توسعه سیستم پیشنهادی برای تجارت الکترونیک خرده فروشی مد

ترجمه مقاله توسعه سیستم پیشنهادی برای تجارت الکترونیک خرده فروشی مد

ترجمه مقاله Recommendation system development for fashion retail e-commerce

در این پست ترجمه مقاله تحقیقات و برنامه های کاربردی تجارت الکترونیک را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را نیز به طور کاملا رایگان دانلود بفرمایید.

چکیده

این بررسی ها یک سیستم توصیه گر جهت فیلترینگ گروهی در دنیای واقعی را در یک برنامه گسترده با نمایش دادن اطلاعاتی در رابطه با شرکت مد کره ای که محصولات مد را به وسیله مراکز خرید on line و of line به فروش می رساند اجرا می کند. این سیستم توصیه گر خصوصیات های منحصر به فردی را در رابطه با شرکت ها در زیر نمایش می دهد : ابتدا، فروشگاه و of line شرکتها محصولات مشابهی را به فروش میرسانند. دوم، محصولات مربوط به مد در بعضی مواقع فصلی هست، برای این منظور اولویت بندی مشتریان نسبت به بازه زمانی سال عوض می شود. در نتیجه، مشتریان اقلامی را که قبلا خریداری شده و یا مورد آزمایش قرار گرفته را مجددا تهیه می نمایند. ما سیستم تازه ای به نام K-RecSys را پیشنهاد می دهیم که فیلترینگ متداولی را بر مبنای یک الگوریتم با منعکس کردن خصوصیات هایی با ضرایب بالا نمایش میدهد. K-RecSys ترکیبی از داده های محصولات on line و داده های محصولات of line را با توجه به تنظیمات on line و of line مشتریان نمایش میدهد. همچنین نشان داده می شود که تابع تضعیفی برای نمایش دادن تغییرات در تنظیماتی که در طول زمان انجام می گیرد وجود دارد و در پایان جایگزین محصولات خرده و عمده با استفاده از اطلاعات دسته بندی شده محصولات پیشنهاد می شود.

مقدمه

به تازگی، تجارت الکترونیکی به یک کانال مهم برای بسیاری از خرده فروشی ها تبدیل گشته است. شرکتهای (2017)، تجارت الكترونیك ، ارزیابی می کنند که تجارت خرده فروشی در تمام نقاط جهان الکترونیکی خواهد شد و از 2.29 تریلیون دلار در سال ۲۰۱۷ به 4.48 تریلیون دلار تا پایان سال ۲۰۲۱ خواهد رسید. با وجود این موفقیت، تجارت الکترونیک بازار قابل توجهی دارد اما این تجارت برای کمک به مشتریان در خارج از کشور با محدودیت هایی در خط تولید فروشگاهها مواجه است، و هیچ کارمندی برای کمک به خریداران در فروشگاه های آنلاین حضور ندارد. به این ترتیب برای غلبه بر این محدودیت، فروشگاه های آنلاین ویژگی های مختلفی را ، به عنوان ،روش “دایرکتوری های جستجو” برای کمک به مشتریان در نظر گرفته اند. با اينكه این خدمات می تواند تجربه خرید، مشتریان آنلاین را افزایش دهد اما در صورت عدم نیاز می توانند از این خدمات استفاده ننمایند.

چکیده انگلیسی

This study presents a real-world collaborative filtering recommendation system implemented in a large Korean fashion company that sells fashion products through both online and offline shopping malls. The company’s recommendation environment displays the following unique characteristics: First, the company’s online and offline stores sell the same products. Second, fashion products are usually seasonal so customers’ general preference changes according to the time of year. Last, customers usually purchase items to replace previously preferred items or purchase items to complement those already bought. We propose a new system called K-RecSys, which extends the typical item-based collaborative filtering algorithm by reflecting the above domain characteristics. K-RecSys combines online product click data and offline product sale data weighted to reflect the online and offline preferences of customers. It also adopts a preference decay function to reflect changes in preferences over time, and finally recommends substitute and complementary products using product category information. We conducted an A/B test in the actual operating environment to compare K-RecSys with the existing collaborative filtering system implemented with only online data. Our experimental results show that the proposed system is superior in terms of product clicks and sales in the online shopping mall and its substitute recommendations are adopted more frequently than complementary recommendations.

منبع : sciencedirect.com