Sistemi di Raccomandazione e benefici della personalizzazione nell’E-Commerce Relatore: Prof. Marco Porta Correlatore: Prof. Lidia Falomo Tesi di laurea di Monica 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
Profilo Utente Cookie Raccolta dati File di testo contenenti informazioni. Tracciano i comportamenti di un utente, memorizzando le sue scelte
Come si genera una raccomandazione? Filtraggio Collaborativo Content-Based Consigliati articoli sulla base delle valutazioni di altri utenti Consigliati prodotti simili a risorse valutate nel passato
Recommender Systems nell’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 Benefici Aumento informazioni online Maggior uso dei RS nei siti di E-Commerce Benefici Commercianti (aumento vendite online) Acquirenti (ricerche agevolate)
Grazie a tutti!