- Tytuł:
-
Using recommendation approaches for ratings matrixes in online marketing
Zastosowanie zaleceń rekomendacji do oceny macierzy w marketingu online - Autorzy:
-
Nehrey, Maryna
Hnot, Taras - Powiązania:
- https://bibliotekanauki.pl/articles/591774.pdf
- Data publikacji:
- 2017
- Wydawca:
- Uniwersytet Ekonomiczny w Katowicach
- Tematy:
-
Matrix factorization
Memory-based recommender systems
Model-based recommender systems
Recommender systems
Faktoryzacja macierzowa
Modele rekomendujące oparte na modelach
Systemy rekomendujące
Systemy rekomendujące oparte na pamięci - Opis:
-
The main objective of the study is detecting of advantages and disadvantages
of different algorithms which are used when building recommender system. Recommender
systems became so popular because of active development of online marketing and increase
of sales through the Internet. Development and implementation of a strategy for
recommending products cause effective use of resources and dynamic sales of the company.
Recommender systems are one of the most effective tools: systems, which are built
using memory-based algorithms, and systems with model-based algorithms. The best performance
was shown by Matrix Factorization techniques with Stochastic Gradient Descend.
When selecting a recommender system it is advisable to consider the purpose of
use, product features, specifications and availability of customer data on their preferences.
The use of one of the described recommender system will improve the efficiency of the
product marketing.
Głównym celem badania jest wykrycie zalet i wad różnych algorytmów wykorzystywanych podczas budowania systemu rekomendacji. Systemy rekomendujące stały się tak popularne ze względu na aktywny rozwój marketingu internetowego i wzrost sprzedaży za pośrednictwem Internetu. Opracowanie i wdrożenie strategii rekomendowania produktów powoduje efektywne wykorzystanie zasobów firmy i dynamiczną sprzedaż. Systemy rekomendujące są jednym z najbardziej efektywnych narzędzi – systemów, które są zbudowane przy użyciu algorytmów opartych na pamięci i systemów z algorytmami opartymi na modelach. Najlepszą wydajność pokazały techniki Matrix Factorization ze Stochastic Gradient Descend. Wybierając system rekomendujący, należy wziąć pod uwagę cel używania, cechy produktu, specyfikacje i dostępność danych klienta według ich preferencji. Korzystanie z jednego z opisanych systemów rekomendujących poprawi efektywność marketingu produktów. - Źródło:
-
Studia Ekonomiczne; 2017, 342; 115-130
2083-8611 - Pojawia się w:
- Studia Ekonomiczne
- Dostawca treści:
- Biblioteka Nauki
Artykuł