Tuilux white paper
-
Upload
tuilux -
Category
Technology
-
view
503 -
download
0
description
Transcript of Tuilux white paper
White Paper
Janeiro de 2011
INTELIGÊNCIA EM RECOMENDAÇÃO
COPYRIGHT © 2011 NATLUX Informática e Consultoria LTDA Todos os direitos reservados. A informação contida neste documento é proprietária da empresa NATLUX Informática e Consultoria LTDA. Qualquer forma de divulgação, reprodução, distribuição ou ação, integral ou parcial, relacionada com esta proposta sem o devido aviso prévio e autorização por escrito está proibida e será considerada ilegal.
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
TUILUX: Inteligência em Recomendação
1 INTRODUÇÃO E BENEFÍCIOS .......................................................... 1
2 TIPOS DE SISTEMAS DE RECOMENDAÇÃO ........................................ 3
3 TIPOS DE RECOMENDAÇÃO ............................................................ 5
4 A IMPORTÂNCIA DA INTELIGÊNCIA NA RECOMENDAÇÃO ................... 6
5 O QUE É O TUILUX? ....................................................................... 8
5.1 FUNCIONALIDADES ................................................................. 9
5.2 O PROCESSO DE INTEGRAÇÃO ................................................. 10
5.3 UM MODELO DE NEGÓCIOS INTELIGENTE ................................. 10
Resumo
Este white paper faz uma descrição sucinta do que é um serviço de recomendação, quais seus benefícios e tipos possíveis, discute a necessidade de se fazer recomendação de maneira inteligente e apresenta o TUILUX, o primeiro serviço de recomendação inteligente do Brasil, suas principais funcionalidades, processo de integração e modelo de negócios.
1 INTRODUÇÃO E BENEFÍCIOS
Os sistemas de recomendação aplicam técnicas de análise de dados e
recuperação de informação a um certo ambiente virtual (p. ex., e-
commerce, rede social, portal de conteúdo) com o objetivo de ajudar
usuários em processos de tomada de decisão, como a escolha de produtos a
serem comprados, serviços a serem contratados, viagens a serem feitas,
pessoas a serem adicionadas a sua rede de contatos, “looks” a serem
vistos, e muitas outras. A recomendação pode ser feita usando diferentes
técnicas e pode ser baseada apenas nos itens disponíveis mais similares
entre si, na distribuição demográfica dos usuários, nos itens mais
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
comercializados, no comportamento dos usuários, no hábito de consumo e
em inúmeras outras variáveis.
Dentre as principais vantagens dos sistemas de recomendação
destacam-se:
1. Entendimento do usuário individualmente;
2. Otimização da disposição de produtos, serviços ou outros itens no
ambiente virtual;
3. Possibilidade de oferta do item certo ao usuário certo;
4. Ampliação do alcance do marketing através da descoberta de redes;
5. Criação de campanhas relevantes e personalizadas;
6. Uso de informações anônimas e seguras, pois o processo de
descoberta de conhecimento não necessariamente utiliza informações
pessoais de seus usuários.
Estas vantagens trazem os seguintes benefícios diretos para as
empresas que adotam sistemas de recomendação:
1. Transformação de visitantes em usuários: um sistema de
recomendação pode ajudar o visitante a encontrar e escolher um
item de seu interesse. Em muitos casos um sistema de
recomendação permite que o visitante conheça produtos, serviços,
pessoas, etc. que ele não conheceria sem o auxílio de uma
ferramenta inteligente. Ao mesmo tempo, um sistema de
recomendação permite que o usuário navegue pelo ambiente
seguindo sua própria dinâmica de tempo e de pesquisa.
2. Estímulo às vendas-cruzadas: ofertar itens altamente relacionados
ao perfil do usuário aumenta a probabilidade de venda conjunta,
elevando dessa forma o valor do ticket médio. Além disso,
recomendar itens normalmente comprados ou visualizados em
conjunto mostra as tendências de compra mais relevantes.
3. Fidelização de usuários: o relacionamento personalizado é de
extrema importância para o aumento da fidelidade. A fidelidade tem
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
efeito sobre a lucratividade na medida em que tem influência direta
sobre o fluxo futuro de usuários. Atualmente, é destacada a forte
tendência das empresas em unir estratégias baseadas em satisfação
a estratégias orientadas à fidelização, pois são evidentes os
resultados positivos financeiros quando se tem uma base de clientes
fiéis.
4. Melhor experiência no ambiente virtual: o fato de tratar os
usuários de forma personalizada melhora o relacionamento entre o
usuário e o ambiente, assim como a experiência dele no ambiente.
5. Consolidação da marca: a personalização na interação ambiente-
usuário torna-se uma característica de grande relevância e é
incorporada ao DNA da marca, contribuindo dessa forma à
consolidação da mesma na mente dos usuários.
6. Elevadas oportunidades de propaganda e comunicação: uma
vez que muitos usuários utilizam o serviço, o número de interações
aumenta e, com isso, as oportunidades de comunicação e
propaganda, podendo estas ainda ser personalizadas.
7. Melhor posicionamento em sistemas de busca: quanto maior a
participação e contribuição dos usuários, mais conteúdo existirá em
determinada aplicação. Com isso, maior é a probabilidade de ser
localizada por sistemas de busca.
2 TIPOS DE SISTEMAS DE RECOMENDAÇÃO
Os sistemas de recomendação podem ser classificados de diversas formas.
Por exemplo, há taxonomias baseadas na interface e nas propriedades da
interação do usuário com o sistema. É possível pensar em duas dimensões
nessa taxonomia, que são o grau de automação e o grau de persistência
das recomendações.
No eixo da automação, as recomendações podem ser automáticas ou
manuais, sendo que automática significa que a recomendação é gerada sem
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
um esforço explícito de algum administrador do ambiente virtual, enquanto
a manual requer alguma entrada de dados por parte deste administrador.
Para que o processo de recomendação seja eficiente e assertivo, é preciso
automatizá-lo de maneira inteligente. Não basta que um administrador
escolha os itens a serem recomendados de acordo com a percepção dele do
negócio, é preciso que uma ferramenta inteligente determine
automaticamente a recomendação a ser colocada em cada parte do site.
Mais adiante discutiremos algumas das possíveis técnicas de automatização
das recomendações.
No eixo da persistência, a recomendação pode ser efêmera ou
persistente, sendo que uma recomendação efêmera é feita com base em
uma única seção ou visita de um usuário. Nota-se, portanto, que uma
recomendação persistente requer um histórico do usuário (p. ex.,
navegação ou compras). Além disso, na recomendação persistente é preciso
saber os hábitos de consumo, comportamento e outros de cada cliente,
permitindo uma maior personalização do serviço. Note que a persistência
não implica em recomendação estática, mas sim numa capacidade de
entender melhor o perfil de cada usuário individualmente e coletivamente, e
usar esse conhecimento para personalizar a recomendação.
Em relação à forma como as recomendações são feitas, os sistemas de
recomendação pode ser divididos em:
• Baseados em conteúdo: a recomendação é feita através da
sugestão de itens (p. ex., produtos, serviços, pessoas, comunidades,
estabelecimentos, etc.) similares àqueles que o usuário procura ou
que ele adquiriu ou preferiu anteriormente.
• Colaborativos: a recomendação é feita através da sugestão de
itens que usuários com gostos e preferências similares aos do
usuário ativo avaliaram anteriormente. Este tipo de recomendação
requer dados sobre o histórico de consumo do(s) usuário(s).
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
• Híbridos: combinam os métodos baseados em conteúdo com os
métodos colaborativos.
3 TIPOS DE RECOMENDAÇÃO
Há vários tipos possíveis de recomendação, que dependem dos dados
utilizados e do que se deseja exibir. A recomendação pode ser de produtos
em um comércio eletrônico, pessoas em uma rede social, conteúdo em um
portal de conteúdo, dentre outras. Abaixo estão listados alguns tipos
comuns de recomendação em comércio eletrônico:
1. Itens similares: exibe itens similares aqueles sendo vistos. Essa
similaridade é calculada utilizando técnicas que consideram
diferentes parâmetros, como preço, descrição, categoria,
disponibilidade em estoque e outros.
2. O que os clientes normalmente compram após comprar este
item: este é um tipo comum de recomendação que ajuda a fazer
vendas casadas (cross-sell), pois apresenta sugestões de itens
comprados em conjunto.
3. Itens mais comercializados (visualizados): exibe uma lista dos
itens mais vendidos (ou visualizados) da loja.
4. Itens melhor avaliados: exibe aqueles itens melhor avaliados.
É importante perceber que muitas outras formas de recomendação podem
existir e as apresentadas acima são uma pequena amostragem do universo
de possibilidades. Na verdade, o objetivo principal de uma ferramenta
inteligente de recomendação é encontrar o conjunto de itens mais adequado
a cada usuário do site e o tipo de recomendação a ser exibido deve ser
discutido em conjunto com o site, caso a caso, sempre para maximizar os
resultados.
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
4 A IMPORTÂNCIA DA INTELIGÊNCIA NA RECOMENDAÇÃO
Um serviço de recomendação eficaz requer o uso de técnicas avançadas de
computação, engenharia, matemática e estatística para a geração das
recomendações. Ao contrário do que poderia ser o senso comum,
recomendar itens não se resume a buscar aqueles da mesma categoria ou
escolher aleatoriamente a partir da base de dados e postá-los em uma área
específica do site. É preciso executar tarefas como categorização,
classificação, estimação e associação entre os itens e/ou suas
características. Por exemplo, se o cliente de uma loja virtual clica em uma
bolsa de couro, não necessariamente oferecer outras bolsas de couro seria
a recomendação mais eficaz, há outros itens possivelmente diferentes desse
que podem ser de interesse. Quais produtos normalmente são comprados
após a compra de uma bolsa de couro? Quais são vistos? Há relações entre
bolsas de couro e outros itens do estoque da loja? É possível descobrir a
faixa de preço que o cliente está disposto a pagar com base no seu perfil de
consumo e navegação? Quais as preferências do cliente?
Para que a recomendação seja eficaz, todas essas análises e muitas
outras precisam ser feitas. O conhecimento técnico-científico necessário
para a realização dessas análises faz parte de áreas como matemática,
estatística, data mining, inteligência artificial e computação natural. Abaixo
descreveremos sucintamente cada uma das principais tarefas de análise de
dados que podem ser usadas em um sistema inteligente de recomendação.
A tarefa de categorização permite segmentar ou clusterizar uma base
de dados não categorizados em diferentes categorias que expressam
relações intrínsecas dos dados permitindo, por exemplo, identificar quais
produtos, pessoas, estabelecimentos, etc., são similares entre si. O
importante aqui é que as categorias não são conhecidas a priori, a
ferramenta é capaz de propor categorias para a base de dados utilizando as
informações da própria base. Essas categorias futuramente podem ser
utilizadas para recomendar itens similares.
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
A tarefa de classificação se diferencia da categorização, pois ela assume
que as categorias, nesse caso chamadas de classes, são conhecidas a priori.
O objetivo, portanto, é aprender, ou seja, extrair conhecimento, a partir
desses dados para predizer a classe de novos dados cujas classes não são
conhecidas. Com isso conseguimos responder perguntas como “Que tipo de
produto um determinado usuário gostaria de ver?” Uma vez que o serviço
de recomendação já aprendeu, a partir de dados históricos, a categorizar
cada usuário e item, ele é utilizado para classificá-los e fornecer aquele item
de maior interesse do usuário.
Estimar algo significa predizer seu valor a partir de algum conhecimento
obtido a priori. No contexto de recomendação para ambientes virtuais é
muito comum termos redes sociais nas quais os usuários atribuem notas a
filmes, livros e outros produtos; também vemos muitos ambientes nos
quais um usuário pode Curtir (Like) um post ou informação. Em lojas
virtuais também vemos atribuições de notas (estrelas, submarinos, etc.) a
produtos. Essas avaliações podem ser usadas para recomendar itens a um
usuário dentro de um ambiente virtual qualquer. Por exemplo, quando você
entra em uma livraria virtual e começa a buscar um livro sobre
“recomendação”, seria muito útil se a livraria fosse capaz de estimar que
nota você daria para aquele livro. Mas como a livraria poderia fazer isso? A
resposta é através de um serviço inteligente de recomendação que é capaz
de analisar seu perfil e também todo o histórico de consumo dentro da
livraria para estimar que nota você daria para cada livro do catálogo e
recomendar-lhe aqueles que receberiam a maior nota por você. Esso
processo garantiria uma maior probabilidade de conversão, maior
assertividade.
Para explicar a associação, pensemos no exemplo cotidiano de compras
de supermercado através de uma loja virtual. Você entra na loja, pega seu
carrinho de compras e começa a colocar aqueles itens de seu interesse.
Hoje você compra pão, leite, manteiga, carne, carvão e cerveja. Na semana
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
que vem você compra frutas, legumes, iogurte e cereais. Ao mesmo tempo
outras pessoas estão comprando diversos itens em conjunto; em cada
carrinho de compras há uma coleção de produtos selecionados pelos
clientes. Essas informações permitem descobrir associações entre produtos,
no sentido de saber quais produtos são normalmente comprados em
conjunto e quais não são. Com esse tipo de análise podemos gerar
recomendações inteligentes de produtos que podem promover vendas
casadas (cross-sell), aumento do tíquete de cada carrinho e outros
benefícios. Claro, essa análise também permite identificar quais
estabelecimentos são visitados em sequência numa rede social e muitas
outras aplicações.
Portanto, recomendação inteligente vai muito além da apresentação de
itens em um site. Ela requer uma análise detalhada de tudo que acontece
dentro do site, seja ele um e-commerce, uma rede social ou um portal de
conteúdo, envolve também o entendimento da preferência de cada usuário,
a personalização, o conhecimento profundo do catálogo de itens do estoque,
dentro outros, e o uso dessas informações para gerar conhecimento
(recomendações) que sejam úteis e assertivas.
5 O QUE É O TUILUX?
O TUILUX é o primeiro Serviço de Recomendação do Brasil que pode ser
aplicado em diversos tipos de ambientes virtuais gerando as recomendações
mais efetivas para o seu negócio. Ele utiliza técnicas baseadas em
Computação Natural, Estatística, Inteligência Artificial e Mineração de Dados
para extrair conhecimentos úteis e relevantes e gerar as melhores
recomendações para o seu negócio.
A operação do TUILUX é feita
de alto poder de processamento e escalabilidade
hospedados nos Estados Unidos, garant
operação 24x7, com estabilidade e o mínimo
tempo de resposta. Pode operar
plataformas, não demanda
licenciamento e nem hardware adicional.
5.1 FUNCIONALIDADES
O TUILUX possui duas funcionalidades principais:
1. Recomendações: a geração das
recomendações propriamente dita
diferentes possibilidades de
site e em outras ações
2. Gestão do serviço:
Admin, uma ferramenta
do serviço.
A principal funcionalidade do TUILUX é gerar um
conjunto de recomendações
seu negócio. Essa recomendação pode ser
apresentada no site de muitas formas, como, por
exemplo:
• Itens relacionados;
• Quem comprou X comprou
• Itens mais vendidos;
• Itens mais vistos;
• Etc.
Além disso, as recomendações do TUILUX
gerar e-mails segmentados a serem usados em campanhas publicitárias e
marketing direcionado e para uma gestão mais estratégica do seu negócio.
inteligenciaem recomendacao
A operação do TUILUX é feita em servidores
de alto poder de processamento e escalabilidade
hospedados nos Estados Unidos, garantindo
operação 24x7, com estabilidade e o mínimo
Pode operar em múltiplas
dando instalação on-site,
hardware adicional.
O TUILUX possui duas funcionalidades principais:
a geração das
recomendações propriamente dita, com
diferentes possibilidades de aplicação no
site e em outras ações; e
: através do TUILUX
uma ferramenta on-line de gestão
A principal funcionalidade do TUILUX é gerar um
recomendações inteligentes para o
seu negócio. Essa recomendação pode ser
apresentada no site de muitas formas, como, por
comprou Y;
Itens mais vendidos;
Além disso, as recomendações do TUILUX podem ser empregadas
mails segmentados a serem usados em campanhas publicitárias e
e para uma gestão mais estratégica do seu negócio.
ww
w.t
uilu
x.c
om
.br
em recomendacao
empregadas para
mails segmentados a serem usados em campanhas publicitárias e
e para uma gestão mais estratégica do seu negócio.
ww
w.t
uilu
x.c
om
.br
inteligenciaem recomendacao
O TUILUX Admin é uma ferramenta de administração on-line do
serviço que permite cada um de nossos clientes gerenciar e avaliar o
serviço de maneira rápida e efetiva. O Admin oferece, dentre outras, as
seguintes funcionalidades:
• Perfil: Atualizar seus dados de perfil no serviço
• Catálogo: Atualizar seu catálogo de produtos no serviço e agendar o
processamento das recomendações
• Analytics: Extrair relatórios gerenciais sobre o desempenho do
serviço (p. ex., itens mais visualizados, itens mais vendidos, itens
vendidos através de recomendação, itens vendidos em conjunto,
aumento de vendas devido à recomendação, etc.)
5.2 O PROCESSO DE INTEGRAÇÃO
O processo de integração do serviço é bastante simples, sendo concluído
em apenas três passos:
1. Importação: importação inicial do catálogo de produtos.
2. Configuração: parametrização do serviço para que as
recomendações sejam apresentadas e o comportamento dos usuários
monitorados.
3. Testes: testes e validação dos processos de consumo das
recomendações e monitoramento dos usuários.
Concluídos esses passos o serviço está pronto para ser utilizado e disponível
para todos os usuários.
5.3 UM MODELO DE NEGÓCIOS INTELIGENTE
Até o modelo de negócios do TULUX é inteligente. Há duas possibilidades,
uma tabela de investimento fixo mensal proporcional a quantidade de page
views do seu site e um modelo baseado em cliques em recomendação mais
share das vendas recomendadas, tornando o serviço totalmente dependente
de sua própria performance.