Online aanbevelingen doen: steeds makkelijker door software
Website bezoek
Een website is een belangrijk middel om in contact te komen met nieuwe klanten. Bezoekers zijn op zoek naar informatie, contact, producten of diensten die het bedrijf levert. Wanneer een bezoeker op de website terecht komt zal deze op zoek gaan naar de gewenste pagina, meestal via enkele andere pagina’s. Is het mogelijk om te voorspellen waar de bezoeker naar opzoek is? Kunnen er pagina’s worden aanbevolen?
Data Mining
Elke bezoeker heeft eigenschappen zoals geslacht, leeftijd, interesses, woonplaats, etc. Ook kunnen pagina’s worden verdeeld in categorieën, bijvoorbeeld informatiepagina’s, contactpagina’s of winkelpagina’s. Om voorspellingen en aanbevelingen te doen is veel data nodig van paginabezoeken, zo veel dat het voor mensen niet meer te doen is om het te analyseren. Hiervoor wordt gebruik gemaakt van een techniek uit de data mining; machine learning. Machine learning maakt het mogelijk om patronen en nuttige informatie te vinden uit een grote hoeveelheid beschikbare data.
Machine Learning van Azure is een tool die draait in de cloudomgeving van Microsoft, de tool maakt voorspellen en het doen van aanbevelingen mogelijk door data te bewerken en te analyseren met een breed scala aan algoritmes.
Yannick Woerdman, afstudeerstagiair bij Iquality
Recommender systems
Recommender systems zijn systemen die gebruikt worden om een persoonlijk aanbod te genereren voor de bezoeker. Deze kunnen antwoord geven op de bovenstaande vragen. Hiervoor wordt gebruik gemaakt van twee filtering technieken: collaborative filtering en content-based filtering. De eerste techniek baseert zich op informatie van paginabezoeken en probeert te ontdekken welke relaties er bestaan tussen verschillende bezoeken.
De tweede techniek baseert zich op gegevens van bezoekers en eigenschappen van pagina’s door deze aan elkaar te koppelen. Een combinatie van deze twee methoden wordt een hybrid recommender genoemd, deze methode kan toegepast worden in machine learning van Azure.
Machine Learning
Een recommender model wordt met 3 datasets getraind:
- een user-item-rating set;
- een user-feature set;
- een item-feature set.
De user-item-rating set is een dataset met 3 kolommen, in deze dataset staan bezoekers, pagina’s en in de derde kolom een rating, hoe hoger de rating hoe meer de pagina gewaardeerd is door de bezoeker.
De user-feature set is een dataset met alle bezoekers en hun eigenschappen, de item-feature set is een dataset met alle pagina’s en de eigenschappen ervan. Wanneer het recommender model getraind is met deze datasets kan het voor een nieuwe bezoeker voorspellingen en aanbevelingen doen op basis van zijn gegevens en zijn vooraf bezochte pagina’s. Gegevens van een nieuwe bezoeker op een website kunnen real-time geëxporteerd worden naar een machine learning experiment. In dit experiment zal het getrainde recommender model voorspellingen of aanbevelingen doen voor de bezoeker. Deze resultaten kunnen ook weer real-time teruggekoppeld worden naar de website via de machine learning web service.
Met de juiste data en juiste software is het relatief makkelijk om een recommender system te maken voor je klanten of bezoekers. Machine learning maakt gebruik van drag- en drop modules zodat het voor iedereen makkelijk te gebruiken is.
Yannick Woerdman, afstudeerstagiair bij Iquality
Data wordt steeds belangrijker
Data science wordt steeds belangrijker, hierdoor wordt het mogelijk om cijfers en feiten boven water te halen die anders niet zichtbaar zijn voor een bedrijf. Het wordt mogelijk patronen te herkennen, waardevolle voorspellingen te doen en afwijkingen tijdig te ontdekken. Data wordt elke dag belangrijker, dus blijf er niet mee zitten. Doe er iets mee en Get Smarter Every Day!
