WikiDer > Прогнозирующая покупка

Predictive buying

Прогнозирующая покупка это название отрасли, посвященной алгоритмическим потребительская аналитика дающие будущие модели покупок. Первичная природа сбор данных,[1] анализ и экстраполяция имеют свои корни в теория игры,[2] правило вывода[3] и регресс модели.[4] Прогнозная покупка - это интеграция прогнозная аналитика[5] и методы разрешение на маркетинг.[6]

Льготы

В то время как прямой маркетинг а реклама, релевантная содержанию, расширила индивидуальный характер взаимодействия с индивидуальным потребителем и взаимодействия с бизнесом,[7] прогнозирующая информация о покупках связывает потребителей и продукты, которые они хотят. Даже если потребитель не знает о существовании продукта, технология прогнозирования покупок может посредством анализа взаимодействий потребителя, истории покупок и других факторов привлечь внимание потребителя к этому продукту.

Ограничения

Хотя многие продукты актуальны, никогда не будет идеального соответствия каждый раз, так же как не всегда бывает идеального совпадения с человеческим интеллектом при покупке продукта. Это условие особенно актуально, когда прогнозный анализ покупок основан на ограниченные данные наборы.

Будущее

Однако будущее прогнозных покупок вряд ли будет ограничено ограниченными наборами данных. Тенденции увеличения использования Интернета, широкая популярность социальные сети и данные, которые можно получить у интернет-магазина оптимизация сайта Анализ ежедневно дополняет разнообразие источников данных, которые можно добывать, анализировать и экстраполировать для точного прогнозирования продуктов, которые человек желает приобрести. Наборы данных значительно расширяются, когда потребители дают разрешение[8] для изучения содержания всех связанных с ними социальных сетей,[9] доверие к обмену обеспечит лучший опыт покупок.[10]

История

Прогнозные покупки - это прикладная производная от Искусственный интеллект[11] который может иметь некоторые из самых ранних корней, обнаруженных в греческой мифологии. Рассматривать Гефест и Пигмалион которые использовали концепцию интеллектуальных роботов (таких как Талос). За прошедшие годы философия интеллектуального программирования значительно продвинулась вперед, но в 1945 году Джон фон Нейман[12] и Оскар Моргенштерн представил Теория игры[13] который представил искусственный интеллект. Ванневар Буш позже в том же году была опубликована статья в июле 1945 г. The Atlantic Monthly названный Как мы можем думать фокусируясь на видении компьютеров будущего, помогающих людям во многих сферах деятельности.

Только в 1951 году первые программы ИИ были написаны Кристофер Стрейчи и Дитрих Принц бежать по Ферранти Марк1 машина Манчестерский университет играть в шашки и шахматы.

В 1990-е годы сбор данных стало ключевым событием, которое в конечном итоге привело к поведенческая робототехника, например, с Полли, первый робот, который перемещается с помощью зрения и работает со скоростью животных.

В 2005 году, рекомендательная технология на основе отслеживание веб-активности или использование СМИ принесло искусственный интеллект к маркетингу.

TiVo Предложения[14] и Пандора были первыми в области прогнозирования поведения потребителей на основе истории и алгоритмической обработки.[15]

Прогнозные покупки сегодня

Такие сайты, как Amazon.com, @WalmartLabs и Imply Labs используют прогнозную информацию о покупках, чтобы рекомендовать потребителям соответствующие продукты на основе использования социальных сетей.

использованная литература

  1. ^ Кантарджич, Мехмед (2003). Data Mining: концепции, модели, методы и алгоритмы. Джон Вили и сыновья. ISBN 0-471-22852-4. OCLC 50055336
  2. ^ Фуденберг, Дрю; Тироль, Жан (1991), теория игр, MIT Press, ISBN 978-0-262-06141-4 .
  3. ^ Булос, Джордж; Берджесс, Джон; Джеффри, Ричард С. (2007). Вычислимость и логика. Кембридж: Издательство Кембриджского университета.
  4. ^ М. Х. Катнер, К. Дж. Нахтсхейм и Дж. Нетер (2004), «Прикладные модели линейной регрессии», 4-е изд., McGraw-Hill / Irwin, Бостон
  5. ^ Агрести, Алан (2002). Категориальный анализ данных. Хобокен: Джон Уайли и сыновья. ISBN 0-471-36093-7
  6. ^ Скотт, Дэвид Меерман (2007). Новые правила маркетинга и PR, как использовать выпуски новостей, блоги, подкасты, вирусный маркетинг и онлайн-СМИ, чтобы напрямую связаться с вашими покупателями. Хобокен, штат Нью-Джерси: J. Wiley & Sons, Inc., стр. 162. ISBN 978-0-470-11345-5.
  7. ^ О'гуинн, Томас (2008). Реклама и комплексное продвижение бренда. Оксфорд, Оксфордшир: Издательство Оксфордского университета.
  8. ^ Годин, Сет (1999). Маркетинг разрешений: превращение незнакомцев в друзей, а друзей в клиентов. Нью-Йорк: Саймон и Шустер. ISBN 0-684-85636-0.
  9. ^ В. Бускенс, «Социальные сети и доверие», в Нидерландах: Kluwer Academic Publishers, 2002.
  10. ^ У. Кутер и Дж. Голбек, «Санни: новый алгоритм установления доверия в социальных сетях с использованием вероятностных моделей доверия», в AAAI, 2007,
  11. ^ Джон Р. Дэвис, Стивен В. Коггесхолл, Роджер Д. Джонс и Дэниел Шутцер, «Интеллектуальные системы безопасности», в Фридман, Рой С., Флейн, Роберт А. и Ледерман, Джесс, редакторы (1995). Искусственный интеллект на рынках капитала. Чикаго: Ирвин.
  12. ^ Паундстон, Уильям (1992), Дилемма заключенного: Джон фон Нейман, теория игр и загадка бомбы, якорь, ISBN 978-0-385-41580-4 . Общая история теории игр и теоретиков игр.
  13. ^ Мэйнард Смит, Джон (1982), Эволюция и теория игр, Cambridge University Press, ISBN 978-0-521-28884-2
  14. ^ «Архивная копия». Архивировано из оригинал на 2014-11-02. Получено 2010-11-24.CS1 maint: заархивированная копия как заголовок (ссылка на сайт)
  15. ^ Джон, Джойс (сентябрь 2006 г.). ""Пандора и проект музыкального генома"". Научные вычисления. 23: 40–41. ISSN 1930-5753. Архивировано из оригинал на 2012-02-16. Получено 2008-08-03.