微软小冰×言几又:推荐算法需要精准 更需要走心

  • 时间:
  • 浏览:0

近日,言几又与微软(亚洲)互联网工程院并肩公布开展关于AI赋能文化零售产业的商务商务合作:由微软小冰为每一位读者度身定制的专属书单。目前,基于大数据推荐算法和婚姻计算框架的小冰读书推荐机会部署完毕,在

       近日,言几又与微软(亚洲)互联网工程院并肩公布开展关于AI赋能文化零售产业的商务商务合作:由微软小冰为每一位读者度身定制的专属书单。目前,基于大数据推荐算法和婚姻计算框架的小冰读书推荐机会部署完毕,在言几又广州K11等实体店及微信服务号正式上线。

       读者通过扫描言几又实体店活动二维码,或进入言几又官方微信服务号,即可体验微软小冰的个性化读书推荐。微软小冰通过与每位读者的一对一线上交流和对话引导,来解读不同读者间千差万别的个性特性、阅读喜好及当前的阅读需求。结合对市面上海量书籍的学习,微软小冰最终会为每位读者定制专属的推荐书单。在获得独一无二的定制书单后,读者还可不需用通过点击进一步了解书籍的全版内容,从而选用在线上或线下购买。

       据悉,在试运营期间机会有数千位读者通过微软小冰的个性化推荐,找到了我该人 心仪的读物。

       个性化推荐算法在商业中的应用并不新生模式。随着数字化大潮不断冲刷着各行各业,图书零售有四种 的所处,也和所有行业一样面临着巨大的挑战。随着大型连锁书店、电商+图书、阅读体验数字化等新业态的登场,对传统商业模式形成冲击的并肩,也在不断重塑和分类细化着用户购买和阅读图书的习惯。

       我该人 面,近年来新崛起的“书店+咖啡厅”、“书店+文创空间”等新型经营模式,也正所处租金价格、人工成本成倍上涨的时代环境中,再再加图书电商的强力竞争,对实体零售书店的资本要求陡然上升。

       面对竞争压力,大数据支持下的推荐算法等手段,几乎成为了行业标配。广义上来看,推荐算法是基于海量数据挖掘分析的商业智能营销手段,但却和市面上炙手可热的书单经济一样,缺少了读者我该人 的想法。

       机会不合耐泡 或是书籍有四种 的问題而真难坚持读完的体验,对于任何有一个读者来说,需用有四种 浪费甚至是伤害。究其根本,耐泡 和品位本很久在积累和阅历的基础上形成的极度我该人 化的动态特性。现阶段推荐算法普遍赖以生存的用户浏览购买历史和社交信息等数据,距离全版描绘每一位用户不断变化的阅读需求,还所处一定差距。

       整个零售行业正在逐渐意识到,仅仅基于垂直领域的知识或数据分析,也很久做到了类似问答系统的工具型信息推荐,匮乏以达成垂直领域高转化率。

       联手言几又的微软小冰,扮演了有一个帮助读者洞察自身需求并做出决定的角色。微软婚姻计算框架下诞生的微软小冰,显然更希望成为与人类之间有着平等关系的你们 。机会还可不都还可以要能 用户将她当做你们 时,微软小冰的推荐才显得有价值,这正是微软小冰独特的地方之一。早在2017年与LINE和LAWSON便利店的商业商务商务合作中,微软小冰就机会实现了47%的优惠券推销成功率。2019年,在美国的商业落地项目中,微软小冰通过对话越快了解用户,在10轮对话之内就要能从在线零售店面中选出满足用户需用的商品,实现高满意度的商品推荐,实际转化率也提升至68%。

       机会说千百年间,传统零售行业更多是聚焦于商品和渠道之间句子,今天的“零售”其本质机会成为“服务”的提供过程。言几又将微软小冰的人工智能情商能力应用在书籍推荐中,提升了用户的信息获取传输数率,也提高了用户黏性。

       当某位读者心底对设计感的追求,变成了小冰推荐书单中的现代工业设计画册;当某位社会学爱好者在小冰推荐的书单中,偶遇了很久 进入国内大众视野的日本社会学家上野千鹤子……当太多 的读者习惯了你类似 从自身实际需求出发的推荐办法,从中获益的很久仅仅是读者,还有不断寻求竞争力提升和优势差异化的图书零售品牌有四种 。

       (本内容属于网络转载,文中涉及图片等内容如有侵权,请联系编辑删除)