Google maakt Recommendations AI-tool algemeen beschikbaar

Abonneer je gratis op Techzine!

Google heeft zijn Recommendations AI-tool voor e-commerce beschikbaar gemaakt. De tool gebruikt de AI-tools van Google om gepersonaliseerde aanbevelingen te sturen naar de klanten van retailers.

Klanten kunnen met de Recommendations AI-tool verschillende modellen creëren om aanbevelingen te doen. De tool gebruikt data van verschillende Google Cloud-diensten zoals Google Analytics 360, BigQuery en Merchant Center waardoor retailers zich kunnen richten op specifieke klanten. Nieuwe modellen worden, afhankelijk van de complexiteit, binnen twee tot vijf dagen getraind waarna ze gebruikt kunnen worden om aanbevelingen te versturen.

Volgens Pallav Mehta, Google Product Manager, kunnen retailers nu meer de focus leggen op individuele klanten in plaats van individuele producten. Recommendations AI maakt gebruik van de aankoopgeschiedenis en browsegewoontes om producten te vinden die interessant zijn voor de klant.

Deep Learning

De dienst gebruikt deep learning-modellen die de metadata van artikelen en gebruikers analyseert om op grote schaal inzichten te krijgen over miljoenen artikelen. “Recommendations AI corrigeert ook vooroordelen met betrekking tot populaire artikelen en artikelen in de uitverkoop, seizoensinvloeden of artikelen waarvoor er weinig data is.“ Volgens Google kunnen deze modellen elke dag opnieuw getraind worden om nieuwe inzichten te verkrijgen.

Meer sales

Recommendations AI verscheen vorig jaar in private bèta. Gebruikers van die versie zien naar eigen zeggen een grote toename in sales door de tool. Sephora, een winkelketen gespecialiseerd op parfum en cosmetica, zag een toename van 50 procent op het gebied van CTR (click-through rate) en het conversiepercentage (hoeveel bezoekers daadwerkelijk iets kopen) is gestegen met 2 procent. Andere bedrijven zien vergelijkbare resultaten.

Google maakt de Recommendations AI-tool nu beschikbaar (public bèta) in drie verschillende prijsniveaus, plus afzonderlijke kosten voor het trainen en afstellen van de deep learning-modellen.