QUIEN MEJOR TE ACONSEJA ES QUIEN MEJOR TE CONOCE

Motor de recomendaciones semántico

César Carralero

 

Cada día miles de personas entran en tu portal web o e-commerce, no siendo para ti nada más que una IP o cookie.

Pero detrás de esa IP hay una persona.

Si queremos ofrecerle una eXperiencia de Usuario realmente personalizada y ofrecerle los productos, servicios o informaciones que de verdad se ajusten a esa persona en concreto, conocer su IP no es suficiente, necesitamos saber QUIEN es la persona detrás de esa IP. Conocer donde vive, sus intereses, su edad, sus amigos, sus gustos, sus aficiones, saber que le interesa, que le preocupa, que requiere de nosotros.

Saber quién es esa persona de verdad para personalizarle mi propuesta, aumentar su satisfacción como usuario y mejorar mis cifras de conversiones, ventas y beneficios.

La pregunta es: ¿cómo puedo personalizar y recomendar los productos más adecuados a una persona que no conozco?

Motores de recomendaciones

En las web de e-commerce que nos movemos habitualmente estamos acostumbrados a que nos realicen recomendaciones del tipo “Quien compró esto… también compró…” o “productos comprados habitualmente juntos…”. Estas recomendaciones están basadas en técnicas que llamamos de clustering, para las cuales no se requiere un conocimiento del cliente, ni del producto; sino que se obtienen de  analizar los comportamientos de navegación o compra de miles de usuarios anónimos.

A pesar de que los Motores de Recomendaciones y Personalización basados en Clustering dan muy buenos resultados (no tenemos más que ver Amazon), hoy tenemos otras técnicas que nos permiten obtener mejores resultados basándonos en un conocimiento más profundo de nuestros clientes, sus gustos, aficiones, amigos, estilo de vida … lo que llamamos Insights…

Customer Insights

Podemos encontrar muchas definiciones de Customer Insights. Vamos a quedarnos con  la siguiente de Wikipedia:

“Commonly referred to as CI, it is the intersection between the interests of the consumer and the features of a brand. Its main purpose is to understand why the consumer cares for the brand as well as their underlying mindsets, moods, motivation, desires, aspirations, and motivates that trigger their attitude and actions.[2]

Lo que te estarás preguntando ahora es: ¿Cómo puedo encontrar los Customer Insights de las personas que aterrizan en mi portal y utilizarlos en mutuo beneficio?

Desde el punto de vista del Marketing, el análisis de Customer Insights es todo un mundo. Vamos a ser humildes y únicamente te vamos a proponer unas sencillas técnicas y tecnologías que incorporadas a tu e-commerce o portal te van a permitir adecuar tu oferta de una manera más eficaz hacia tus clientes, en base a dos conceptos como son el Perfil Social y Motor de Recomendaciones Semántico.

Bien, supongamos que tenemos un portal de e-commerce que vende productos y servicios de muy diversas categorías. ¿Qué tengo que añadir a mi web y al resto de mi infraestructura para poder ofrecer recomendaciones personalizadas a mis visitantes basadas en Customer Insights?

 

Vamos a definir el proceso en 5 pasos:

  • Conocer a tus visitantes.

Conociendo solo su IP no podemos hacer nada; bueno, podemos utilizar un Motor de recomendaciones basado en Clustering como hemos comentado antes. Pero no es ese nuestro objetivo ahora, queremos ir más allá.

Necesitamos saber quién es realmente esa persona, sus gustos, likes, aficiones etc. Para ello nos vamos a apoyar en su perfil social. Lo que vamos a encontrar de ella en todas las redes social que la persona nos permita, facebook, Twiter, Google+, Linkedln…

La forma más común y sencilla es introducir lo que llamamos el Social Login en nuestra web.

 

Estamos tan acostumbrados a verlo que ya no nos asusta, nos facilita la vida al no tener que pasar por complejos procesos de registro o acordarnos de mil y una claves distintas. Pero no solo eso, también aumenta el número de registros en varios órdenes de magnitud y nos permite obtener información de la persona, respetando su privacidad, para ir generando su perfil social.

Por ejemplo, nosotros utilizamos Gigya como solución SaaS de Identity Management. Gigya nos permite no solo crear el perfil social de la persona sino que también completarlo con otras informaciones como su comportamiento, compras, comunicación etc… para ir creando lo que podemos llamar Perfil 360º.

 

  • Extraer el conocimiento del Perfil Social de mis visitantes.

A medida que nuestros visitantes van aterrizando en nuestro portal y se van registrando de forma sencilla con el Social Login, vamos obteniendo sus perfiles sociales. Eso está bien… pero saber que Juan tiene en facebook likes en Nikon y le interesan los viajes no me sirve de nada si no puedo extraer conocimiento utilizable de esa información disponible.

Para ello vamos a utilizar  técnicas de Web Semántica.

Los pasos a realizar serían:

  • Crear una ontología de “Perfil Social”
  • Anotar semánticamente todos y cada uno de los registros que definen el perfil social de cada persona en base a dicha ontología. Registros obtenidos del Identity Management System.

Con esto podemos decir que empezamos a conocer mejor a nuestros clientes… pero de nada nos sirve si no conocemos nuestros productos.

 

User ontology sin incorporar SocialMediaAccount profile

  • Extraer el conocimiento de cada producto, servicio o información que tenemos en nuestro site.

Efectivamente tenemos que entender lo que tenemos, bien sean fichas de productos de un e-commerce o noticias de un periódico online…

Seguiremos los mismos pasos que antes:

  • Crear una ontología de “Nuestro negocio”
  • Anotar semánticamente todos y cada uno de los registros de los productos o servicios que ofrecemos en base a dicha ontología.

Bueno, ahora podemos decir que conocemos mejor a nuestros clientes y a nuestros productos. El siguiente paso es encontrar quien está interesado en que.

 

 

  • Procesar ambos conocimientos con un algoritmo de distancias.

Ahora que sabemos que les gusta a nuestros clientes y como son nuestros productos nos toca desarrollar un conjunto de algoritmos que sean capaces de calcular la distancia entre cada par cliente/producto. Estos algoritmos nos deberán de dar un número normalizado para cada uno de estos pares con el que construiremos una matriz simétrica de distancias entre todos los clientes y todos los productos de nuestro catálogo.

Esta distancia entre el cliente y el producto va a representar el grado de interés que el primero puede tener por el segundo.

Todo el procesamiento descrito hasta ahora es muy complejo y consume gran cantidad de recursos ya que es del tipo N (número de clientes) x M (número de productos), además del coste de la extracción y anotación semántica de cientos de miles de clientes y miles de productos.

Afortunadamente todo este procesamiento es altamente paralelizadle y puede realizar en batch, permitiéndonos utilizar tecnologías de Big Data.

 

  • Presentar a cada persona en cada momento, los mejores resultados extraídos del algoritmo.

Una vez sabemos que productos pueden ser más interesantes para cada cliente, lo que nos falta es, en tiempo real, presentar aquellos que seleccionamos con mayor grado de interés. Esta selección se puede filtrar por otros parámetros como eliminar productos o productos de la misma categoría que ya el cliente haya comprado o complementar  los productos a recomendar con recomendaciones basadas en clustering del tipo “estos productos se compran juntos habitualmente”…

De esta forma seremos capaces de generar una experiencia de usuario personalizada a cada usuario en cada momento. Sorprenderle con recomendaciones de productos que ni siquiera han sido el motivo de su visita pero que cuando las ve le generen un interés de compra inesperado, porque están basadas en lo que sabemos de él, no en lo que está haciendo en ese momento en nuestro portal.

 

Pues bien… ya tenemos en nuestra web un Motor de Recomendaciones Semántico capaz de recomendar a cada usuario los productos o servicios que sin él mismo saberlo puede que desee…Le estamos escribiendo su carta a los reyes Magos.

 

 

 

 

 

Deja tus comentarios

Enviar un comentario como invitado

0
  • No se han encontrado comentarios