¿Cuáles son los principales proveedores de motores de recomendación para el comercio electrónico en Asia?

Metisa es un motor de recomendación y personalización que utilizan los principales minoristas con millones de clientes en Asia. Hay varias razones para considerarnos:

1. Aumente las conversiones de ventas en más de 2 veces

Nuestras recomendaciones se han comparado con más de 15 otras y se ha demostrado que funcionan muy bien y generan un aumento de las ventas.

2. Recomendaciones para quienes visitan por primera vez

Metisa convierte a sus visitantes en clientes que pagan con recomendaciones que se adaptan en tiempo real mientras compran.

Alrededor del 90% de las visitas de su tienda son de nuevos clientes. Metisa aumenta su probabilidad de comprar analizando su comportamiento con algoritmos de aprendizaje automático similares a los utilizados por Amazon y Walmart, y generando recomendaciones inmediatas de aumento de conversiones mientras navegan por su sitio.

3. Personalizable

Podemos personalizar nuestras recomendaciones para satisfacer las necesidades específicas de su negocio porque tenemos ingenieros y diseñadores en Singapur y Hong Kong que pueden trabajar estrechamente con su equipo de marketing e ingeniería para desarrollar una solución que se adapte a sus necesidades.

Las soluciones de motores de recomendación basadas en EE. UU. Y Europa ven principalmente a Asia como una oficina de ventas, mientras que estamos desarrollando activamente un producto que funciona específicamente para Asia.

4. Lo suficientemente flexible como para personalizar una página completa

Los especialistas en marketing pueden mostrar recomendaciones por categoría, marca, género y otros, y crear una página completamente personalizada. En este ejemplo, las recomendaciones de Metisa se utilizan para impulsar un sitio de alto tráfico para el jugador líder de moda rápida Zalora.

Revelación completa: soy uno de los cofundadores de Metisa.

Una de las opciones de gran utilidad es el motor de recomendaciones de Insider. El motor de recomendaciones de Insider aprende y analiza automáticamente el comportamiento de los visitantes en la web, la web móvil y las aplicaciones. Se utiliza un algoritmo avanzado de aprendizaje automático y técnicas de filtrado colaborativo para comparar el comportamiento de un visitante con los viajes y datos históricos de otros visitantes para crear una lista de recomendaciones relevantes.

Artículos similares

El sistema realiza un seguimiento de los productos, artículos o páginas que los visitantes navegan juntos y, según las preferencias del visitante, se muestran recomendaciones relevantes. Si el algoritmo no puede encontrar elementos similares en la misma categoría, busca las categorías que se ven más juntas, revelando el producto más buscado de esa categoría.

Productos complementarios

Los visitantes son productos recomendados que generalmente se compran juntos para aumentar el AOV de cada compra. Si el algoritmo no puede encontrar productos que se compran juntos en la misma categoría, el algoritmo trae el producto más comprado de la categoría más relacionada.

Revisa

Cuando existe un umbral de campaña como requisito previo para recibir un incentivo, el algoritmo recomienda productos complementarios que ayudarán al visitante a alcanzar el valor de pedido requerido.

Basado en el usuario

El comportamiento de navegación de un visitante se compara con los viajes y datos históricos de otros visitantes para crear una lista de recomendaciones relevantes que aumentan la probabilidad de que se descubran más elementos.

Vea cómo funcionan los algoritmos de recomendación de Insider y cómo funcionan.

El motor de recomendaciones de Boomtrain es perfecto para los proveedores de comercio electrónico y facilita la vida de cada vendedor. Boomtrain utiliza inteligencia artificial y una combinación de filtrado colaborativo y basado en contenido, entre otros, para aprender y recomendar los productos más únicos y personales a sus clientes, a través del medio correcto en el momento correcto.

Gigantes editoriales como Forbes, Conde Nast y Mic confían en Boomtrain para personalizar su contenido y recomendaciones. Ahora, las empresas de comercio electrónico como Brenthaven y Enduro también están descubriendo los beneficios de involucrar mejor a los clientes con productos y contenidos recomendados personalmente. Algunos de los beneficios de Boomtrain para proveedores de comercio electrónico son:

Ventana predictiva de compras
Personalice sus correos electrónicos a los suscriptores en función de sus patrones de compra en línea, todo en la misma plataforma. Recomiende las ofertas y productos correctos a los clientes y vea un aumento en sus CTOR y CTR de correo electrónico.

Carrito de compras abandonado 2.0

El 75% de los clientes que agregan productos a sus carritos de compras en línea lo hacen con la intención de comprar. Puede crear flujos de trabajo potentes en torno a esto utilizando el seguimiento de eventos de Boomtrain y la activación automática de mensajes a sus clientes a través de los canales. Agregue sugerencias de productos relevantes para cada cliente utilizando el poder de la inteligencia predictiva para aumentar sus tasas de conversión.

Retargeting dinámico

Personalice sus mensajes regulares a los clientes, como boletines informativos y campañas de goteo para generar una participación más efectiva. Los datos de comportamiento de Boomtrain, la inteligencia predictiva y las mejores prácticas para el compromiso se asegurarán de que se vuelva personal sin ser molesto. Deleite a sus clientes y vea una mayor retención y un valor a largo plazo.

A través de canales

Boomtrain le brinda información sobre los canales en los que sus usuarios están más activos y comprometidos. Con estas ideas, puede comunicarse a través de canales como correo electrónico, in-app, lightbox en el sitio, sms e impulsar una plataforma de comunicación incorporada. Redactar mensajes a través de canales es fácil con los creadores de plantillas de arrastrar y soltar y las opciones fáciles de prueba y vista previa. No se requiere código.

Visítanos aquí: Boomtrain | Inteligencia artificial para comercializadores.

Descargo de responsabilidad: trabajo aquí, pero encajan perfectamente, así que los recomiendo (!) De todos modos.

Yusp ofrece soluciones de motores de recomendación en varios segmentos de generación de ingresos , no solo para clientes de comercio electrónico b2c, sino también para proveedores de contenido y sitios clasificados b2b. ( vea abajo )

Es importante tener en cuenta que las soluciones de recomendación como servicio de comercio electrónico para clientes de tamaño PYME se probaron en clientes de tamaño empresarial durante 10 años. La experiencia acumulada, bajo la marca de Yuspify, se aprovecha para servir sitios de comercio electrónico de tamaño PYME. en las plataformas Shopify, Woocommerce, Magento y Prestashop

Vea nuestros principales clientes asiáticos a continuación:

1.Hotstar (India, plataforma de entretenimiento digital y móvil – Esquemas de ingresos : tarifa de suscripción a través del tiempo dedicado al consumo, ingresos de pago por visión, ingresos de crédito de pago por uso a través del tiempo dedicado al consumo

con Yusp: después de ser licitado, Yusp superó a su respectivo competidor del mercado Thinkanalytics y entregó un 50% más de conversiones y un 30% más de tiempo de visualización

2. Vietnamworks (sitio de trabajo n. ° 1 de Vietnam)

Vietnamworks es el sitio de trabajo número 1 en Vietnam con más de 100,000 usuarios activos diarios.

con Yusp:

• 59% más clics
• 26% más de probabilidades de aplicar

3. Mudah.my (el mercado más grande de Malasia)

4. eBay Turquía

GittiGidiyor, con una historia de 15 años en el negocio de comercio electrónico, es el mercado en línea líder en Turquía.

con Yusp:

• 55% más conversiones
• 48% más de ingresos por 1000 impresiones que la segunda solución mejor probada

Creo que es una pregunta difícil de responder ya que la mayoría de los sistemas de recomendación no habrían tenido la oportunidad de comparar el rendimiento entre sí.

¿Estamos hablando de ventas totales por recomendación? ¿velocidad? ¿compromiso? ¿escala? ¿medidas de conversión?. Pero puedo dar una idea de lo que implica construir un gran sistema de recomendación. La mayoría de los sistemas recomendados recomiendan el aprendizaje automático, la inteligencia artificial, el filtrado colaborativo, etc. Pero sigamos con lo básico: el rendimiento de cualquier algoritmo se basa en la cantidad de datos que arroja al algoritmo de aprendizaje y los sistemas de recomendación no son diferentes.

Puede tener el mejor algoritmo / modelo de aprendizaje automático construido, pero si no tiene suficientes datos … No va a funcionar bien. Hay muchos trabajos de investigación sobre sistemas de recomendación, pero si ha estado en la industria, sabrá que no están diseñados para la escala. Por lo tanto, debe preguntarse qué tan robusto es su sistema de recolección, luego vienen todas sus partes de aprendizaje automático, luego servir, etc. Agregar la mayor cantidad de datos posible + el algoritmo de aprendizaje correcto ha sido nuestro mantra de éxito hasta la fecha.

Ha sido una gran curva de aprendizaje para nosotros en el motor de recomendaciones expertrec que ha implementado recomendadores para múltiples verticales y creo que cada sistema de recomendación construido allí tiene sus propios méritos y deméritos.

No es fácil construir un motor de recomendación efectivo. Lleva años de colaboración entre los expertos en minería de datos y aprendizaje automático. Si está considerando construir un motor de recomendación internamente, la mayoría de los expertos lo desaconsejarían. Por qué no deberías construir un motor de recomendación

Con los motores de recomendación, no hay una solución única para todos. Siempre es necesario un grado de implementación personalizada y puede ser aún más importante a medida que crece el tamaño de la empresa. Antes de decidirse por una solución de terceros, algunas empresas invierten mucho dinero en la construcción de sus propias soluciones internas y luego utilizan las pruebas A / B para comparar sus sistemas frente a posibles soluciones de terceros.

Nuestros clientes Allegro & Dailymotion adoptaron este primer enfoque interno antes de decidir asociarse con nuestra empresa después de que nuestra solución superara su solución en las pruebas A / B. Después de que Allegro pasó casi un año desarrollando su solución interna que todavía tenía un rendimiento inferior a la solución de Gravity, todavía nos asociamos con su equipo de desarrollo interno para construir una implementación personalizada que combinara la tecnología de motor de recomendación superior de Gravity con las ideas únicas de Allegro sobre las necesidades de sus clientes.

Hemos descubierto que con compañías más grandes, se requiere más tiempo para una implementación exitosa, y se requiere una mayor participación del equipo de desarrollo interno del cliente.

En Gravity R&D, tenemos dos soluciones diferentes disponibles para PYMES y clientes empresariales. Si es una gran empresa con más de 2 millones de páginas vistas por mes, es probable que tenga una gran cantidad de datos y se beneficie más de una implementación personalizada de un motor de recomendaciones. Luego le diría a nuestro sitio web de la empresa en: motor de recomendación de gravedad

Para las PYMES, tomamos la tecnología de nuestra oferta de productos de nivel empresarial y la simplificamos para que la implementación / uso sea rápido y simple: http://recoplatform.com – El objetivo aquí es hacer que la recomendación de implementación en su sitio sea tan fácil como sea posible. para instalar y usar Google Analytics, de modo que sea accesible para el típico propietario de una tienda en línea.

Descargo de responsabilidad: trabajo en BADR.

BADR Salesman ( Vendedor – BADR ) es un sistema de recomendación integrado en BADR . Somos una empresa de software con sede en Alejandría, Egipto, y nos especializamos en soluciones personalizadas de Big Data.

BADR Salesman ofrece las siguientes opciones:

• Recomendado para ti:

• Basado en la interacción de los clientes en su sitio web.
• Admite diferentes tipos de interacciones (transmisión / vista de clics, calificación, compras, agregar al carrito).

BADR Salesman es un “sistema de recomendación híbrido” que combina ” recomendaciones basadas en contenido ” con ” filtrado colaborativo “. Vale la pena señalar que Salesman está diseñado para manejar Big Data y usa Apache Spark Apache Spark ™ – Lightning-Fast Cluster Computing.

La parte ” basada en contenido ” funciona (marca, categoría, descripción y título). El sistema comprende las palabras clave importantes en el texto de la descripción y el título para hacer coincidir las recomendaciones de una manera ” basada en el contenido “. En esta parte, el sistema también tiene en cuenta el historial de usuarios de vistas y compras (si corresponde). Esto da como resultado Big Data (cientos de miles de palabras clave) que las ventas pueden manejar usando Apache Spark.

El ” filtrado colaborativo ” es la parte donde ocurre la magia. Funciona en los patrones de interacción del usuario para recomendar los artículos que los usuarios con patrones de interacción similares terminaron comprando o viendo.

La limitación del ” filtrado colaborativo ” es que su precisión está relacionada con el tamaño de los datos, más datos conducen a una mayor precisión. El vendedor aborda este problema equilibrando el uso de los dos enfoques según el tamaño del conjunto de datos disponible.

Personyze es un motor dinámico de personalización de sitios web y recomendación de productos / contenido que ofrece un poderoso conjunto de herramientas de personalización y orientación por comportamiento. Actualmente estamos negociando un acuerdo con un importante proveedor de gestión web en Asia, y ya están siendo utilizados por otras empresas en línea en la región, así como en todo el mundo.

Personyze permite un grado de segmentación de audiencia que no ofrece la mayoría de los competidores en el mercado, y proporciona una interfaz de usuario simple e intuitiva que no tiene que ser un profesional de TI o un programador para operar. Dirigido a emprendedores, especialistas en marketing y otros profesionales de negocios, le proporciona todas las herramientas que necesita para personalizar dinámicamente su sitio, de modo que cada visitante sienta que está hecho especialmente para ellos.

Con personyze, puede segmentar su público en función de una amplia gama de especificaciones, y utilizando esa segmentación, puede realizar cambios en su sitio web, agregar contenido adicional como ventanas emergentes, pancartas y correos electrónicos promocionales, realizar un seguimiento del comportamiento del usuario en el sitio y actualice dinámicamente la personalización en función de esta recopilación de datos en curso. Personyze también ofrece integración con API externas y bases de datos CRM.

Lo mejor de todo es que hay una prueba gratuita sin compromiso, que incluye una demostración gratuita y asistencia para la administración de cuentas durante todo el proceso.

Como desarrollador, elegiría un marco de código abierto como: PredictionIO Open Source Machine Learning Server, ocelma / python-recsys o muricoca / crab. Una búsqueda rápida le dará una lista de marcos recsys.

Ventajas
En primer lugar, son de código abierto, por lo que son gratuitos. En segundo lugar, sus datos de comportamiento del producto y del usuario siempre están en sus servidores. Sospecho que la mayoría de los servicios de recomendación requieren que envíe sus productos y datos de comportamiento del usuario a sus servidores. Esto no es bueno ya que no sabes qué tan seguros son esos servidores. Curiosamente, la mayoría de los servicios de recomendación no tienen conexiones seguras, lo que da miedo. Finalmente, puedes personalizarlo todo lo que quieras.

Desventajas
Se necesita tiempo para implementarlo, pero el marco le permite hacerlo más rápido.

Espero que mi respuesta ayude

Aquí hay una lista de los 33 motores de recomendación de comercio electrónico que sigo.

Yo trabajo para PredictiveIntent. Somos un proveedor de tecnología de personalización de primer nivel: vamos un paso por delante de otros como RichRelevance. Nos centramos en el usuario individual, en lugar de la multitud. Tenemos más de 160 algoritmos avanzados y nos integramos profundamente con su plataforma de comercio electrónico para que estemos al tanto de todo lo que sucede. Y todo hace la diferencia.

Los analistas independientes Patricia Seybold Group han dicho que cualquier minorista que busque una solución de recomendación de vanguardia debe mirarnos ( http://blogs.customers.com/techn …).

En Unbxd, hemos creado un motor de recomendaciones (Recomendaciones de productos personalizadas para sitios de comercio electrónico) que analiza el comportamiento del usuario e identifica preferencias como su preferencia de categoría, preferencia de marca, sensibilidad de precios y más.

Por ejemplo, cuando un visitante llega a su sitio, busca algunos productos, hace clic en algunos y agrega un par al carrito, retira uno del carrito y finalmente compra uno.

Unbxd rastrea todas estas interacciones de visitantes creando un perfil de visitante y analiza sus preferencias como marca, categoría, etc.

Nuestro motor de recomendaciones le permite comercializar …

Ofrecemos un panel de control fácil de usar que le permite comercializar. Puede establecer reglas tan simples como establecer un rango de precios, habilitar recomendaciones basadas en la ubicación, etc. También viene con varios widgets de recomendaciones que lo ayudan a vender y vender productos.

Y ofrece análisis en profundidad
Obtiene informes detallados y conocimientos que lo ayudan a rastrear el rendimiento de los widgets de recomendaciones. Ofrece informes multidimensionales que le permiten dividir datos en función de la categoría, las marcas, las ubicaciones, etc.

Puede comenzar con nuestro período de prueba gratuito de 14 días.

El motor de recomendación único para el comercio electrónico es REES46 . Su característica principal es que es absolutamente gratuito para los e-tailers, pero tecnológicamente efectivo.

Características de REES46:

Herramienta de recomendaciones omnicanal. Personalice todos los canales: su tienda en línea, búsqueda, activador y correos promocionales, notificaciones push y ponga las recomendaciones también fuera de línea (iBeacon).

Algoritmos específicos de la industria. Nadie puede vender prendas de la misma manera que los cosméticos o FMCG, ¿verdad? Por lo tanto, REES46 está utilizando algoritmos de la industria para actuar con mayor precisión y recomendar los artículos más relevantes a los clientes. Es el ÚNICO motor de recomendación que proporciona esa característica.

Algoritmos industriales disponibles en este momento:

Perfiles virtuales y Big Data. REES46 no solo conoce la información básica de los clientes, sino que también guarda datos sobre los hijos, las mascotas, la condición de la piel o el tipo de cabello, el presupuesto familiar y las relaciones entre los miembros del usuario. Cada cliente tiene su propio perfil virtual en REES46 con todos estos datos. Por lo tanto, es útil hacer recomendaciones cualitativas tanto al cliente como a su familia.

Arranque en frío para la resolución de problemas. REES46 hace recomendaciones cualitativas que operan con un pequeño volumen de datos. Es necesario resolver un “problema de arranque en frío” y recomendar elementos de alta relevancia al nuevo usuario en unos segundos.

REES46 representa la fase de interés del usuario. REES46 ofrece diferentes tipos de recomendaciones y las utiliza según el interés de por vida del cliente.

Puede obtener más información en el sitio web oficial de REES46 .

Barilliance ofrece recomendaciones personalizadas de productos y permite la orientación al cliente con recomendaciones personalizadas en múltiples páginas y múltiples canales.

Nuestro motor de recomendaciones aprende y comprende la intención y las preferencias del usuario y muestra los productos más relevantes y la coincidencia se realiza en tiempo real. Con el tiempo, la recomendación del motor mejora a medida que aprende más sobre segmentos y perfil de usuario.

El sistema utiliza 20 tipos de recomendación de productos que incluyen “¿Qué compran finalmente los clientes?” Y “¿Qué compran los clientes ahora?”. Los motores pueden agregar recomendaciones a cualquier página y en cualquier etapa en la que se encuentre el usuario del sitio web.

El sistema es flexible y permite al usuario anular las reglas de recomendación automatizadas y crear reglas manualmente en función de su estrategia de venta personal.

Puede decidir en qué páginas estará visible el contenido y hacerlo usted mismo en unos minutos sin la participación de TI.

Yusp, que tiene varios clientes de Asia de tamaño pequeño y de tamaño empresarial (Hotstar India, Mudah, Tiki.vn, Vietnamworks, e-Bay) se ha centrado en la ciencia de datos desde 2006: la investigación y el desarrollo de algoritmos de recomendación y sus aplicaciones para una multitud de negocios modelos.

El núcleo de este equipo se compone de los mismos científicos de datos que, como líderes del equipo The Ensemble, empataron en el primer lugar en la competencia del Premio Netflix y ahora también son miembros clave del proyecto CrowdRec, financiado por la UE y cuyo objetivo es desarrollar la próxima generación. de sistemas de recomendación.

Yusp está trabajando en una asociación estratégica mundial con Deloitte, la compañía es un jugador destacado en el panorama de personalización y transformación digital de próxima generación.

Algunos casos de estudio

Publicidad clasificada | Personalización de Yusp como servicio

Ventas minoristas | Personalización de Yusp como servicio

Para sitios de comercio electrónico del tamaño de una PYME:

Yuspify es un complemento de recomendación como servicio para propietarios de Shopify / Prestashop / Woocommerce / Magento de tamaño pyme.

Yuspify funciona con el motor / tecnología de recomendación de Yusp y sabe cómo

QuarticOn está activo en SEA y China continental.

Si está interesado, póngase en contacto conmigo o con nuestra oficina en Shanghai

Kevin Kong

Gerente General QuarticON Shanghai

[correo electrónico protegido]

骐 晟 广告 （上海） 有限公司

[correo electrónico protegido]

Oficina + 8621-60476711

Los motores de recomendación visual de productos de vue.ai ayudan a las tiendas de comercio electrónico en línea a vender artículos de moda de manera efectiva a los clientes.

Estos sistemas de recomendación creados con inteligencia artificial profundizan en el corazón de las preferencias del cliente y sugieren imágenes relacionadas de los productos que el cliente podría comprar.

Para los propietarios de tiendas de comercio electrónico, esto resulta en mejores tasas de conversión, abandono de carritos suprimidos y mejores tasas de clics.

¿Por qué el motor de producto visual de vue.ai es genial?

• Aumenta el compromiso del cliente
• Amplifique métricas clave como tasas de conversión y CTR fácilmente
• Ofrecer ventas cruzadas, ventas adicionales, completar las características de aspecto
• El poder de la inteligencia artificial
• Mata clones y mejora la experiencia de compra

vue es el mejor motor de recomendación visual cuando se trata de opciones disponibles para sistemas de recomendación de código abierto.

Espero que esto sea útil para tomar una buena decisión para obtener su inteligencia artificial.

Hola, trabajo para la empresa de consultoría de ciencia de datos InData Labs. Nuestra sede central se encuentra en Europa, pero operamos en la región APAC desde nuestra oficina en Singapur.
En términos de proporcionar motores de recomendación, hacemos soluciones personalizadas para varias empresas teniendo en cuenta la industria y los datos específicos de cada empresa. Nuestros sistemas de recomendación se basan en algoritmos patentados y nuestro producto Snipe.

Por favor, no dude en contactarnos, estaremos encantados de responder todas las preguntas y hacer un PoC gratis después de investigar sus datos.

¿Has oído hablar de Segmentify?

¡Segmentify proporciona una recomendación que siempre coincide! Funciona 24/7, observa y segmenta el comportamiento de compra de su cliente y la tendencia de compra en tiempo real . Segmentify se puede configurar fácilmente con solo un inicio de sesión y una integración de código de oración en su sitio web.

Espero que Segmentify pueda ayudar.

Gracias.

CONOCER A TU CLIENTE ES CLAVE DE CUALQUIER NEGOCIO DE ECOMMERCE

Las soluciones de RetailReco Predictive Analytics resuelven todos los problemas técnicos de comercio electrónico y ofrecen predicciones precisas para las compras previstas de los clientes, así como para los clientes previstos de los productos. Las predicciones se sirven directamente desde la web y automáticamente los productos agotados se reemplazan por los nuevos productos. Las ofertas personalizadas consistentes en el móvil, en el sitio web y en el correo electrónico aumentan los resultados en una lealtad del cliente mucho más fuerte, una base de clientes feliz y un aumento en los mismos ingresos del cliente. Las ofertas actuales de productos de venta cruzada y alta son la base del éxito en la venta minorista en línea. http://www.retailreco.com/