Sistemas de Recomendação Aplicados a Web
Como converter visitantes em compradores
Arthur Fortes da Costa
• Bacharel em Ciência da Computação – Centro de Ensino Unificado de Teresina (CEUT) – 2012
• Desenvolvedor Back end
• Python (2010)
• Mestrando em Sistemas Web e Multimídia – Instituto de Ciências Matemáticas e de Computação – Universidade de São Paulo
• Enfoque em Sistemas de Recomendação e Agrupamento de Dados
Rafael Martins D’Addio
• Bacharel em Ciência da Computação – Pontifícia Universidade Católica de Minas Gerais (PUC-Minas) – 2012
• Mestrando em Sistemas Web e Multimídia – Instituto de Ciências Matemáticas e de Computação – Universidade de São Paulo
• Enfoque em Sistemas de Recomendação e Processamento de Linguagens Naturais
A Web
A Web
• Três momentos:
- Web 1.0: início dos anos 90 até início dos anos 2000
- Web 2.0: meados de 2000 até o presente - Web 3.0: o futuro
Web 1.0
• Conteúdo estático
• Webmaster
• Fluxo unidirecional de Informação
Web 2.0
• Conteúdo dinâmico
• Blogs
• Redes Sociais
• Fluxo bidirecional de Informação
Web 3.0
• Web Semântica
• Web Inteligente
• Base de Dados Mundial
Web 3.0
Usuário
Usuários
Conhecimento gerado a partir de Mineração de
Dados
Antes...
Agora...
Solução?!
Sistemas de Recomendação!
Sistemas de Recomendação
• Sistemas baseados e moldados especificamente para o usuário
• Filtragem de conteúdo baseada única e exclusivamente nas preferências das pessoas que o acessam
“A lot of times, people don't know what they want until you show it to them.”
-Steve jobs
“Sei que você gosta de filmes de ação, você deveria assistir Os Mercenários!”
“Já ouviu o novo CD do AC/DC? Está excelente!”
Recomendação está presente no dia-a-dia das
pessoas
Porque não adicionar este conceito aos web-
sites?
Por que utilizar Sistemas de Recomendação?
• Sobrecarga de Informação
• Milhares de artigos, postagens, músicas, filmes e produtos sendo lançados diáriamente
• Netflix: 2/3 dos filmes assistidos vêm de Recomendação
• Amazon: 38% das vendas são de recomendação
(fonte: Celma e Lamere, ISMIR 2007)
Onde há Sistemas de Recomendação?
O que pode ser recomendado?
• Filmes
• Produtos
• Música
• Livros
• Artigos
• Programas de TV
• Lugares
• Alimentação, etc
Basicamente: O QUE
VOCÊ QUISER!!
E como esses sistemas funcionam?
O que um Sistema de Recomendação precisa?
• Usuários
• Produtos
• Interações
• Explícitas
• Implícitas
Interações Explícitas
• Notas
• Comentários ou revisões
Interações implícitas
• Cliques
• Histórico de visitação de páginas
• Tempo na página
• Favoritação
O que um Sistema de Recomendação faz?
• Prevê a nota que um usuário atribuiria a um item que ele não avaliou anteriormente
e/ou
• Gera listas de recomendação baseando-se na afinidade/similaridade da preferência de um usuário com um item desconhecido
Filtragem Baseada em conteúdo
• Usuários recebem sugestões de itens que são similares àqueles que ele considera interessante
Filtragem baseada em conteúdo
• Principais problemas:
• Sobre-especialização: usuário não
recebe itens que ele possa gostar mas que fujam de um pré-estabelecido contexto
• Análise Limitada de Conteúdo: dois produtos com mesmas descrições são idênticos para o sistema
Filtragem colaborativa
• Usuários recebem sugestões de itens que usuários de preferências similares demonstraram interesse
Filtragem colaborativa
• Principais problemas:
• Esparsidade: número de interações é pequeno em relação ao número de usuários e itens
• Partida-fria:
• Usuários novos recebem recomendações ruins
• Itens novos são difíceis de ser recomendados
Sistemas Híbridos
• Utilização de dois ou mais paradigmas em conjunto
• Objetivo: uso de múltiplas abordagens de maneira que uma reduza as deficiências da outra.
Como são avaliados?
• Uso de bases de dados prontas
• Conjunto de treinamento e teste
• Predição de notas:
• Medidas de erro (RMSE)
• Recomendação em listas:
• Medidas de precisão de rankings (precisão @ K, MAP)
Por onde começar?
Leituras
• Recommender Systems Handbook.
Ricci, F., Rokach, L., Shapira, B., Kantor, P.B. (Eds.), 2011, XXIX, 842p
http://www.springer.com/computer/ai/b ook/978-0-387-85819-7
Leituras
• Artigos de conferências:
• ACM RecSys
• WebKD: Web Knowledge Discovery and Data Mining
• ACM KDD: Knowledge Discovery and Data Mining
• SIGIR: Information Retrieval
• ICWSM: Weblogand Social Media
• WIC: Web Intelligence
Ferramentas
• MyMediaLite
• Biblioteca de recomendação desenvolvida em C#
• Web-site: http://mymedialite.net/
• Lenskit
• Toolkit de recomendação desenvolvido em Java
• Web-site: http://lenskit.org/
• CRAB
• Framework de recomendação desenvolvid em Python
• Web-site: http://muricoca.github.io/crab/
O ecossistema do e-commerce
A cadeia do e-commerce
Comparadores de preços
Marketing Logística Mídias Sociais
Pagamentos
On-line Segurança Web Analytics
Plataformas
SEO Sistemas de Recomendação
Plataformas
• Expectativa da Empresa
• Compatível com os novos scripts, como Google Analytics, Adwords, etc.
• SEO e soluções de segurança
• Ferramentas para criar promoções
• Geração de Relatórios
• Frontend atraente e com identidade
• Flexibilidade
• Ferramentas de personalização
Plataformas
• Expectativa dos Clientes
• Múltiplos meios de pagamento
• Layout limpo, rápido e de fácil navegação (usabilidade)
• Cupom de descontos
• Grande variedade e oferta de produtos
• Produtos relacionados com o seu interesse
Métricas (O Que São e Para que Servem? )
• Onde e por quê os visitantes abandonam o processo de compras?
• Qual a usabilidade da loja?
• Quais ações de marketing são efetivas?
• Qual a origem dos visitantes?
• O que as pessoas fazem no site?
• Quais tags geram visitas e vendas?
• Quais ferramentas melhoram as vendas?
Fonte: slideshare.net/gestahipermidia
Principais Desafios dos E-commerces
Principais Desafios dos E-commerces
Baixas taxas de Conversão
Baixo Envolvimento
Taxa de conversão = Número de Compras
Número de visitantes únicos
• O que é taxa de conversão?
O Que é Envolvimento?
“Eu compro naquela loja por que lá eu sou Eu.”
Por que Precisamos Aumentar a Conversão?
• Psicologia da Compra e Competitividade
- Compra por impulso
- Ambiente propício a comparações - Baixo custo da pesquisa
- Qualificação e racionalidade do consumidor - Físico x virtual
- Usabilidade - Credibilidade
- Intangibilidade da venda virtual
A Estratégia Atual do E-Commerce Brasileiro
• Alto investimento em atração de tráfego: TV, Mailings, SEO, Links Patrocinados, etc.
O Que Falta?
• Transformar o tráfego gerado em receita!
O Amadurecimento do Mercado
• Mercados amadurecidos sabem que otimizar a taxa de conversão é
complementar à atração de tráfego
• Uma pequena melhoria na taxa de
conversão corresponde a um aumento significativo de receita
Venda para Pessoas e Não Computadores
Ferramentas de Conversão
Como Transformar Tráfego em Conversão?
• Transformando visitantes em clientes através de Serviços Inteligentes de Recomendação
Serviços de Recomendação
• Geram sugestões personalizadas, melhorando a experiência e
potencializando vendas
• Os serviços de recomendação podem e devem ser facilmente aplicados à sua loja virtual, ajudando seus clientes a fazer escolhas inteligentes e
aumentando suas vendas
“Os serviços de recomendação personalizada formam um guia indispensável no processo de escolha de produtos em um e-
commerce e visam sugerir o produto mais atraente para cada cliente, em cada contexto, antes da perda de sua atenção. Essa sugestão pode ser feita através de vitrines personalizadas dentro da loja ou disparando
e-mails com produtos selecionados exclusivamente para cada cliente.”
Artigo publicado na revista E-Commerce Brasil, Ano 2, Edição 1.
Como Funciona?
Monitorar e analisar a efetividade da recomendação Mostrar itens recomendados
Aplicar Algoritmo de recomendação
Capturar as informações sobre as interações do usuário Capturar informações sobre os produtos
Abordagens de Recomendação
• Baseada em Conteúdo: Analisa as características dos produtos
• Filtragem Colaborativa: Usa informações sobre as avaliações dos usuários
• Cross-Selling: Venda de um item adicional ao cliente; implementado usando diferentes abordagens
• Behavioral Targeting: Usa informações comportamentais para encontrar padrões de consumo e recomendar
• Híbrida: Duas ou mais abordagens combinadas
Por que Utilizar um Serviço de Recomendação?
Porque
• Porque precisamos ajudar os clientes a comprarem! As
pessoas não encontram o que querem ou não sabem o que querem.
Quais os Benefícios?
• Transformar visitantes em clientes: Permite que o visitante conheça
produtos, serviços, pessoas, etc. que ele não conheceria sem o auxílio de uma ferramenta de personalização inteligente
• Estimular as vendas cruzadas: Oferta itens altamente relacionados ao
perfil do usuário, aumentando a probabilidade de venda e elevando o valor do ticket médio
• Fidelizar usuários: A personalização da experiência de compra resulta em fidelização e tem influência direta sobre o fluxo futuro de usuários.
Principais Pontos de Recomendação no Site
Home Página do
Produto Carrinho Finalização
de Compra
Home
• Recomendamos (hoje) para você
• Novidades para você
• Em breve para você
• Mais vistos (populares)
• Mais comprados (populares)
• Últimos produtos visualizados
Página de Produto e Carrinho
• Quem comprou X também comprou Y
• Quem viu X comprou Y
• Quem viu X também viu Y
• Mais populares (por categoria)
• Produtos relacionados / Visualmente similares
Agregando valor: Publicidade
Recomendação no Processo de Checkout
O Que é o Processo de Checkout
• São os passos entre o carrinho e o fechamento do pedido.
Conversão x Checkout
• Pelo menos 59.8% dos clientes potenciais abandonam o carrinho de compras.*
• Questões:
– Por que essa taxa é tão elevada?
– Existem erros básicos a serem evitados?
– Há dicas ou regras que devem ser seguidas para reduzir essa taxa?
– Há formas de aumentar a conversão no processo de checkout?
* C. Holst, Fundamental Guidelines of E-Commerce Checkout Design, 06/04/2011, Smashing Magazine.
Algumas Dicas*
1. Mostre os passos
2. Mostre os ícones de pagamento
3. Adicione instruções onde necessário 4. Explicite os tempos de processamento 5. Explique os campos
6. Ajude com códigos de segurança 7. Forneça um link para o carrinho 8. Inclua links para chats
9. Mostre claramente erros
10. Não solicite informações desnecessárias
* P. Hazelton, 10 Ecommerce Checkout Strategies, (24/02/2011), Practical Ecommerce - Insights for Online Merchants.
Amazon.com: O maior comércio eletrônico do mundo
• Faturamento em 2010: US$ 34,20 Bilhões
• 1/3 do faturamento vem de recomendação
• Faturamento por recomendação em 2010:
• US$ 11,40 Bilhões
• R$ 18,40 Bilhões
Fonte:Wikinvest.com
Faturamento do Comércio Eletrônico Brasileiro em 2010
• Faturamento em 2010: R$ 14,8 Bilhões R$ 14,8 Bilhões < R$ R$ 18,40 Bilhões
• A Amazon vendeu mais com recomendação do que todo mercado brasileiro em 2010!
Fonte:Webshoppers.com
“Nós não fazemos dinheiro quando vendemos produtos, fazemos dinheiro quando ajudamos os clientes a tomarem
decisões de compras.”
Jeff Bezos, Amazon.com
Resultado do uso de Recomendação
• Receita: aumento de até 20% no faturamento
• Engajamento: até 18% dos Visitantes se Engajam com as Recomendações (VER)
• Itens por Pedido: até 40% de aumento nos VERs
• Taxa de Conversão: até 4x de aumento nos VERs
• E-mail Personalizado: até 70% de aumento na taxa de aderência
* Fonte: CoreMetrics; Exact Target
Comparando Serviços de Recomendação
“Embora a eficácia da recomendação seja o aspecto mais importante de uma solução, a decisão de compra depende da cobertura
geográfica, mercado alvo, cuidado com os clientes, expertise, escalabilidade e as interfaces de controle das recomendações.”
Obrigado ;)
Sistemas de Recomendação Aplicados a Web
Como converter visitantes em compradores
Arthur Fortes da Costa fortes.arthur@gmail.com
Rafael D’addio
rmartins.daddio@gmail.com
