導(dǎo)語(yǔ)：在美國(guó)，人工智能中的預(yù)測(cè)分析和推薦算法正在零售領(lǐng)域發(fā)揮著重要作用。本文是36大數(shù)據(jù)記者張魯翻譯自美國(guó)商業(yè)智能公司Azoft CEO Ivan Ozhiganov 的文章，他將以實(shí)際例子，為大家講述連鎖零售店最近如何使用預(yù)測(cè)分析和推薦算法。

這是對(duì)零售業(yè)推薦系統(tǒng)以及我們?nèi)绾卧诹闶鄣陮?shí)施推薦系統(tǒng)的概述。

最近，推薦系統(tǒng)讓社交網(wǎng)絡(luò)、醫(yī)療保健、金融和電子商務(wù)更加強(qiáng)大。 到2016年底，星巴克宣布將在全球各地的咖啡館推出基于AI的推薦系統(tǒng)。 這意味著零售終于實(shí)現(xiàn)了預(yù)測(cè)分析。

What Does It Mean?

這意味著什么?

像電子商務(wù)企業(yè)家一樣，零售商現(xiàn)在可以根據(jù)客戶自己的行為向客戶發(fā)送個(gè)性化的報(bào)價(jià)。 換句話說(shuō)，當(dāng)你早晨購(gòu)買咖啡時(shí)，你會(huì)自動(dòng)得到一快新鮮的松餅。 當(dāng)你購(gòu)買用于燒烤的牛排時(shí)，您會(huì)收到提醒，建議您購(gòu)買芥末、番茄醬或者你需要燒烤的其他任何東西。

Both Retailers and Customers Love Recommendations

零售商和客戶都喜歡推薦

我們來(lái)看看一家普通的零售店的客戶，他們需要按照他或她的晚餐名單中購(gòu)買所有的物品。晚些時(shí)候，客戶突然想起該列表丟失，并且無(wú)法回憶起列表上的商品。感謝超市應(yīng)用程序，客戶可以從食品目錄中列出列表。把意大利加入列表后，應(yīng)用程序會(huì)建議客戶購(gòu)買博洛涅斯醬?？蛻綦S即購(gòu)買醬汁，并且還在思考怎么會(huì)忘記購(gòu)買醬汁。 該推薦是因?yàn)檫^(guò)去購(gòu)買了意大利面的客戶還購(gòu)買了博洛涅斯醬。

零售商可以使用推薦系統(tǒng)獲得以下信息：

• 根據(jù)特定客戶需求發(fā)送優(yōu)惠以提高客戶忠誠(chéng)度。
• 收入增加
• 了解客戶真正需要的商品。
• 通過(guò)將其添加到建議中產(chǎn)生對(duì)新產(chǎn)品的需求。

零售店無(wú)法實(shí)時(shí)分析客戶對(duì)建議購(gòu)買商品的回應(yīng)。 然而，大多數(shù)零售連鎖店都有忠誠(chéng)度計(jì)劃和收據(jù)數(shù)據(jù)庫(kù)。 這些數(shù)據(jù)足以為客戶提出具體的建議。

零售店有幾種實(shí)施方案。 這取決于零售店是否有應(yīng)用程序和網(wǎng)站。

How We Made It

如何行動(dòng)

推薦系統(tǒng)開(kāi)發(fā)有三種主要方法：基于內(nèi)容的方法、協(xié)同過(guò)濾和混合方法。

當(dāng)我們?yōu)橐粋€(gè)俄羅斯大型零售連鎖店開(kāi)發(fā)推薦系統(tǒng)時(shí)，我們采用協(xié)同過(guò)濾。

系統(tǒng)分析狀況的相似性：客戶相似性、貨物相似性和其他內(nèi)容。 因此，系統(tǒng)推薦客戶購(gòu)買有過(guò)相同購(gòu)買行為的人購(gòu)買相同的商品。

在我們的商品中，我們?cè)趨f(xié)同過(guò)濾方法中使用了幾個(gè)模型。

Association Rules

關(guān)聯(lián)規(guī)則

其中0，1，2，3表示特定商品的交易。 例如，0面包，1洋蔥。

k最近鄰法(kNN)可以讓我們找到具有類似市場(chǎng)籃子的k最近客戶，并為他們創(chuàng)建個(gè)人推薦。 這是基于類似客戶購(gòu)買類似商品的假設(shè)。 這個(gè)想法很簡(jiǎn)單：我們?yōu)槊總€(gè)客戶定義一個(gè)市場(chǎng)籃子，并計(jì)算特定客戶與在市場(chǎng)籃子中具有相似商品的其他客戶之間的距離。 然后，我們建議客戶購(gòu)買較早由具有相似市場(chǎng)籃子的客戶購(gòu)買的商品。

其中最近鄰居的k數(shù)，Xj隨機(jī)選擇客戶，以及定義對(duì)象之間相似度的度量系統(tǒng)中的AB-距離。

例如，商品A具有“辣、小包、外國(guó)、甜、昂貴”的描述。 客戶功能設(shè)置與商品A的功能集相符。因此，該客戶收到相應(yīng)的建議。

該算法處理附加數(shù)據(jù)，如商品類型、季節(jié)性指標(biāo)、購(gòu)買時(shí)間，價(jià)格等。

我們開(kāi)發(fā)了一個(gè)推薦系統(tǒng)，目標(biāo)是增加購(gòu)買商品的平均數(shù)量。 因此，從每位客戶獲得的收入將增加。

客戶的個(gè)性化方法是未來(lái)。 推薦系統(tǒng)是這里的關(guān)鍵因素。 當(dāng)零售商看到明顯可以提高忠誠(chéng)度、更好地了解客戶需求、從而增加利潤(rùn)這些優(yōu)勢(shì)的時(shí)候，便會(huì)有需求。

你們呢? 你有沒(méi)有開(kāi)發(fā)過(guò)推薦系統(tǒng)? 我很樂(lè)意閱讀你的經(jīng)驗(yàn)!