mercoledì 2 febbraio 2011

Computer che imparano e consigli ai turisti

La società LikeCube, in questo articolo, dichiara che le tecniche di machine learnig possono permettere di iniziare una nuova era nell'online travel.
Di cosa si tratta?

In pratica, il sistema sviluppato da LikeCube permette di "profilare" i clienti (intenzioni, motivazioni, aspetto demografico e geografico, utilizzo dei media e, naturalmente, acquisti effettuati), in modo dinamico, cosicché, la variazione di uno di questi aspetti, possa essere recepita prontamente dal sistema e quindi dall'attività di marketing che riguarderà il cliente.
Non solo, può accadere, che, nello stesso periodo, uno stesso cliente effettui attività diverse, usando canali differenti, ad esempio "...  a customer may be, within the same month, looking at planning a family vacation for the summer, searching for a romantic weekend gateway, and booking a business trip all from the same website. He might also be reviewing restaurants and sharing comments about an exposition he saw while sharing his location from his mobile, which says a lot about who he is ...".

Si tratta di dinamiche che la classica attività (statica) di database segmentation non può cogliere. La profilazione del cliente andrebbe fatta considerando (e separando) in base al contesto, al tipo di ricerca che il cliente ha effettuato ed allo specifico viaggio che ha organizzato. Tutto ciò, naturalmente, evolve nel tempo ma, fortunatamente, è facilmente tracciabile grazie alla mole di user generated data, che il cliente lascia dietro di se (si pensi a ratings e reviews, likes, check-ins e ai canali mobile phone e social media.

Secondo LikeCube, attraverso tecniche di Machine Learning associate a sistemi semantici, è possibile capire, nell'istante in cui un cliente sta effettuando una ricerca, "cosa piace" al cliente e quindi cosa consigliarli, filtrando in modo opportuno i risultati della ricerca.

Il sistema di LikeCube usa 2 tipologie di dati data:
  • Meta-data (categories, attributes, tags, etc) 
  • User activity (ratings and reviews, check-ins, buying history, wish lists, searches, click-stream, etc).
Attraverso l'analisi di questi dati, il sistema è in grado di personalizzare un sito web, ad esempio, facendo in modo che, se un utente cerca un certo tipo di prodotto (e. g. romantic hotel in Paris), i risultati comprenderanno solo le soluzioni che l'algoritmo di LikeCube ritiene possano piacere al cliente.

Certo, a chi ha utilizzato Amazon per fare i propri acquisti, tutto ciò sembrerà familiare e non proprio innovativo. La scommessa di LikeCube è quella di utilizzare un sistema del genere nell'ambito del online travel.

Nessun commento:

Cerca nel blog