარებლებზე პერსონალურად მორგებული შეთავაზებებით მოსახერხებელს ხდის და ამარტივებს შესყიდვის პროცესს, ზოგავს მომხმარებლის დროს და ენერგიას, რაც ზრდის მათი კმაყოფილების დონეს

სისტემის არქიტექტურა

Რეკომენდაციების სისტემა შედგება ორი დონისგან (layer) – მონაცემთა და აპლიკაციის დონეები.

Მონაცემთა დონეზე იქმნება საცავი, რომელშიც პერიოდულად ხდება კლიენტის მონაცემთა წყაროებიდან ინფორმაციის შენახვა/განახლება. ასევე, პერიოდულად  ხდება ანალიტიკური ალგორითმების გაშვება და შედეგების შენახვა მონაცემთა საცავის სპეციალურ ცხრილებში.

აპლიკაციის დონეზე დგება სპეციალური წესები, რომელზე დაყრდნობითაც სისტემა ადგენს, კონკრეტულად რა ტიპის რეკომენდაცია უნდა გაეწიოს მომხმარებელს.

 სისტემის
რეკომენდაციის სისტემის მუშაობის
რეკომენდაციის სისტემის მუშაობის პრინციპი

E-commerce პლატფორმაზე, მომხმარებლის აქტივობის პარალელურად , იქმნება მოთხოვნა რეკომენდაციების სისტემაში. Რეკომენდაციების ძრავი  აგენერირებს ოპტიმალური შეთავაზებების ნაკრებს წინასწარ დადგენილი წესების და ალგორითმების მიხედვით. ამის შემდეგ  რეკომენდაციის ძრავის მიერ  შექმნილი  შეთავაზება ავტომატურ რეჟიმში უბრუნდება მომხმარებელს.

რეკომენდაციის სისტემის მუშაობის
გაინტერესებს მეტი რეკომენდაციების სისტემასთან დაკავშირებით?
გაინტერესებს მეტი რეკომენდაციების სისტემასთან დაკავშირებით?
რეკომენდაციის სისტემის შექმნის ეტაპები

სისტემის აწყობის პროცესში დამკვეთი და BDO Digital-ის მონაცემთა ლაბორატორიის გუნდი ერთობლივად ერთვებიან, როგორც ტექნიკური, ასევე ანალიტიკური კუთხით. სამუშაო შედგება შემდეგი ძირითადი ეტაპებისგან:

  1. ისტორიული მონაცემების ანალიზი და მომზადება
  2. ანალიტიკური მოდელების შერჩევა და დეველოპმენტი
  3. წესების ფორმირება და გაწერა (ბიზნეს ამოცანებიდან გამომდინარე)
  4. რეკომენდაციების სისტემის ინტეგრაცია E-commerce-თან
  5. დაკვირვება, შედეგების მიხედვით ალგორითმების და წესების დახვეწა
 რეკომენდაციის სისტემის შექმნის
მონაცემთა ლაბორატორიის ხელმძღვანელი

ირმა სხვადასხვა წამყვან პოზიციაზე მუშაობდა, მათ შორის იყო ლინ ტრანსფორმაციის კოორდინატორი, IT პორტფოლიოს მენეჯერი და ეჯაილ ქოუჩი. საქართველოში დანერგა ლინ მენეჯმენტი საკონსულტაციო კომპანია Mckinsey & co- სთან და ადგილობრივ გუნდთან ერთად, როგორც ფრონტ ოფისში ასევე ბექ ოფისში.

ირმა ბერძენიშვილი

  • IBerdzenishvili@bdo.ge
  • +995 32 254 58 45
  • Linkedin
  • გაეცანი ტრენდებს და სიახლეებს