Si vous êtes un passionné de numérisation, vous connaissez les recommandateurs et comment ils peuvent changer votre façon de travailler avec des suggestions et des idées. Cependant, peu de gens savent combien de travail est nécessaire pour créer un moteur de recommandation très efficace et les véritables difficultés auxquelles les data scientists sont confrontés pour obtenir ces résultats.

Construire un Recommender à partir de zéro, basé sur l'intuition qu'il deviendra l'une des inventions les plus recherchées de tous les temps, est une histoire qui vaut la peine d'être lue. Preeti Menon, accédant au perfectionnement d'une avancée technologique relativement nouvelle et accélérée, partage son histoire et lutte pour faire d'Ivy Recommender l'un des recommandateurs les plus précis et les plus exploitables actuellement disponibles sur le marché.

Concevoir le futur

Nos stratèges produits, comme d'habitude, ont conçu cette idée en avance sur son temps et l'ont fait avancer. Notre industrie des biens de consommation nos connaissances et notre passion pour rendre nos solutions meilleures et plus intelligentes nous ont aidés à passer d'une plate-forme commerciale unifiée à une route intelligente vers le marché. Nous pourrions créer un modèle de travail avec une précision 95% en 1 an et demi.

Perfectionner l'algorithme 

Dès le début, nos équipes avaient une mission, une idée et une vision ciblées. Nous avons créé un algorithme presque parfait qui fonctionnerait pour des entreprises dont la taille et les offres variaient largement. Malgré tous les hauts et les bas lors de la création de la solution, nous pensions qu'un facteur intelligent changerait la façon dont les entreprises de biens de consommation se concentraient sur leurs clients.

Avec des scientifiques de données et des développeurs à bord, l'équipe a personnalisé l'algorithme présélectionné pour répondre aux besoins spécifiques de notre créneau. Une optimisation rapide nous a aidés à rencontrer et à exceller dans l'industrie normes de performance des recommandataires. Au fur et à mesure que le développement progressait, l'équipe s'est également rendu compte que le modèle statique habituel ne fonctionnerait pas, nous avons donc dû recréer un modèle dynamique qui utilisait les résultats des opérations précédentes et le retraiter pour apprendre, augmentant ainsi la précision des résultats du moteur AI&ML.

Improviser la performance

L'équipe espérait offrir à nos clients une augmentation de revenus d'au moins 2% en favorisant les ventes à magasins comparables. Ce retour sur investissement était un pari que n'importe quel CIO du monde CPG aurait volontiers pris. Avec le temps, notre équipe a réalisé une croissance des revenus de 5% avec notre algorithme dynamique pour une poignée de clients, et nous espérons voir un chiffre encore meilleur.

Avec des années de données, notre solution organise des informations intelligentes et des recommandations exploitables qui simplifient les stratégies de vente des agents de terrain, leur permettant d'atteindre leurs KPI plus rapidement tout en aidant les fabricants à générer plus de revenus en mettant en œuvre notre solution.

Né entreprises CPG numériques ont collecté des données au hasard, tandis que les entreprises traditionnelles n'ont jamais eu l'occasion de consulter leurs données à un seul endroit. Au fil des ans, nous avons aidé certains grands conglomérats à collecter et à stocker des données dans un seul magasin de données afin d'identifier et de récupérer des informations exploitables. Notre équipe a obtenu un soutien constant et des recommandations de nos clients, qui nous ont facilement aidés à intégrer des informations précieuses pour rendre leur recommandation plus robuste et plus puissante.

Cas d'utilisation futuristes au profit des clients

Avec accès aux données historiques, Ivy Recommandateur peut guider les équipes de vente avec des recommandations qui ont fait leurs preuves dans les magasins du même segment en fonction de la démographie pour aider à produire des résultats assurés. Ces recommandations incluent Next best SKUs, Must Sell Lines, en plus de fournir une formation et un développement aux agents des forces de terrain.
—–

Terminons par une citation de Preeti, "Les systèmes de recommandation intelligents n'ont pas encore pris d'assaut le monde du CPG, et nous construisons déjà un produit qui promet une évolutivité et un succès assuré."

En savoir plus sur Ivy Recommender ici