Mire jók az ajánlórendszerek? Tikk Domonkos 10 February 2009
MI FÁN TEREM AZ AJÁNLÓRENDSZER? Speciális információszűrők, amelyek felhasználói és termékprofilokat építenek tanuló algoritmusok segítésével. A modellek alapján ajánlanak tartalmat (film, tv, vod, zene, könyv, hír, kép, weboldal, cikk, reklám, stb.) amely nagy valószínűséggel érdekes lesz a felhasználónak. 2
TANULÓALGORITMUS Hasonlóan az NCIS sorozat profilkészítőihez, viselkedés alapú csoportokat képez és összeköti a lappangó igényeket a valós választási lehetőségekkel. 3
MIT CSINÁL AZ AJÁNLÓRENDSZER? Recommender logic Adatokat gyűjt és rendszerez Fontossági sorrendet állít fel Ajánlatokat jelenít meg Folyamatosan korrigálja önmagát Matematikai algoritmusok Információk rendszerezése 4
NETFLIX ESETTANULMÁNY Netflix: havidíjas DVD kölcsönző, 100.000+ film a katalógusban A verseny célja: a Netflix saját ajánlórendszerénél 10%-kal nagyobb ajánlási pontosság előrejelzése Időtartama: 2007-2009 A 10%-os javulás előnyei Vásárlói élettartam növelés 1 hónapos növelés = +50-60 millió USD/év Vásárlók magasabb csomagot választanak 5 USD/hó/vásárló extra árbevétel Többen kölcsönzik a kevésbé ismert filmeket Long Tail Gravity & The Ensemble csapat 10,1%-kal tudta növelni az ajánlórendszer teljesítményét (folyamatosan a Top 10-ben a több mint 40,000 résztvevő között) 5
A GRAVITY TELJESÍTMÉNYELŐNYE Az ajánlási pontosság minimális növekedése is hatványozott növekedés jelent az üzleti potenciálban! Pontosság növekedése 6
VATERA.HU ESETTANULMÁNY Vatera.com Közép-európa legdinamikusabban növekvő aukciós portálja Az oldal jellemzői: 650.000+ aktív eladó árucikk 10 millió oldalletöltés naponta Célkitűzések: Az árucikkek leütési értékének növelése Az árucikkek megtalálásának megkönnyítése A Gravity ajánlórendszer tesztüzemének fontosabb eredményei (a főoldalon elhelyezett ajánlások alapján, összehasonlítva a Vatera saját ajánlórendszerével) Jobb banner konverzió: 200+ % több kattintás a kihelyezett bannerre Jobb árucikk megtalálási arány: 300+ % több licit Magasabb leütési érték: 500+ % növekedés a licitálási összegben 7
GROBY.HU ESETTANULMÁNY Groby.hu Magyarország legnagyobb online élelmiszerboltja Naponta mintegy 5000 eladott árucikk Közel 15000 megvásárolható arucikk Több, mint 45000 regisztrált vásárló Elérendő cél: személyre szabott ajánlatok A böngészés során személyre szabott ajánlatok megjelenítése A vásárló számára érdekes árucikkek megjelenítése Vásárlói kosár méretének növelése A Gravity ajánlórendszer A Groby.hu designváltásakor kerület beépítésre Oldalanként 4-8 személyre szabott ajánlás Naponta több, mint 12.000 ajánlás Az ajánlórendszer ereményei: A bevétel 12% -a ajánlódobozon keresztül megy A megjelenített ajánlatok több, mint 7% -a konvertálódik sikeresen vásárlássá A vásárlók közel 50%-a vásárol ajánlott terméket 8
RANDIVONAL.HU AHOL A USER AZ ITEM Randivonal.hu Magyarország vezető társkereső oldala Több, mint 1.000.000 regisztrált felhasználó Napi 800.000 oldalletöltés Pilot projekt A-B tesztelés: a usereket kettéosztva vizsgáltuk az ajánlórendszer hatékonyságát Az A csoport a Randivonal belső fejlesztésű ajánlórendszerét használta, a B tesztcsoport a Gravity ajánlórendszert Cél: növelni a neked ajánljuk vagy a tipp dobozokra való kattintást A konverziós arány 200%-kal nőtt A prémium előfizetésre konvertálók aránya 5%-al nőtt és az előfizetést lemondók száma 3%-kal csökkent 9
A GRAVITARG ELŐNYE: AZT A HIRDETÉST KAPJA A USER, AMI TÉNYLEGESEN ÉRDEKLI Hagyományos hirdetési koncepció GraviTarg koncepció Hirdetések megjelenítése relevancia nélkül Elpazarold megjelenések Hatékonytalan átkattintás és konverzió Megjelenések: 16, Releváns hirdetés: 8, CTR: 3 Csak releváns hirdetések megjelenítése Jobb átkattintás és konverzió kevesebb megjelenítéssel Médiafelületek hatékonyabb monetizációja Más releváns hirdetések ajánlása Megjelenések: 8, Releváns hirdetés: 8, CTR: 3 Megjelenítés: barna Releváns: Irreleváns: Átkattintás: 10
ESETTANULMÁNY: VELTI RETARGETÁLT HIRDETÉSI PLATFORM VÁLASZOLJ ÉS NYERJ EGY AUTÓT! A vevő: A Velti a világ vezető mobil marketing és mobil hirdetés kiszolgáló cége A cél: Viselkedés és ízlés alapú hirdetés targetálás A probléma: A Veltinek egy olyan rendszerre van szüksége, amely növelni tudja az egyes hirdetések értékét. A cél az, hogy a megfelelő kampányok közül azokat mutassuk az ügyfélnek, amelyek érdeklik. A megoldás: Csak a releváns hirdetéseket jeleníti meg Kevesebb hirdetés megjelenítéssel a cél a CTR és a konverziós ráta változatlanul hagyása Az adott bannerhely értékének növelése Más ajánlott hirdetések megjelenítése Viselkedési és böngészési szokások alapján dolgozunk Ügyfél viselkedés modellt hozunk létre a retargetlásához A legmagasabb várható preferenciával rendelkező hirdetést jelenítjük meg A jelenlegi ad serverek és kampány menedzsment rendszerekbe integrálható A long tail tartalommal rendelkező oldalakra is képes hirdetést elhelyezni Könnyen integrálható API, flexibilis és méretében növelhető architektúra 11
ESETTANULMÁNY: GRAVITY IMPRESS IPTV / KÁBELTÉVÉ TARGETÁLT HIRDETÉSSEL 12
ALKALMAZÁSI KRITÉRIUMOK Elegendő számú ügyfél, termék és ügyfélesemény Ügyfél/termék: ~1000-es nagyságrend Ügyfélesemények: minél több, annál jobb Opcionálisan termékmetaadat Jól definiálható performanciamérték Bevételnövekedés CTR Látogatások száma/hossza Oldalnézések száma/hossza 13
Partnereink 14
NÉVJEGY - GRAVITY Amit csinálunk: termékajánló rendszerek fejlesztése e-commerce ügyfelek, IPTV és Kábel TV szolgáltatók, illetve hirdetés kiszolgálók számára Amit tudunk: pontosan megmondani, hogy mi az, amit a vevők meg szeretnének vásárolni, ezáltal növelni tudjuk az egy ügyfélre jutó értékesítés mennyiségét, az ügyfél élettartam-hozamot, illetve az ügyfél elégedettséget A cég: 2007-ben négy kutató alapította, ma közel 30 ember dolgozik a Gravityben, és Izraeltől Lengyelországon át az Egyesült Államokig vannak ügyfeleink, többek között Alexa TOP 50 cég is. A befektetők: amerikai és magyar befektetők, fejlesztés Budapesten, iroda Londonban, Berlinben, Moszkvában, Isztambulban és Bukarestben, disztribútorok Lengyelországban és Csehországban website brochure email 15
MIT HOZ A JÖVŐ? Az öntanuló ajánlórendszerek szervesen beépülnek az összes online szolgáltatásba. Offline adatok becsatornázása és ajánlások interneten kívüli felhasználása. Intelligens TV ajánlórendszerek szelektálják a számunkra érdekes programokat. Az intelligens ajánlórendszer a felhasználók által generált web 2-es és 3-as tartalmak közötti kapcsolatokat is létrehozza egyéni preferenciák alapján. 16