Een aanbevelingsengine is software die voorspelt wat iemand waarschijnlijk wil en die opties voor hem neerzet. Hij bestudeert gedrag, wat mensen bekijken, kopen, beoordelen of overslaan, en vindt patronen die vertellen wat vaak samengaat. Daarna rangschikt hij de meest relevante items voor elke persoon. Het is het stille systeem achter “klanten kochten ook” en “omdat je dit hebt bekeken.”
Het klassieke voorbeeld is een supermarkt die merkt dat mensen die luiers kopen vaak ook bier kopen, en die producten dicht bij elkaar zet. Een aanbevelingsengine doet dit automatisch en op schaal, en spot duizenden van zulke verbanden die geen mens zou vinden. Amazon en Netflix bouwden veel van hun groei precies hierop, door een muur van keuzes om te zetten in een korte, persoonlijke shortlist. Netflix heeft gezegd dat het meeste dat mensen echt kijken uit die voorstellen komt, niet uit zoeken. Dat is de hele winst: minder scrollen, meer actie.
Onder de motorkap leunen de meeste engines op machine learning om van eerder gedrag te leren, en veel gebruiken gelijkenis-zoeken om items of gebruikers te vinden die op elkaar lijken. Er zijn twee gangbare invalshoeken. De ene kijkt naar het item (“mensen die dit kochten, kochten ook dat”), de andere naar de persoon (“kopers zoals jij vonden deze leuk”). Hoe beter de patronen die hij leert, hoe meer het voelt alsof de site de bezoeker gewoon begrijpt, wat hem aan het browsen en kopen houdt in plaats van weg te klikken naar een concurrent.
Bij TopDevs bouwen we aanbevelingsengines in de shop of het platform van een klant als het doel is om de gemiddelde orderwaarde te verhogen en mensen aan het ontdekken te houden, beginnend simpel en met de data die de voorstellen over tijd scherper maakt.
