Müşteri davranışı tahminlerinde görüntüden faydalanın

Ürün tekliflerini kişiselleştirmek ve müşterilerinin davranışını yönlendirmek isteyen perakendeciler, kestirimci analizden daha fazla faydalanmaya başlıyorlar. Ancak burada sıklıkla gözden kaçan bir nokta var.

Özel algoritma ya da ‘tavsiye motorları’, tüketicilerin sayfadaki tıklama davranışlarına bakarak zevklerini, belirli arama veya ürün tercihlerini tahmin ediyorlar.

Algoritmalar, ölçülen davranışlar ve ürün özelliklerine bakarak kesin bir profil ortaya çıkartıyor. Ancak şirketlerin genelde atladığı bir nokta var; özellikle yeni ürünlerde, zevk ya da trende dayalı konularda, ‘kestirimci analiz’ ile görüntü analizini birleştirmek daha başarılı sonuçlar veriyor.

Kısa süre önce Deloitte’in Fast 50 listesine girerek adından söz ettiren Building Blocks adlı veri bilimi şirketi, bir süre önce tanıttığı bu sistemle tüketici davranışlarını tahmin etmeyi çok daha kolay bir hâle geliyor.

Birçok ürün satan internet perakendecilerinin bu konuda bir avantajı var. Bolca veriye sahipler. Yüzlerce üründe insanlar nasıl bir web gezintisi performansı ortaya koyuyor, bunların hepsi ölçülebiliyor. Görüntü tanımanın buna katkısı ise piksellere göre sanal değişkenler tanımlanabilmesi ile başlıyor. Bu sayede daha uzun kalınan daha çok incelenen sayfalardan kişilerin zevkleri ile ilgili veriler ortaya çıkıyor.

Örneğin sistem belirli bir tip ayakkabıya bakıldığını bir kez anladıktan sonra, tüm kullanıcılar için bu tip bir paterni sezmesi çok daha kısa sürüyor. Bunun sonucunda ise zevke ve o dönemin trendlerine göre tavsiyeleri öne çıkartarak satış dönüşümünü artırmak geliyor.

Görüntü bilgilerinin eklenmesi hâlinde, kullanılan ürün de satış konusunda ortalamanın üzerinde bir performansa sahipse, algoritmanın etkisi yüzde 25 artıyor.