Sistemi di Raccomandazione
e benefici della personalizzazione
nell’E-Commerce
Relatore: Prof. Marco Porta
Correlatore: Prof. Lidia Falomo
Tesi di laurea di
Monica Maida
Università degli Studi di Pavia
Corso di Laurea Interdipartimentale in
Comunicazione, Innovazione, Multimedialità
Sviluppo di Internet
Dimensioni e complessità dei siti web
Informazioni disponibili online
(overload information)
Difficoltà nelle ricerche
Recommender Systems (RS)
Filtraggio delle informazioni (implicito o esplicito)
Creazione di raccomandazioni personalizzate
Facilità di navigazione
Tempi di ricerca
Raccolta
dati
File di testo contenenti
informazioni. Tracciano i
comportamenti di un
utente, memorizzando
le sue scelte
Cookie
Profilo
Utente
Come si genera
una raccomandazione?
Content-Based
Filtraggio
Collaborativo
Consigliati
prodotti simili
a risorse valutate
nel passato
Consigliati
articoli sulla base
delle valutazioni di
altri utenti
Recommender Systems
nell’E-Commerce
Aiutano a migliorare il cross selling
Aiutano a convertire visitatori occasionali in
acquirenti
Migliorano la costumer retention
Funzioni dei Recommender Systems
Trovare un buon articolo
Consigliare una sequenza
Consigliare un contesto
Facilitare la navigazione
Aiutare gli altri
Personalizzazione nell’E-Commerce
(primo esempio)
Amazon.com
Personalizzazione nell’E-Commerce
(secondo esempio)
Booking.com
Conclusioni
Aumento
informazioni online
Maggior uso dei RS nei
siti di E-Commerce
Benefici
Commercianti
Acquirenti
(aumento vendite online)
(ricerche agevolate)