#ExploreHybris – Modele Rekomendacji w SAP Hybris Marketing

W serii #ExploreHybris eksperci Apollogic dzielą się wiedzą dotyczącą możliwości najwydajniejszego wykorzystania i rozszerzania systemu SAP Hybris Marketing. Jest to kompleksowa platforma Automatyzacji Marketingu służąca do zarządzania aktywnościami marketingowymi i relacjami z Klientami.

Z tego artykułu dowiesz się:

Jak w praktyce zastosować rekomendacje SAP Hybris Marketing?
Jak stworzyć rekomendacje produktowe?
Jak zachowania odbiorców wpływają na polecane treści?

Praktyczne zastosowanie modułu rekomendacji w SAP Hybris Marketing

Moduł rekomendacyjny SAP Hybris Marketing to narzędzie umożliwiające tworzenie spersonalizowanych rekomendacji produktów, dostosowanych do konkretnego użytkownika. Jest to możliwe dzięki wykorzystaniu różnych kanałów komunikacji, takich jak systemy e-commerce, strony internetowe, media społecznościowe i kampanie e-mailowe.

Tworzenie rekomendacji produktowych

Tworzenie i zarządzanie modelami rekomendacyjnymi odbywa się przy użyciu grupy dedykowanych aplikacji typu SAP Fiori, znajdujących się na Launchpadzie użytkownika. Umożliwiają one zarówno wykorzystanie predefiniowanych modeli dostępnych w systemie, jak i budowę własnych kompleksowych modeli rekomendacyjnych. Obejmują one między innymi wybór odpowiednich algorytmów oraz określenie rodzaju i zakresu analizowanych informacji.

sap hybris marketing recommendation fiori

Wykorzystanie modułu rekomendacji umożliwia użytkownikowi precyzyjne dopasowanie polecanych produktów z uwzględnieniem ich popularności, częstotliwości wspólnego wyszukiwania czy aktywności odbiorców o najbardziej zbliżonych preferencjach.

Korzyści dla biznesu:

Przedstawianie Klientom treści dopasowanych do ich preferencji
Natychmiastowa odpowiedź na specyficzne potrzeby
Selekcja produktów na podstawie zewnętrznych warunków, np. pogodowych/ lokalizacji
Wykorzystywanie aktualnych trendów z Mediów Społecznościowych (real-time marketing)
Badanie skuteczności kampanii na podstawie konwersji

Poza warstwą rekomendacyjną, która stanowi podstawę modelu, użytkownik zyskuje możliwość elastycznego dopasowywania go przez zastosowanie warstw służących zmianie rankingu rekomendowanych pozycji oraz dodatkowego przefiltrowania zwracanych wyników.

W przedstawionym poniżej przykładzie wykorzystaliśmy standardowy algorytm systemu tworzący rekomendacje na podstawie najczęściej wyświetlanych wspólnie produktów. Model rozszerzyliśmy dodatkowo o niestandardowy, stworzony przez nas algorytm, zmieniający rankingi pozycji o jednakowej trafności, na podstawie ich ceny, z pominięciem produktów, które już znalazły się w koszyku użytkownika.

sap hybris marketing recommendation launchpad

Prosty interfejs umożliwia także ustalanie dodatkowych opcji, takich jak częstotliwość odświeżania modelu oraz ograniczenie liczby zwracanych na każdym etapie wyników.

Po zaprojektowaniu modelu możliwe jest przeprowadzenie symulacji rekomendacji produktów. Dzięki temu użytkownik może zweryfikować czy model działa zgodnie z założeniami przed jego wykorzystaniem np. w systemie e-commerce.
Narzędzie umożliwia symulację z podstawieniem do modelu parametrów obejmujących:

użytkownika,
aktualnie oglądany produkt,
produkty znajdujące się w koszyku oraz parametry kontekstowe.

W zależności od przygotowanego scenariusza algorytmy mogą wymagać uzupełnienia różnej liczby atrybutów.

W opisywanym przykładzie podaliśmy aktualnie przeglądany obiekt oraz produkt znajdujący się wcześniej w koszyku kupującego. Celem była symulacja sytuacji, w której użytkownik sklepu internetowego przegląda stronę z ziarnami kawy, posiadając już kubek w koszyku.

Jej efektem jest rekomendowana lista produktów, które użytkownicy najczęściej przeglądali razem z ziarnami kawy, z pominięciem kubka jako produktu, który już znajdował się w koszyku. Dodatkowo obiekty o jednakowym poziomie trafności uporządkowane zostały względem ceny – zgodnie z naszym założeniem, że czarna herbata to produkt tańszy niż zielona.

sap hybris marketing recommendation charts

Jak widać, interfejs do projektowania modeli rekomendacyjnych okazuje się łatwy i intuicyjny w użyciu. Umożliwia nie tylko szybkie tworzenie, ale też testowanie modeli rekomendacji.