prudsys RDE Moduli

x
RDE | Recommendations

prudsys RDE | Recommendations

x

Il modulo prudsys RDE | Recommendations consente l‘utilizzo ottimale di cross e up-selling nel commercio elettronico, nel telemarketing e nei mercati tradizionali. Genera le raccomandazioni di  prodotti adeguati in base al reale comportamento degli utenti. Ciò garantisce un elevato livello di pertinenza personale.

Beneficio: elevato tasso di accettazione delle raccomandazioni, tempi più lunghi di navigazione nel negozio, aumento del fatturato

Scenari

Il modulo prudsys RDE|Recommendations consente l‘utilizzo ottimale di cross e up-selling nel commercio elettronico, nel telemarketing e nei mercati tradizionali. Genera le raccomandazioni di  prodotti adeguati in base al reale comportamento degli utenti. Ciò garantisce un elevato livello di pertinenza personale.
Il modulo prudsys RDE|Recommendations permette l‘ottimizzazione globale e la personalizzazione del processo di vendita in tutti i punti di contatto con il cliente senza intervento manuale. La gamma di soluzioni comprende le raccomandazioni di prodotti, la personalizzazione dei contenuti in negozi online e newsletter, la ricerca sociale e la classifica personalizzata delle liste di prodotti (ad esempio le pagine dei risultati di ricerca).
Con la funzione di apprendimento in tempo reale il modulo utilizza la costante interazione con l‘utente per conoscere il comportamento degli utenti e utilizza queste informazioni per formulare raccomandazioni in tempo reale.

Come funziona

Vantaggi

  • Raccomandazioni frutto dell‘apprendimento in tempo reale dei comportamenti degli utenti
  • Uso ottimale di cross e up-selling potenziale
  • Diminuzione di cali di acquisto e problematiche legate ai top seller
  • Completamente automatico, procedura „Install-and-forget“
  • Raccomandazioni di elevato valore anche per piccoli carrelli, prodotti long tail e per nuovi prodotti e contenuti
  • Include fattori ambientali come canale, ora, meteo.

Caratteristiche fondamentali prudsys RDE | Recommendations

Algoritmi applicati (Numero di algoritmi 34) ad esempio:        

  • Analisi carrello cs cf. Amazon Item2Item Collaborative Filtering
  • Analisi di sequenza
  • Analisi sequenziale dei carrelli
  • Potenziamento dell‘apprendimento

Misurazoni integrate di performance:

  • Supporta A/B e test multivariati
  • Qualsiasi numero di gruppi di controllo possibile
  • 205 parametri statistici (click, tasso di conversione, vendite totali, fatturato attraverso raccomandazioni...)

Canali in uscita:

  • Internet (es. e-commerce, fornitori di contenuti)
  • Call center (es. indicazioni per gli agenti call center)
  • Commercio tradizionale (es. cassa, prospetto vendite, terminal, scales)

Applicazioni:

  • Le raccomandazioni di prodotti (pagine di categoria, le pagine di dettaglio dei prodotti, le pagine ordine, le zone del negozio personalizzate)
  • Ottimizzazione dei risultati di ricerca (ad esempio selezione dei risultati di ricerca per rilevanza, visualizzazione di suggerimenti basati sulle query di ricerca)
  • Raccomandazioni sui contenuti (ad esempio gestione dei banner)
x
x x x