Chi naviga in un e-commerce lascia molte tracce: pagine visualizzate, prodotti selezionati, tempo di permanenza, recensioni prodotti. Attraverso un sito di e-commerce le aziende hanno la possibilità di raccogliere un enorme volume di dati ricchi di informazioni di valore. Estrarre conoscenza e interpretare correttamente questi dati permette di veicolare l’utente verso una scelta maggiormente affine ai propri interessi, diversamente l’utente non soddisfatto per la proposta di articoli lontani dalle sue esigenze, abbandonerebbe il sito senza finalizzare l’acquisto.
Dyrecta Lab, in qualità di Istituto di ricerca e laboratorio scientifico riconosciuto dal MUR, ha affrontato il tema nello studio “Design and Implementation of a Software Platform Based on Artificial Intelligence for Product Recommendation”, pubblicato sull’International Journal of Computer and Information Engineering (vol. 17, n. 5, 2023).
Piattaforma web integrata con modulo di raccomandazione prodotti affini agli interessi del cliente
La ricerca ha avuto come obiettivo la progettazione e la realizzazione di un prototipo di piattaforma web, accessibile da computer, tablet e smartphone, attraverso cui l’utente si registra, fornisce le informazioni di interesse e visualizza i prodotti che il sistema ritiene più affini. La piattaforma si basa sulla implementazione di un sistema di raccomandazione basato su algoritmi di intelligenza artificiale che forniscono suggerimenti e supporto decisionale al cliente. In particolare, è stato considerato un approccio ibrido che prevede l’utilizzo di algoritmi Support Vector Machine (SVM)combinati con tecniche di elaborazione del linguaggio naturale (NLP) che consentono all’utente di interagire con il sistema, esprimere le proprie richieste e ricevere suggerimenti.
Il modello ibrido: LSTM, TF-IDF, SVM
Il modello proposto è in grado di sfruttare le informazioni utili nascoste nei dati, come le preferenze del cliente desunte dal comportamento di navigazione (pagine web consultate, tempo di permanenza e clic effettuati).
Per stimare il grado di gradimento relativo ad articoli non ancora interagiti dall’utente, viene impiegata una rete LSTM, che calcola un punteggio di preferenza e genera una classifica personalizzata dei prodotti per ciascun cliente.
Inoltre, il sistema combina la rete LSTM con tecniche di elaborazione del linguaggio naturale (NLP) per estrapolare lo stato emotivo dell’utente e metterlo in relazione con altre variabili. Nello specifico, l’estrazione delle caratteristiche testuali avviene tramite la tecnica TF-IDF — ampiamente diffusa nel text mining per evidenziare le parole chiave più significative —, mentre la successiva classificazione dei dati è affidata all’algoritmo SVM, scelto per la sua efficienza e per il basso costo computazionale.
Perché la raccomandazione dei prodotti interessa alle imprese
Secondo lo studio, elaborare i dati raccolti tramite e-commerce e social offre all’impresa benefici organizzativi ed economici, una maggiore soddisfazione dei clienti e la possibilità di fidelizzarli. Il lavoro rientra nel progetto industriale “Progettazione e realizzazione di strumenti basati sull’intelligenza artificiale per la configurazione di sistemi software”. Prosegue inoltre la ricerca di Dyrecta Lab sulla previsione delle vendite.
Se i dati di vendita e di navigazione della tua azienda restano in gran parte inutilizzati, contattaci per valutare un progetto di ricerca e sviluppo.
Per maggiori informazioni, consulta il paper:
https://publications.waset.org/10013104/pdf
