Melhorar as recomendações de produtos do Mercado Literário com IA

Introdução 

A Rekhta, uma das principais livrarias em linha especializada em literatura do Sul da Ásia, possui uma vasta coleção que abrange o inglês, o hindi, o urdu e várias outras línguas regionais indianas. O mercado literário faz parte de uma organização sem fins lucrativos dedicada à preservação e promoção das línguas indianas. Embora o seu empenho na diversidade linguística tenha atraído uma base de clientes dedicada, também apresentou um desafio: navegar eficazmente num inventário vasto e multifacetado para oferecer recomendações e maximizar a satisfação do cliente.

Desafios enfrentados

1. Descoberta de produtos: Com milhares de títulos em diversas línguas e géneros, a Rekhta procurava uma melhor forma de tornar os seus produtos facilmente detectáveis. Os clientes tinham frequentemente dificuldade em navegar no vasto inventário e encontrar livros relevantes para os seus interesses e necessidades específicos. 
2. Conhecimento e perceção limitados dos dados: Embora estivessem disponíveis dados gerados por vários milhões de visitantes do sítio, a equipa tinha conhecimentos e ferramentas limitados para extrair informações significativas e traduzi-las em recomendações acionáveis. Este conhecimento limitado do comportamento e das preferências dos clientes em diferentes línguas dificultava a adaptação eficaz das recomendações e das estratégias de marketing.
3. Coleção de línguas indianas subutilizadas: Com a sua rica coleção de literatura nas línguas indianas, a Rekhta pretendia criar uma estratégia específica para envolver melhor os leitores e promover jóias menos conhecidas dentro destes géneros, que muitas vezes não eram descobertas pelos utilizadores. 

Utilizando IA e ML, a Rekhta pretendia não só melhorar a experiência do cliente, mas também promover um envolvimento mais profundo com a sua diversificada coleção de línguas indianas.

Solução implementada

A Rekhta fez uma parceria com a RapidCanvas para implementar a análise do cabaz de compras e a recomendação de produtos utilizando IA. A solução envolveu as seguintes etapas:

Preparação dos dados

O Rekhta tem acesso a dados de diferentes tipos, incluindo interações dos clientes no sítio Web, histórico de compras, classificações e críticas de livros e comportamento de navegação. Os dados dos clientes foram limpos em alguns passos simples, utilizando a plataforma RapidCanvas e identificando e removendo duplicados, erros e valores em falta. Foram incorporados metadados adicionais sobre os livros, como o género, o autor, a data de publicação e o idioma, para enriquecer os dados dos clientes e criar uma compreensão mais abrangente das preferências de leitura.

Engenharia de recursos

As caraterísticas ou atributos foram extraídos dos dados processados, incluindo a frequência e a recência das compras, as categorias de livros comprados e os itens comprados em conjunto. Foram também criadas caraterísticas baseadas no conteúdo, como o género, nomes de autores e palavras-chave temáticas.

Formação de modelos

1. Análise do cabaz de compras: Um algoritmo de análise do cabaz de compras foi treinado nos dados enriquecidos dos clientes para identificar padrões e correlações ocultas entre as compras de livros utilizando os dados de vendas. Este modelo revelou padrões no comportamento de compra, revelando que tipo de livros os leitores tendiam a comprar em conjunto.
2. Motor de recomendação: Foi treinado um modelo de ML utilizando as informações baseadas no catálogo e os dados de engenharia de caraterísticas. Este modelo aprendeu a prever quais os livros mais relevantes para os clientes que navegam na página de produto de um livro específico, com base nos pontos de dados disponíveis, incluindo o título, o autor, o género e a descrição.

Estes dois modelos geraram sugestões para cada cliente em diferentes fases do percurso do comprador, apresentando livros relevantes de todo o inventário diversificado, incluindo jóias escondidas e títulos menos conhecidos.

Implementação

Para maximizar a visibilidade e o impacto, as recomendações foram implementadas em duas fases-chave do percurso do cliente:

Páginas de produtos: Nas páginas de livros individuais, foram apresentadas recomendações baseadas no conteúdo do livro específico que estava a ser visualizado. Estas recomendações destacavam livros com temas partilhados, autores semelhantes ou conteúdos complementares, incentivando a exploração dentro e entre línguas.

Página de pagamento: Na página de finalização da compra, depois de adicionar um livro ao carrinho, foram apresentadas aos clientes recomendações adicionais relacionadas com o artigo escolhido, com base na análise do cabaz de compras efectuada. Este empurrão final aumentou ainda mais as hipóteses de descobrir títulos relevantes antes de concluir a compra. 

Resultados e benefícios

Aumento do envolvimento no sítio Web

As recomendações de produtos conduziram a um aumento mensal nas métricas do sítio Web, incluindo sessões e sessões com cliques, bem como a adição a carrinhos.

Aumento da satisfação do cliente

Os clientes experimentam uma viagem de compras mais agradável, com recomendações relevantes que conduzem a uma descoberta mais rápida dos livros desejados e das jóias escondidas.

Informações baseadas em dados

A Rekhta obteve informações valiosas sobre as preferências dos clientes e as tendências de leitura em cada comunidade linguística, o que lhe permitiu adaptar as suas estratégias de marketing e selecionar o seu inventário em conformidade.

Conclusão

A implementação bem-sucedida de IA da Rekhta demonstra o poder da tecnologia para preencher a lacuna no acesso à literatura. Esta abordagem abrangente seguida pelo RapidCanvas ajudou a desbloquear as conexões ocultas dentro da vasta coleção da Rekhta e a fornecer recomendações poderosas que, em última análise, melhoraram a experiência do cliente e impulsionaram o engajamento em todos os idiomas indianos. Ao integrar as recomendações nas páginas de produtos e de checkout, a Rekhta garantiu que suas sugestões fossem visíveis em momentos-chave da jornada do cliente, levando a uma experiência de compra mais agradável e eficiente. Isto demonstra como a IA pode capacitar as empresas para satisfazer as necessidades únicas de públicos multilingues e desbloquear todo o potencial dos seus tesouros literários.