РАЗРАБОТКА ИННОВАЦИОННЫХ МЕХАНИЗМОВ РЕКОМЕНДАЦИЙ И ПЕРСОНАЛИЗАЦИИ ДЛЯ УЛУЧШЕНИЯ ПОЛЬЗОВАТЕЛЬСКОГО ОПЫТА НА ТОРГОВОЙ ПЛАТФОРМЕ

Боковая панель статьи

PDF (английский)
Опубликован: 2022-10-05
DOI: https://doi.org/10.66073/researchfocus.v2i9.759
Ключевые слова:
механизмы рекомендаций, механизмы персонализации, пользовательский опыт, онлайн-покупки, совместная фильтрация, фильтрация на основе контента, гибридные подходы, профилирование пользователей, анализ предпочтений, контекстные рекомендации, интеграция, масштабируемость, рекомендации в реальном времени, метрики оценки, бизнес-результаты, кейс. исследования

Основное содержимое статьи

Ташмухамедова Гульчехра Тахировна
Директор компании ООО «Revolution team»
Саидов Арслон Даврон угли
Докторант Научно-исследовательского института развития технологий искусственного интеллекта
Давронов Муроджон Шухрат Угли
Магистрант Ургенчского филиала Ташкентского университета информационных технологий

Аннотация

В этой статье исследуется разработка инновационных механизмов рекомендаций и персонализации для улучшения пользовательского опыта на торговой платформе. Внедрение эффективных механизмов рекомендаций и методов персонализации в онлайн-покупках может значительно улучшить взаимодействие с клиентами, их удовлетворенность и коэффициенты конверсии. В статье исследуются различные алгоритмы и методы, используемые для разработки механизмов рекомендаций, включая совместную фильтрацию, фильтрацию на основе контента и гибридные подходы. Она также углубляется в методы персонализации, такие как профилирование пользователей, анализ предпочтений и контекстные рекомендации. Кроме того, в статье обсуждается интеграция механизмов рекомендаций и механизмов персонализации в торговые платформы с учетом масштабируемости и рекомендаций в реальном времени. Предлагаются метрики оценки и показатели успеха для измерения влияния этих механизмов на пользовательский опыт и результаты бизнеса. В заключение статьи представлены тематические исследования и практические подходы, подчеркивающие успешную реализацию рекомендаций и персонализации на торговых платформах.

Информация о статье

Выпуск

Том 2 № 9 (2023): Research Focus International Scientific Journal. Том 2, выпуск 9 (2023)

Раздел

Статьи
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Как цитировать

РАЗРАБОТКА ИННОВАЦИОННЫХ МЕХАНИЗМОВ РЕКОМЕНДАЦИЙ И ПЕРСОНАЛИЗАЦИИ ДЛЯ УЛУЧШЕНИЯ ПОЛЬЗОВАТЕЛЬСКОГО ОПЫТА НА ТОРГОВОЙ ПЛАТФОРМЕ. (2022). Research Focus International Scientific Journal, 2(9), 32-39. https://doi.org/10.66073/researchfocus.v2i9.759

Библиографические ссылки

Adomavicius, G., & Tuzhilin, A. (2005). Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Transactions on Knowledge and Data Engineering, 17(6), 734-749.

Burke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User Modeling and User-Adapted Interaction, 12(4), 331-370.

Chen, L., Pu, P., Hu, R., & Liu, J. (2012). A Survey of Context-Aware Recommender Systems. Journal of Intelligent Information Systems, 38(2), 269-296.

Herlocker, J. L., Konstan, J. A., Terveen, L. G., & Riedl, J. T. (2004). Evaluating Collaborative Filtering Recommender Systems. ACM Transactions on Information Systems, 22(1), 5-53.

Koren, Y., Bell, R., & Volinsky, C. (2009). Matrix Factorization Techniques for Recommender Systems. Computer, 42(8), 30-37.

Lam, S. Y., Shankar, V., Erramilli, M. K., & Murthy, B. (2004). Customer Value, Satisfaction, Loyalty, and Switching Costs: An Illustration from a Business-to-Business Service Context. Journal of the Academy of Marketing Science, 32(3), 293-311.

Ricci, F., Rokach, L., & Shapira, B. (2011). Introduction to Recommender Systems Handbook. In F. Ricci, L. Rokach, & B. Shapira (Eds.), Recommender Systems Handbook (pp. 1-34). Springer.

Sarwar, B., Karypis, G., Konstan, J., & Riedl, J. (2001). Item-Based Collaborative Filtering Recommendation Algorithms. In Proceedings of the 10th International Conference on World Wide Web (pp. 285-295). ACM.

Su, X., & Khoshgoftaar, T. M. (2009). A Survey of Collaborative Filtering Techniques. Advances in Artificial Intelligence, 2009, 1-19.

Verbert, K., Duval, E., Klerkx, J., Govaerts, S., & Santos, J. L. (2012). Learning Analytics Dashboard Applications. American Behavioral Scientist, 57(10), 1500-1509.