AICon全球人工智能与机器学习技术大会周四开幕,点击查看完整日程>> 了解详情
写点什么

Recommendations AI 让线上购物变得更加个性化

Pallav Mehta

  • 2020 年 9 月 16 日
  • 本文字数:2025 字

    阅读完需:约 7 分钟

Recommendations AI让线上购物变得更加个性化

随着数字化在各行各业,尤其是零售业的不断推进,确保线上客户的高度个性化购物体验对于建立客户忠诚度至关重要。例如,商品推荐就是一个可以通过帮助客户发现符合其品味、喜好的商品从而有效提高个性化体验的方法。


多年来,Google 一直在 Google 搜索和 YouTube 等旗舰渠道提供高质量的推荐内容。而 Recommendations AI 汲取这些经验,为组织提供可以向其客户大规模提供高度个性化商品推荐的服务。现在,我们很高兴地宣布,Recommendations AI 的 Beta 版已经向所有客户开放。


升级您的智能推荐解决方案

无需手动制定规则或在本地管理繁琐的推荐模型,您可以直接通过使用 Recommendations AI 替换或补充现有解决方案来升级个性化策略。


将侧重点聚焦在每个客户而不是商品上,Recommendations AI 可以整合客户的购物历史,并为他们提供个性化的商品推荐。而且,Recommendations AI 擅长处理为长尾产品或“冷启动”的新用户、新商品提供推荐的情况。它的“context hungry”深度学习模型将商品和用户元数据运用到数百万商品上以大规模地获取洞察,并用手动编排规则无法比拟的速度不断地实时迭代这些洞察。


此外,Recommendations AI 可扩展的托管服务和直观的用户界面为您提供简化的模型管理体验。如此,您的团队不再需要花费数月的时间顶着要与最新技术保持同步的压力去编写千行代码来训练自定义推荐模型。


Recommendations AI 的关键更新

现在,您只需在控制台中点击几下即可开始使用 Recommendations AI。在创建新的 Google Cloud 项目后,您可以利用已经使用过的工具(包括 Merchant Center,Google 跟踪代码管理器,Google Analytics 360,Cloud Storage 和 BigQuery)集成并回填目录和用户事件数据。


数据导入完成后,您可以选择模型类型、指定优化目标并开始训练模型。最初的模型训练和调整只需要两到五天,然后您就可以开始为客户提供推荐了。为确保模型设置能按照预期的方式工作,您可以预览模型给出的推荐。



除了让入门使用变得更容易之外,我们还与 Google Brain 和 Research 团队合作,突破过往推荐系统可以容纳的范围。因此,我们的模型可以扩展并支持涵盖数千万种商品的庞大目录,并确保客户有机会全面了解您的商品目录。Recommendations AI 还能够纠正非常受欢迎的或正在促销中的商品导致的偏差,更好地处理季节性以及商品数据稀疏的情况。Recommendations AI 的模型训练基础架构可以每天对您的模型进行重新训练以动态适应不断变化的商品目录、客户行为或购物趋势,从中汲取洞察并归纳到所提供的推荐中。


客户如何使用 Recommendations AI

世界各地的零售商已经认识到 Recommendations AI 所带来的巨大价值。


丝芙兰(Sephora)作为跨国美容和个人护理产品的全渠道零售商,在全球拥有数千家实体店。该公司也在使用商品推荐为其客户提供个性化的电商体验。


丝芙兰网站个性化与测试经理 Jaclyn Luft 说:“我们希望在数字平台上也能为客户提供与实体店一样的高度个性化的购物体验。我们开始与 Google Cloud 合作,探索如何利用其创新的机器学习技术,通过商品推荐为线上客户提供更进一步的个性化服务。”


“自从部署 Recommendations AI 以来,商品页面的点击率与过往 ML 驱动的推荐相比提高了 50%,首页的整体转化率提高了近 2%。” Luft 还表示,“我们正在评估如何在生态系统的其他领域(例如,在网购结帐流程和面向客户的邮件中)持续尝试、迭代和扩展 Recommendations AI 的应用,让推荐更精准。”


Hanes Australasia 是澳大利亚标志性的服装和生活方式潮牌的“大卖场”,也是另一个运用 Recommendations AI 增强个性化推荐的客户。


“Recommendations AI 提供出色的数据执行能力,展示了 Google Cloud 如何将数据洞察转化为真正的商业价值,” Hanes Australasia 线上分析经理 Peter Luu 说。“当我们分 A / B 组对比测试 Recommendations AI 和此前的手动推荐系统,我们发现各个商品类别的收入都实现了两位数的增长。”


Luu 还补充说:“该产品非常易于使用—— Google Cloud 提供专业知识、兼顾功能和绩效,因此我们不需要成为机器学习专家也可充分利用这一工具。”


Digitec Galaxus 是瑞士最大的在线零售商,为客户提供从电子设备到服装等广泛而多样的商品。Digitec Galaxus 正在使用 Recommendations AI 帮助客户找到所需的商品。


“为客户提供完美的在线购物体验是 Digitec Galaxus 的当务之急,” Digitec Galaxus 商品个性化负责人 Christian Sager 表示,“运用 Recommendations AI,我们实现了在全网为客户提供个性化的商品推荐。同时,Recommendations AI 也是测试和挑战我们自己开发的推荐算法的重要参考。”


Sager 解释说:“在新冠疫情期间,找到你所急需的商品比以往任何时候都更为重要。” “在过去的几个月中,我们注意到商品推荐的使用量总体上有了强劲增长,其中运用 Recommendations AI 的时段点击率与此前同期相比增长 40%。随着疫情的持续,客户需求也在不断变化,Recommendations AI 使我们能够适应变化并满足客户需求及其偏好。”


2020 年 9 月 16 日 15:09689

评论

发布
暂无评论
发现更多内容

初始Spring

咿呀呀

spring 9月日更

网络攻防学习笔记 Day125

穿过生命散发芬芳

9月日更 互联网安全

Confluence 数据中心版本接近生命周期了

HoneyMoose

如何大规模交付高质量、高一致性的RESTful API及配套产物

刘宇

API OpenAPI REST API

Go- 结构体

HelloBug

Go 结构体

PhxSQL设计与实现

OpenIM

谈 C++17 里的 Singleton 模式

hedzr

c++ 算法 设计模式 Singleton

区块链落地进行时:专利猛增,构建工业互联网信任价值

Geek_987812

德勤:区块链成为现实,采用逐渐增多

Geek_987812

IntelliJ IDEA 中如何将 POM 中的版本号快速提出为属性

HoneyMoose

如何利用 U 盘制作系统启动盘?

村雨遥

windows 9月日更

LeetCode刷题704-简单-二分查找

ベ布小禅

9月日更

pnpm原理

法医

前端 npm 9月日更

物联网实时监管 区块链云端留痕 公章何时何地何人用过一清二楚

Geek_987812

Python代码阅读(第23篇):将变量名称转换为短横线连接式命名风格

Felix

Python 编程 Code Programing 阅读代码

Java + opencv 实现性别识别

张音乐

Java OpenCV 9月日更 性别识别

【网络安全】漏洞复现有多少种方式?

网络安全学海

php 网络安全 信息安全 WEB安全 安全漏洞

Promise.all() 原理解析及使用指南

devpoint

Promise 异步任务 9月日更

【VueRouter 源码学习】第一篇 - 环境搭建与路由模式介绍

Brave

源码 vue-router 9月日更

OpenSSL国密爆出8.1分高危漏洞CVE-2021-3711

腾讯安全云鼎实验室

漏洞分析 openssl

打一把游戏看一场病:当VR成为“数字新药”

脑极体

09. 深度学习携手大数据引领第三AI热潮--何为深度学习?

数据与智能

人工智能

Linux之ssh-add命令

入门小站

Linux

RedHat 8 如何检查端口是否联通

HoneyMoose

Go- 方法-1

HelloBug

Go 方法

🚄【Redis干货领域】从底层彻底吃透RDB原理(基础篇)

浩宇天尚

redis RDB 快照 rdb分析 9月日更

未来10年,C++5个非常有前景的就业方向

hanaper

在线JSON转Go Struct工具

入门小站

工具

一文读懂 OceanBase 数据库的启动恢复代码解析

OceanBase 数据库

数据库 分布式事务 oceanbase OceanBase 开源

人能靠自驱来学习吗?

石云升

学习 9月日更

“吾道一以贯之”:华为Petal One的新格局

脑极体

数据cool谈(第2期)寻找下一代企业级数据库

数据cool谈(第2期)寻找下一代企业级数据库

Recommendations AI让线上购物变得更加个性化-InfoQ