Quali sono i fattori che determinano una raccomandazione di prodotto?
Gli Explainable Recommender Systems sono sistemi progettati per aiutare gli utenti a trovare gli oggetti di maggiore interesse fornendo non solo la raccomandazione, ma spiegando anche le motivazioni alla base di tale suggerimento.
La maggior parte dei sistemi di raccomandazione, oggi, è in grado di fornire un’ottima raccomandazione, ma non un’efficace spiegazione del perché quell’indicazione sia stata fornita.
La possibilità di comprendere le ragioni alla base di una raccomandazione permette all’utente di sviluppare una maggiore fiducia nel sistema che sta utilizzando, aspetto cruciale all’interno di un contesto commerciale, sia per chi acquista un prodotto (l’utente finale) sia per chi lo vende.
Prendiamo in esame due possibili scenari:
Scenario 1: Utente finale che effettua un acquisto
- Il sistema di raccomandazione considera gli acquisti passati dell’utente. Ad esempio, la raccomandazione potrebbe basarsi su prodotti simili a quelli acquistati in precedenza, su articoli di categorie simili, oppure su prodotti che sono stati aggiunti al carrello ma mai acquistati, nonostante numerose visualizzazioni.
Scenario 2: Venditore che offre un prodotto
- La raccomandazione fornita al venditore è influenzata da obiettivi aziendali come l’ottimizzazione dello stock in magazzino tramite vendite mirate, la massimizzazione del profitto attraverso strategie di cross-selling, l’incremento delle vendite mediante sconti su determinate categorie di prodotti.
Gli Explainable Recommender Systems offrono una grande flessibilità durante la fase di valutazione perché la qualità delle raccomandazioni può essere accompagnata da nuovi aspetti che mettono al centro la capacità di comprensione dello strumento.
Vengono, infatti, considerate molteplici prospettive come trasparenza, fiducia, efficacia, efficienza, soddisfazione, recentezza, fedeltà, diversità, accuratezza e potenza persuasiva.
Vuoi saperne di più?
