Dit is hoe aanbevelingen op basis van deep-learning werken

door Cyril Westerhof

Dagelijks worden we online en offline met duizenden advertenties geconfronteerd. Niet voor niets is de populariteit van ad-blockers sterk toegenomen. Het laat zien dat men het aantal advertenties wil terugdringen. Probleem is niet zozeer het grote aantal advertenties, als wel dat de meeste  niet relevant zijn. Door personalisatietechnologieën in te zetten, kunnen marketeers gebruikers alleen nog relevante content tonen.

Deep learning is een vorm van artificial intelligence (AI). Met deep learning-technologieën is het mogelijk om gebruikersbehoeften nauwkeuriger te analyseren en te identificeren aan de hand van geavanceerde algoritmen en datamodellen. Een dergelijke oplossing is belangrijk voor de e-commercesector, waar de productvoorraden groot en gevarieerd zijn.

Diepgaande analyse door middel van deep learning-algoritmen zorgt dat iedere unieke websitebezoeker snel gepersonaliseerde aanbiedingen te zien krijgt. Het resultaat is een campagne die alleen relevante aanbevelingen doet, minder frustratie voor de gebruiker en meer effect voor adverteerders.
 

Het verschil tussen machine learning en deep learning in retargeting

De meeste retargeting-acties beginnen bij een gebruiker die in verschillende winkels vergelijkbare producten bekijkt, maar nog niks koopt. Om opnieuw contact te leggen met deze gebruiker en ervoor te zorgen dat hij terugkeert, zet de digital marketeer een retargeting-campagne op. De uitdaging daarbij is, die individuele bezoeker de juiste aanbieding te tonen met de juiste creatie. Dit is te automatiseren met AI.

Deep learning onderscheidt zich van machine learning door de leermethode. Machine learning wil zeggen dat de machine met behulp van algoritmes in staat is om te leren van grote hoeveelheden data.  Maar het moet wel worden opgevoed. Simpel gezegd: het moet weten wat het moet analyseren en welk resultaat gewenst is. 

Deep learning berust op een ander soort leermethode die meer gelijkenis vertoont met hoe het menselijk brein werkt. Zoals een mens leert door te oefenen, zal een deep learning-model verschillende benaderingen uitproberen voordat het een beslissing neemt. In de wereld van  e-commerce doet het deep learing-systeem bijvoorbeeld kennis op door middel van ervaringen of simulaties, waardoor je een nauwkeurigere en snellere identificatie krijgt van waar de conversiekans ligt.

Welke methode de beste uitkomst biedt, zal per merk verschillen. Om te bepalen welke AI-oplossing het meest geschikt is, is het echter belangrijk om te kijken naar de huidige processen en doelen die behaald moeten worden.
 

Onthullen van verborgen data

Deep learning helpt niet alleen om gedrag te analyseren, zoals welk product of productcategorie een consument heeft bezocht, maar ook ‘verborgen data’. Algoritmen kunnen bijvoorbeeld analyseren hoe lang gebruikers producten bekijken, wat de prijzen van de bekeken producten zijn, hoe vaak gebruikers een webshop bezoeken of zelfs de volgorde van de bezochte pagina’s.

Zo kan de webwinkelier precies niet alleen vaststellen wat de gebruiker deed in de webshop maar ook wat zijn intenties waren. Op basis van grote hoeveelheden historische data kan de retargeting-technologie vervolgens berekenen in welke producten deze gebruiker het meest geïnteresseerd is of voorspellen waar hij in de toekomst naar op zoek gaat.
 

Geoptimaliseerde aanbiedingen

De volgende stap is, bepalen op welke manier en in welke volgorde de aanbiedingen worden gepresenteerd. Met offer scoring wordt ieder product in de webshop continu geëvalueerd. Deep learning-algoritmen analyseren aanbiedingen en gaan na hoe aantrekkelijk de aanbieding is voor een specifieke gebruiker.

Met deep learning-algoritmen is het voor de webwinkelier een stuk eenvoudiger om te bepalen welke aanbieding er op de banner komt te staan. Ook zijn er meer productcombinaties mogelijk en kunnen de producten die uiteindelijk worden gepresenteerd nog veel verder gepersonaliseerd zijn. Dankzij deze aanpak hoeven marketeers niet meer met hagel te schieten. Algoritmen gaan dieper in op gedrag van de inviduele gebruiker en zoeken naar de beste aanbiedingen en de meest effectieve volgorde waarin aanbiedingen op banners worden getoond.
 

Real-time personalisatie

Het gedrag van gebruikers verandert continu. Door telkens opnieuw reacties te beoordelen, kunnen algoritmen zich aanpassen aan de reactie van de gebruiker op eerder getoonde aanbiedingen. Daardoor wordt in real-time een gedragsprofiel gecreëerd dat niet alleen is gebaseerd op wat de gebruiker doet in de webshop, maar ook op hoe hij reageerde op de advertentie.

In een tijd waarin de effectiviteit van advertenties afneemt door overstimulatie, kan deep learning helpen om gebruikers gepersonaliseerde en dus effectieve aanbiedingen te tonen. 

Cyril Westerhof is Country Manager Benelux bij RTB House