Si es un entusiasta de la digitalización y conocedor de la tecnología, conocerá los recomendadores y cómo tienen el potencial de cambiar su forma de trabajar con sugerencias e ideas. Sin embargo, pocas personas saben cuánto trabajo implica construir un motor de recomendación altamente efectivo y las verdaderas dificultades que enfrentan los científicos de datos para lograr estos resultados.

Crear un recomendador desde cero, basándose en el presentimiento de que se convertirá en uno de los inventos más buscados de todos los tiempos, es una historia que vale la pena leer. Preeti Menon, que busca perfeccionar un avance tecnológico que es relativamente nuevo y acelera, comparte su historia y lucha por hacer de Ivy Recommender uno de los recomendadores más precisos y prácticos disponibles actualmente en el mercado.

Concebir el futuro

Nuestros estrategas de producto, como siempre, concibieron esta idea antes de su tiempo y la llevaron adelante. Nuestro industria de bienes de consumo Nuestro conocimiento y nuestra pasión por hacer que nuestras soluciones sean mejores y más inteligentes nos ayudaron a hacer la transición de una plataforma comercial unificada a una ruta inteligente al mercado. Podríamos crear un modelo funcional con la precisión 95% en un año y medio.

Perfeccionando el algoritmo 

Desde el principio, nuestros equipos tuvieron una misión, idea y visión enfocadas. Creamos un algoritmo casi perfecto que funcionaría para empresas que variaban mucho en tamaño y oferta. A pesar de todos los altibajos durante la creación de la solución, creíamos que un factor inteligente cambiaría la forma en que las empresas de bienes de consumo se centraban en sus clientes.

Con científicos y desarrolladores de datos a bordo, el equipo personalizó el algoritmo preseleccionado para adaptarlo a las necesidades específicas de nuestro nicho. La optimización rápida nos ayudó a conocer y dominar la industria. estándares de desempeño del recomendadorA medida que avanzaba el desarrollo, el equipo también se dio cuenta de que el modelo estático habitual no funcionaría, por lo que tuvimos que recrear un modelo dinámico que utilizara resultados de operaciones anteriores y lo reprocesara para aprender, aumentando así la precisión de los resultados del motor de IA y ML.

Improvisando la actuación

El equipo esperaba brindarles a nuestros clientes al menos un aumento de ingresos de 2% al promover las ventas en las mismas tiendas. Este retorno de la inversión (ROI) fue una apuesta que cualquier CIO del mundo CPG habría hecho con gusto. Con el tiempo, nuestro equipo logró un crecimiento de ingresos de 5% con nuestro algoritmo dinámico para un puñado de clientes, y esperamos ver una cifra aún mejor.

Con años de datos, nuestra solución recopila conocimientos inteligentes y recomendaciones prácticas que simplifican las estrategias de ventas de los agentes de campo, permitiéndoles alcanzar sus KPI más rápidamente y al mismo tiempo ayudar a los fabricantes a generar más ingresos mediante la implementación de nuestra solución.

Nacido empresas de CPG digitales han estado recopilando datos al azar, mientras que las empresas heredadas nunca tuvieron la oportunidad de ver sus datos en una sola ubicación. A lo largo de los años, hemos ayudado a algunos grandes conglomerados a recopilar y almacenar datos en un único centro de datos para identificar y recuperar información útil. Nuestro equipo obtuvo apoyo constante y recomendaciones de nuestros clientes, quienes rápidamente nos ayudaron a incorporar valiosos aportes para hacer que su recomendador fuera más sólido y poderoso.

Casos de uso futuristas para beneficiar a los clientes

Con acceso a datos históricos, Recomendador de hiedra puede guiar a los equipos de ventas con recomendaciones probadas en tiendas del mismo segmento en función de la demografía para ayudar a producir resultados garantizados. Estas recomendaciones incluyen los siguientes mejores SKU y líneas imprescindibles para vender, además de brindar capacitación y desarrollo para los agentes de la fuerza de campo.
—–

Concluyamos con una cita de Preeti, "Los sistemas de recomendación inteligentes aún no han arrasado en el mundo de los CPG, y ya estamos construyendo un producto que promete escalabilidad y éxito asegurado".

Obtenga más información sobre el recomendador de Ivy aquí