Sistemi di Raccomandazionee benefici della personalizzazione

nell’E-Commerce

Relatore: Prof. Marco PortaCorrelatore: Prof. Lidia Falomo

Tesi di laurea diMonica Maida

Università degli Studi di Pavia Corso di Laurea Interdipartimentale in Comunicazione, Innovazione, Multimedialità

Sviluppo di Internet

Dimensioni e complessità dei siti web

Informazioni disponibili online (overload information)

Difficoltà nelle ricerche

Recommender Systems (RS)

Filtraggio delle informazioni (implicito o esplicito)

Creazione di raccomandazioni personalizzate

Facilità di navigazione Tempi di ricerca

Raccolta dati Cookie Profilo Utente

File di testo contenenti informazioni. Tracciano icomportamenti di un utente, memorizzando le sue scelte

Come si genera una raccomandazione?

Content-Based Filtraggio

Collaborativo

Consigliati prodotti simili

a risorse valutate nel passato

Consigliati articoli sulla base

delle valutazioni di altri utenti

Recommender Systemsnell’E-Commerce

Aiutano a migliorare il cross selling

Aiutano a convertire visitatori occasionali in acquirenti

Migliorano la costumer retention

Funzioni dei Recommender Systems

Trovare un buon articolo

Consigliare una sequenza

Consigliare un contesto

Facilitare la navigazione

Aiutare gli altri

Personalizzazione nell’E-Commerce(primo esempio)

Amazon.com

Personalizzazione nell’E-Commerce(secondo esempio)

Booking.com

Conclusioni

Aumento informazioni online

Maggior uso dei RS nei siti di E-Commerce

Benefici

Commercianti(aumento vendite online)

Acquirenti(ricerche agevolate)

Grazie a tutti!