Section 4 classifies e-commerce rec

Section 4 classifies e-commerce recommendation applications by the functional inputs and outputs to the application, the recommendation method, and other design issues. Table 1 reveals five patterns in e-commerce recommender application designs, each addressing different business goals. This section identifies the five business goals and the application models used to address them. Designers of e-commerce recommender applications can use these models as examples of already-proven solutions to be emulated or can use these as a base from which to explore as-yet-untested recommender application models that may address new business needs.



Helping New and Infrequent Visitors: Broad Recommendation Lists



One of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever technique is used, the lists help orient users who might otherwise leave before finding compelling products.




Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed, except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers. The recommendations themselves can be delivered in several different ways, though most applications either place them on a home page or "category home" page or advertise them and have users directly select them.



Building Credibility through Community: Customer Comments and Ratings



Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect reviews and ratings from members of the community at large. These systems use the targeted customer’s current navigation to suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow customers to communicate with each other and provide each other with advice and feedback on products.



These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and form her own opinion.



Inviting Customers Back: Notification Services




Stores that know their customers’ interests can leverage that information by inviting them back to the store when new products of interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.


Cross-Selling: Product-Associated Recommendations



Suggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can directly suggest products related to the one a customer is viewing. By using the targeted customer’s current navigation as an ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display suggestions to the targeted customer.



Many different recommender applications use the context of a current product or several current products to recommend other products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a product information page.

ผลลัพธ์ (ไทย) 1:

4 ส่วนแบ่งประเภทของโปรแกรมประยุกต์คำแนะนำเกี่ยวกับอีคอมเมิร์ซ โดยอินพุตทำงาน และแสดงผลโปรแกรมประยุกต์ วิธีแนะนำ และปัญหาอื่น ๆ การออกแบบ ตารางที่ 1 พบ 5 รูปแบบในอีคอมเมิร์ซผู้แนะนำโปรแกรมออกแบบ เป้าหมายแต่ละธุรกิจแตกต่างกันแก้ปัญหา ส่วนนี้ระบุเป้าหมาย 5 ธุรกิจ และแบบจำลองแอพลิเคชันใช้เพื่อพวกเขา ออกแบบโปรแกรมประยุกต์อีคอมเมิร์ซผู้แนะนำสามารถใช้แบบจำลองเหล่านี้เป็นตัวอย่างของวิธีที่พิสูจน์แล้วเพื่อสามารถจำลอง หรือสามารถใช้เหล่านี้เป็นฐานที่ผู้แนะนำเป็น ยังยังไม่ทดลองแบบจำลองแอพลิเคชันที่อาจจัดการกับความต้องการทางธุรกิจใหม่ช่วยให้ผู้เข้าชมใหม่ และดำรัส: รายการแนะนำอย่างกว้าง ๆหนึ่งในความท้าทายสำคัญสำหรับเว็บไซต์อีคอมเมิร์ซคือการต่อสู้ชม – โดยเฉพาะใหม่ และดำรัสชม – ก่อนปล่อยให้พวกเขาไปยังอีกไซต์หนึ่ง สำหรับเว็บไซต์ที่แสดงรายการพันล้านของผลิตภัณฑ์แตกต่างกันไป ความท้าทายนี้เป็นเฉียบพลันโดยเฉพาะอย่างยิ่ง นอกจากนี้พวกเขาไม่เพียงต้องต่อสู้เยี่ยม แต่ยัง ให้เขาจากการสูญเสีย และความผิดหวัง เกือบทุกเว็บไซต์ที่เยี่ยมชมมีรูปแบบของรายการแนะนำกว้างที่ออกแบบมาเพื่อลูกค้าที่มีต่อผลิตภัณฑ์เสน่ห์โดยตรง รายการเหล่านี้ให้ลูกค้าเป้าหมายเพื่อใช้นำทางปัจจุบันจะดึงคำแนะนำที่ไม่ใช่ส่วนบุคคลโดยทั่วไป รวมถึงส่วนรวมผู้ขาย สินค้าขายดีในประเภท คำแนะนำแก้ไขและผู้เชี่ยวชาญ และชุดอื่น ๆ ของผลิตภัณฑ์ที่เลือกด้วยตนเอง หรือ ผ่านทางสถิติสรุปง่าย ในสาระสำคัญ รายการคำแนะนำเหล่านี้แทนแสดง tabletop ปลาย และผลิตภัณฑ์ขนาดใหญ่แสดงในร้านค้าทางกายภาพ จะใช้เทคนิคใด รายการช่วยโอเรียนท์ผู้อื่นทิ้งก่อนที่จะหาผลิตภัณฑ์ที่น่าสนใจส่วนหนึ่งของสิ่งที่ทำให้รายการแนะนำสิ่งที่โดดเด่นเพื่อให้เป็นระดับต่ำสุดของการป้อนข้อมูลที่จำเป็น ข้อมูลส่วนบุคคลไม่จำเป็น ยกเว้นบริบทข้อมูลแบบชั่วคราวน้อยเกี่ยวกับประเภทของลูกค้า รายการแนะนำกว้างช่วยให้นักการตลาดปรับราคาและสินค้าคงคลังเพื่อให้ตรงกับคำแนะนำเนื่องจากพวกเขาสามารถมั่นใจได้ว่า คำแนะนำเหล่านี้จะเข้าถึงผู้ชมขนาดใหญ่ บรรณาธิการหรือผู้เชี่ยวชาญสามารถสร้างข้อความล้อมรอบกว้างแนะนำตลาดสินค้าแนะนำให้ แนะนำตัวเองสามารถส่งหลายวิธีแตกต่างกัน แม้ว่าโปรแกรมส่วนใหญ่จะวางไว้บนโฮมเพจหรือหน้า "ประเภทบ้าน" หรือโฆษณาเหล่านั้น และมีผู้ใช้เลือกโดยตรงสร้างความน่าเชื่อถือผ่านชุมชน: ความคิดเห็นและการจัดอันดับร้านค้าปลีกทั่วไป และอีร้านค้าปลีกโดยเฉพาะ ต้องมักเอาชนะรูปของความน่าเชื่อถือต่ำ ลูกค้าอาจรู้สึกว่า ไซต์ได้รับความสนใจในการขาย และจะนำเสนอดังนั้น "คำแนะนำใดๆ" หรือโฆษณาชวนพวกเขาจำเป็นต้องซื้อ ในขณะที่หลักการของการตลาดแบบหนึ่งต่อหนึ่งแนะนำอยู่ในร้านค้าปลีกที่สนใจเพื่อผลประโยชน์ของลูกค้า ร้านค้าต้องยังคงกระโดดผ่านรั้วกระโดดข้ามความน่าเชื่อถือสู่ความสัมพันธ์แบบหนึ่งต่อหนึ่ง วิธีหนึ่งคือการ รวบรวมจากจากสมาชิกของชุมชนมีขนาดใหญ่ ระบบนี้ใช้ของลูกค้าเป้าหมายปัจจุบันนำทางแนะนำซึ่งไม่ใช่ส่วนบุคคลคิด จัดอันดับ และคาดคะเนการแสดง passively อเมริกาอนุญาตให้ลูกค้าสามารถสื่อสารกัน และกันให้คำแนะนำและคำติชมเกี่ยวกับผลิตภัณฑ์ โดยการสร้างเป็น "ศูนย์กลางชุมชน"คำแนะนำ "รากหญ้า" เหล่านี้ต้องพยายามในการนำเว็บไซต์น้อย เนื่องจากลูกค้าที่ทำการประเมินทั้งหมด พวกเขายังมีความน่าเชื่อถือในระดับสูงเนื่องจากลูกค้ามักจะมีแนวโน้มที่จะเชื่อว่าชุดของลูกค้ารายอื่น ๆ กว่าตลาดที่ทำให้เงินในการซื้อ เป็นด้านสวัสดิการ พวกเขาสร้างความรู้สึกของชุมชนที่สามารถแยกความแตกต่างของเว็บไซต์จากผู้อื่น และเพื่อรักษาลูกค้า ข้อคิดเห็นลูกค้าโปรแกรมจะสรุปการจัดอันดับ เป็นค่าเฉลี่ยหรืออีกรูปแสดงอัตราของคำแนะนำค่าบวก และค่าลบ และให้ลูกค้ามีโอกาสอ่านผ่านการจัดอันดับ และฟอร์มความคิดเห็นของตนเองลูกค้าเชิญกลับ: บริการแจ้งเตือนร้านค้าที่สนใจของลูกค้าของตนทราบว่าสามารถใช้ประโยชน์ข้อมูล โดยเชิญกลับไปยังที่เก็บได้เมื่อมาถึงใหม่ ๆ น่าสนใจ หรือมีส่วนลด แจ้งเตือนบริการใช้คำสำคัญโดยลูกค้าเป้าหมายและลักษณะของสินค้าที่มีการแนะนำแบบ ผลักดันส่วนบุคคลคำแนะนำ และจึงสามารถสร้างความสัมพันธ์ลูกค้าแข็งแกร่ง Emerchants จำนวนมากให้ลูกค้าเพื่ออธิบายผลิตภัณฑ์พวกเขาคิดว่าน่าสนใจแล้ว โดยอัตโนมัติแจ้งเตือนเมื่อสินค้าดังกล่าว บริการการแจ้งเตือนเหล่านี้สามารถให้การต้อนรับลูกค้า ที่จะทราบได้อย่างรวดเร็วของผลิตภัณฑ์ใหม่ที่น่าสนใจ และจะมีประสิทธิภาพมากในการนำลูกค้ากลับไปยังเว็บไซต์ e-commerce เป็นประจำ รูปแบบของคำอธิบายจะแตกต่างจากเรื่องสำคัญหรือแอตทริบิวต์สอบถามกับข้อมูลจำเพาะซับซ้อนที่มีช่วงราคาข้ามขาย: แนะนำผลิตภัณฑ์ที่เกี่ยวข้องขายถึงจะมีประสิทธิภาพโดยเฉพาะอย่างยิ่งเมื่อผู้รู้สนใจปัจจุบันของผู้ซื้อ ร้านค้าปลีกจัดเรียงผลิตภัณฑ์เพื่อเพิ่มการขายข้าม โดยวางสินค้าเสริมใกล้ ร้านค้าปลีกที่ง่ายดายมีความเป็นอิสระจากโครงร่างทางกายภาพ และสามารถแนะนำผลิตภัณฑ์ที่เกี่ยวข้องกับดูลูกค้าโดยตรง โดยใช้นำทางปัจจุบันของลูกค้าเป้าหมายเป็นการบ่งชี้ข้อมูลแบบชั่วคราวที่น่าสนใจ ระบบการความสัมพันธ์รายการสินค้าและประวัติการซื้อชุมชน passively แสดงคำแนะนำกับลูกค้าเป้าหมายโปรแกรมประยุกต์ผู้แนะนำแตกต่างกันมากมายใช้บริบทของผลิตภัณฑ์ปัจจุบันหรือปัจจุบันผลิตภัณฑ์หลายผลิตภัณฑ์อื่น ๆ โดยใช้ความหลากหลายของผู้แนะนำวิธีที่แนะนำ ความนิยมนี้ส่วนหนึ่งเนื่องจากความหลากหลายของปัจจัยการผลิตที่สามารถใช้เพื่อสร้างคำแนะนำเช่น หากซื้อแบบไม่ระบุชื่อ หากลูกค้าซื้อ จัดอันดับ คุณลักษณะของผลิตภัณฑ์ และความคิดเห็นผู้เชี่ยวชาญ ได้ คำแนะนำเกี่ยวกับผลิตภัณฑ์ได้โดยเฉพาะอย่างยิ่งเหมาะสำหรับการจัดส่งแฝงเนื่องจากพวกเขาสามารถจะรวมอยู่ในหน้ารายละเอียดผลิตภัณฑ์

ผลลัพธ์ (ไทย) 3:

Section 4 classifies e-commerce recommendation applications by the functional inputs and outputs to the application, the recommendation method, and other design issues. Table 1 reveals five patterns in e-commerce recommender application designs, each addressing different business goals. This section identifies the five business goals and the application models used to address them.นักออกแบบของการใช้งานแนะนำ e - commerce สามารถใช้โมเดลเหล่านี้เป็นตัวอย่างของโซลูชั่นที่พิสูจน์แล้วถึงมูลค่าหรือสามารถใช้เป็นฐานในการสํารวจและทดสอบแนะนำโปรแกรมรุ่นที่อาจจะตอบสนองความต้องการทางธุรกิจใหม่ ๆ



ช่วยใหม่และ infrequent เข้าชม :



แนะนำรายการคร่าว ๆหนึ่งในความท้าทายที่สำคัญสำหรับเว็บไซต์อีคอมเมิร์ซคือการ ต่อสู้ ผู้เข้าชมและผู้เข้าชมใหม่และโดยเฉพาะอย่างยิ่ง ไม่บ่อยนัก และก่อนที่พวกเขาจะไปเยี่ยมชมเว็บไซต์อื่น สำหรับเว็บไซต์ที่รายการพันล้านของผลิตภัณฑ์ที่แตกต่างกัน ความท้าทายนี้เป็นแบบเฉียบพลันโดยเฉพาะอย่างยิ่ง พวกเขาต้องไม่เพียง แต่ดึงดูดผู้เข้าชม แต่ยังให้เขาจากการหลงทาง และผิดหวังเกือบทุกเว็บไซต์ที่เข้าเยี่ยมชมมีบางรูปแบบของรายการแนะนำคร่าว ๆที่ออกแบบมาเพื่อลูกค้าโดยตรงต่อสินค้าที่เป็นเสน่ห์ รายการเหล่านี้มักจะให้ลูกค้าเป้าหมาย เพื่อใช้นำทาง ปัจจุบัน จะดึงไม่ข้อเสนอแนะส่วนบุคคล เหล่านี้รวมถึงโดยรวมที่ดีที่สุดผู้ขายผู้ขายที่ดีที่สุดในหมวดหมู่ แก้ไขและข้อเสนอแนะของผู้เชี่ยวชาญและคอลเลกชันอื่น ๆของผลิตภัณฑ์ที่เลือกด้วยตนเอง หรือผ่านการสรุปทางสถิติอย่างง่าย ในสาระสำคัญเหล่านี้แนะนำรายการแทนที่โต๊ะแสดง endcaps และขนาดใหญ่ผลิตภัณฑ์แสดงในร้านค้าทางกายภาพ เทคนิคใดที่ใช้รายการช่วย Orient ผู้ใช้ที่มิฉะนั้นอาจไปก่อน




การหาผลิตภัณฑ์ที่น่าสนใจส่วนหนึ่งของสิ่งที่ทำให้รายการแนะนำคร่าว ๆโดดเด่นมากคือระดับต่ำ ต้องการป้อนข้อมูล ; ไม่มีข้อมูลส่วนบุคคลเป็นสิ่งจำเป็น เว้นแต่บริบทไม่ยั่งยืนน้อยที่สุดเกี่ยวกับประเภทของความสนใจของลูกค้า รายการแนะนำกว้างช่วยให้นักการตลาดเพื่อปรับราคา และสินค้าคงคลังเพื่อให้ตรงกับคำแนะนำตั้งแต่พวกเขาสามารถมั่นใจได้ว่าคำแนะนำเหล่านี้จะเข้าถึงผู้ชมขนาดใหญ่บรรณาธิการหรือผู้เชี่ยวชาญสามารถสร้างข้อความล้อมรอบแนะนำคร่าว ๆที่ตลาด แนะนำผลิตภัณฑ์ให้กับลูกค้า แนะนําตัวเองสามารถส่งได้หลายวิธีที่แตกต่างกัน แต่การใช้งานส่วนใหญ่ จะวางไว้ในหน้าแรก หรือ " หมวดสินค้า " หรือ หน้าโฆษณา และมีผู้ใช้โดยตรงเลือก



สร้างความน่าเชื่อถือผ่านชุมชน Customer Comments and Ratings



Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect reviews and ratings from members of the community at large. These systems use the targeted customer’s current navigation to suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow customers to communicate with each other and provide each other with advice and feedback on products.



These "grass roots" recommendations require little site-directed effort,เนื่องจากลูกค้าที่ทำทั้งหมดของการประเมินผล พวกเขายังมีระดับสูงของความน่าเชื่อถือเนื่องจากลูกค้ามักจะมีแนวโน้มที่จะเชื่อว่าชุดของลูกค้านอกเหนือจากที่นักการตลาดที่ทำเงินจากการซื้อ ด้านประโยชน์ที่พวกเขาสร้างความรู้สึกของชุมชนที่สามารถแยกแยะไซต์จากผู้อื่น และเพื่อรักษาลูกค้า Customer comment applications provide a summary of the ratings, either as an average or another figure representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and form her own opinion.



Inviting Customers Back: Notification Services




ร้านค้าที่รู้ว่าผลประโยชน์ของลูกค้าของพวกเขาสามารถใช้ประโยชน์จากข้อมูลนั้น โดยการเชิญพวกเขากลับไปที่ร้าน เมื่อผลิตภัณฑ์ใหม่ที่น่าสนใจเข้ามา หรือจะลด บริการแจ้งใช้คำหลักโดยลูกค้าเป้าหมายและคุณลักษณะของสินค้าที่ถูกแนะนำให้หมั่นส่วนบุคคล , ข้อเสนอแนะและดังนั้นจึงสามารถสร้างความสัมพันธ์กับลูกค้าที่แข็งแกร่ง .หลาย emerchants ให้ลูกค้าเพื่ออธิบายผลิตภัณฑ์ที่พวกเขาพบที่น่าสนใจและจากนั้นโดยอัตโนมัติแจ้งให้ทราบเมื่อผลิตภัณฑ์ดังกล่าวมี บริการแจ้งเหล่านี้สามารถให้บริการที่ดีเยี่ยมแก่ลูกค้าได้รวดเร็วทราบของผลิตภัณฑ์ใหม่ที่น่าสนใจ และสามารถมีประสิทธิภาพมากที่นำลูกค้ากลับมาที่เว็บไซต์อีคอมเมิร์ซบนพื้นฐานปกติ The form of the descriptions can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.


Cross-Selling: Product-Associated Recommendations



Suggestive selling is particularly effective when the seller knows the current interests of the buyer.ร้านค้าปลีกที่จัดเพื่อเพิ่มการขายข้ามผลิตภัณฑ์ โดยวางสินค้าเสริมในบริเวณใกล้เคียง . บนบรรทัดร้านค้าปลีกอิสระจากรูปแบบทางกายภาพและโดยตรงสามารถแนะนำผลิตภัณฑ์ที่เกี่ยวข้องกับตัวลูกค้าดู โดยการใช้นำทางปัจจุบันลูกค้าเป้าหมายเป็นข้อบ่งชี้ความยั่งยืนของดอกเบี้ยระบบดังกล่าวใช้สหสัมพันธ์และประวัติการซื้อสินค้าของชุมชนที่จะอดทนแสดงข้อเสนอแนะไปยังลูกค้าเป้าหมาย .



หลายๆ แนะนำการใช้บริบทของปัจจุบันผลิตภัณฑ์หรือหลายปัจจุบันผลิตภัณฑ์แนะนำผลิตภัณฑ์อื่น ๆโดยใช้ความหลากหลายของการแนะนำวิธีการ This popularity is partly due to the variety of inputs that can be used to generate such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a product information page.