Hệ gợi ý không cá nhân hóa
Khái niệm
Hệ gợi ý không cá nhân hóa trong tiếng Anh gọi là: Non-personalized recommender system.
Hệ gợi ý không cá nhân hóa là nhóm phương pháp không dựa vào hồ sơ cá nhân từng khách hàng, mà chỉ dựa vào top các đánh giá từ các khách hàng khác, chẳng hạn như: Các sản phẩm bán chạy nhất, các sản phẩm được đánh giá tốt nhất,… (Schafer & cs., 2001).
Ưu nhược điểm
- Ưu điểm: Đơn giản và dễ thực hiện. Gợi ý không phụ thuộc vào dữ liệu của khách hàng trên hệ thống, nên áp dụng được cho mọi khách hàng, giúp tăng cơ hội chuyển đổi khách hàng.
- Hạn chế: Không có tính cá nhân hóa đối với từng khách hàng. Vì vậy, mọi khách đều gợi ý giống nhau.
Các phương pháp
Một số phương pháp gợi ý thuộc loại không cá nhân hóa:
- Gợi ý sản phẩm bán chạy nhất (Popular products): Nhóm xây dựng website sẽ dựa vào dữ liệu bán hàng trong cơ sở dữ liệu (CSDL) để thống kê các sản phẩm bán chạy nhất, sau đó thông báo lên bản tin trên website để giới thiệu cho khách hàng biết, xem và mua sản phẩm.
- Gợi ý sản phẩm bán chậm (Slowly products): Nhóm xây dựng website sẽ dựa vào dữ liệu bán hàng trong cơ sở dữ liệu để thống kê các sản phẩm bán chậm và từ đó có chính sách giảm giá, thông báo lên bản tin của website, gửi email tới khách hàng để khách hàng biết thông tin giảm giá của cửa hàng, giúp giảm lượng hàng tồn kho.
- Gợi ý sản phẩm mới (New products): Nhóm xây dựng website sẽ dựa vào đặc điểm của sản phẩm mà không cần dữ liệu về khách hàng, không cần dữ liệu bán hàng để xây dựng module gợi ý sản phẩm mới.
Hệ gợi ý không cá nhân hóa là một loại phương pháp của hệ gợi ý.
Hệ gợi ý là kĩ thuật của trí tuệ nhân tạo, được nghiên cứu để cung cấp những gợi ý tự động tới người dùng hoặc khách hàng. Nó dựa trên dữ liệu về hành vi trong quá khứ của người dùng để hướng dẫn khách hàng định vị được những sản phẩm mà họ thích, giúp khách hàng có những quyết định tốt khi mua sắm online.
(Tài liệu tham khảo: Các phương pháp hệ gợi ý và tác động đối với thương mại điện tử, Hoàng Thị Hà, Lê Thị Minh Thùy, Đoàn Thị Thu Hà, Tạp chí Công thương, 2020)
