تاثیر سیستم های توصیه گر در وفاداری مشتریان
سیستمهای توصیه گر با اولین ظهورشان در زمینه فیلترینگ مشارکتی، حوزه تحقیقاتی مهمی را در اواسط دهه 1990 فراهم نمودند. سامانه های توصیهگر یکی از مهم ترین حوزه ها در امر بازیابی اطلاعات هستند. این سامانه ها بدون اینکه کاربر جستجو و یا درخواست مشخصی از سمت خود به آنها بفرستد، به صورت هدف و با جستجوی پیوسته در کل اطلاعات سامانه، اطلاعاتی که برای کاربر مفید و جذاب هستند، در قالب پیشنهاد به وی عرضه میکند. این سیستم ها در پیدا کردن و انتخاب نمودن آیتم های مورد نظر کاربران به آن ها کمک می کنند و بدون در اختیار داشتن اطلاعات کافی در مورد کاربران و آیتم های مورد نظر آن ها (فیلم ، کتاب و...) قادر به پیشنهاد دادن نمی باشند. بنابراین یکی از اساسی ترین اهداف آن ها جمع آوری اطلاعات گوناگون در رابطه با سلایق کاربران و آیتم های موجود در سیستم است.
سیستم های توصیه گر با استفاده از تکنولوژی فیلتر کردن اطلاعات، اطلاعات مفید و مورد علاقه کاربران را در اختیار آن ها قرار می دهند و آن ها را سریع تر به اهدافشان نزدیک می کنند. با توجه به نحوه ی تولید پیشنهاد ها و اطلاعات مورد استفاده از تکنیک های فیلترینگ مختلفی از جمله فیلترینگ مبتنی بر محتوا، فیلترینگ مشارکتی، فیلترینگ مبتنی بر شبکه های اجتماعی و روش های ترکیبی استفاده می شود.
فیلترینگ مشارکتی به طور وسیعی نسبت به روشهای دیگر در سیستمهای توصیه گر مورد استفاده قرار گرفته است. در این روش ابتدا باید اجازه داد تا کاربران در سیستم مشارکت نمایند و به آیتم های مختلف موجود در سیستم امتیاز دهند. پیشنهاد بر اساس تشابه کاربران با کاربر هدف یا آیتم هایی که کاربر هدف به آن ها امتیاز داده ساخته می شوند.
در واقع هدف این سیستم ها شناسایی سلیقه های کاربران و فیلتر کردن داده های نامناسب از نظر آنهاست. سیستم های توصیه گر می توانند جستجوی کاربران را بهینه کنند و این باعث صرفه جویی در زمان جستجوی کاربران می شود.
این سیستم ها برای سایت های فروشگاهی و کلا برای کسب و کارهای آنلاین مناسب می باشد. کاربران مختلف سلایق متفاوتی دارند و محصولاتی که از یک فروشگاه اینترنتی انتخاب میکنند با کاربران دیگر یکسان نیست. وظیفه این سیستم ها این است که از بین انبوه محصولات، محصولاتی را به کاربر پیشنهاد دهد که مطابق با سلیقه آن ها باشد و این امر موجب فروش و سود بیشتر برای فروشگاه اینترنتی مورد نظر می شود. این سیستم ها از روش های متعددی برای به دست آوردن اطلاعات از کاربران برای شناسایی سلایق آن ها استفاده می کنند. مثلا اگر کاربری برای انتخاب و خرید فیلم به سایت نتفیلیکس مراجعه کند، سیستم توصیه گر ابتدا براساس سابقه و اطلاعات کاربر مورد نظر فیلم هایی منطبق با سلیقه اش به وی پیشنهاد میدهد.مثلا اگر کاربر به فیلم هایی با ژانر درام امتیاز بیشتری داده باشد سیستم در مراجعه های بعدی کاربر فیلم هایی در این دسته و این ژانر به وی پیشنهاد میدهد.
برای اهداف فروش الکترونیکی وبسایت های زیادی مانند Amazon، CDnow، ebay و غیره شروع به استفاده از سیستم های توصیه گر کردند که می توانند با توجه به اطلاعات و علاقه های مشتری به مشتری محصول مناسب سلیقه او را پیشنهاد دهند و این سبب افزایش وفاداری مشتری به سایت خواهد شد.
لینک مرجع و نویسنده: مهندس محدثه حقیقی
