AI doporučování produktů s vysoce volatilním inventářem a uživatelsky generovaným obsahem

Slickdeals čelil složité výzvě, jak doručovat relevantní a včasná doporučení v prostředí, které je vysoce dynamické a definované rychle se měnícím, převážně uživatelsky generovaným obsahem nabídek. Komunita více než 25 milionů uživatelů aktivně přidává příspěvky, hlasuje a zapojuje se do nabídek. Zajištění personalizovaných doporučení ve velkém měřítku se stalo nezbytným. Spoléhání pouze na manuální procesy riskovalo, že uživatelé přijdou o hodnotné nabídky, což by mohlo negativně ovlivnit jejich zapojení, spokojenost a partnerské příjmy. Implementace inteligentní automatizace byla proto klíčová pro udržení důvěry uživatelů, zvýšení retence a maximalizaci monetizačních příležitostí.

Recombee poháněl sekci „Just For You“ na homepage Slickdeals vlastním doporučovacím systémem, který kombinoval pokročilé strojové učení a obchodní logiku. Přizpůsobená pravidla řešila expirované nabídky, zatímco vícestupňové ML nastavení zahrnovalo kolaborativní filtrování, NLP prostřednictvím rekurentních neuronových sítí a analýzu obrázků s hlubokými CNN, což zajišťovalo přesnou personalizaci. Modely byly navrženy pro trénink v reálném čase s průběžným zpracováváním nových dat a jejich okamžitou reprioritizací. Posilované učení a kontextové bandity rychle identifikovaly trendující nabídky, což umožnilo jejich včasné objevování a maximalizovalo zapojení uživatelů.

Týmy pro moderaci obsahu, marketing, datoví analytici a koncoví uživatelé (kteří dostávají doporučení)

2

• Kolaborativní filtrační modely doporučení (Deep Variational Autoencoders, Matrix Factorization, Lineární modely, …)

• Obsahově založené modely doporučení (Konvoluční neuronové sítě, LLMs, vizuální podobnost)

• Modely doporučení s posilovaným učením (Multi-Armed Bandit Models, Deep Reinforcement Learning)

• beeFormer Transformer Architecture

Vedoucí funkční / provozní jednotky

Společná implementace s klientem

Interní tým Recombee udržuje poskytovanou službu.

Není relevantní, protože jsme systém jako služba.

Nejsou žádné technické požadavky, platba za SaaS je na měsíční bázi.

Doporučovací systém Recombee posílil platformu Slickdeals tím, že doručoval personalizované návrhy nabídek v reálném čase v neustále se měnícím prostředí poháněném komunitou. Personalizovaný obsah nejen zlepšil prohlížecí zážitek, ale také pomohl uživatelům objevovat včasné a hodnotné nabídky, které by jinak mohli přehlédnout. Zvýšená relevance udržela uživatele více zapojené a podpořila plynulejší objevování napříč kategoriemi.

Míra prokliku Slickdeals na produktové stránky vzrostla o 70 %, zatímco CTR partnerských odkazů se zvýšila o 30 %. Tyto výsledky odrážejí silnější interakci uživatelů a vyšší konverzní potenciál, což přímo podpořilo růst příjmů a hlubší zapojení – vše díky personalizaci v reálném čase ve velkém měřítku.

„Recombee dokázalo zvládnout náš velmi specifický use-case poskytování doporučení ve vysoce volatilním inventáři uživatelsky generovaného obsahu. Umístění doporučení na naši homepage bylo obrovským úspěchem — více než 70% nárůst zhlédnutí produktových detailních stránek a více než 30% vyšší míra prokliků. Tým Recombee je skvělým partnerem při řešení našich unikátních případů a těšíme se na pokračování spolupráce.“ – Daniel Uhm, Product Manager, Slickdeals

Některé klíčové faktory úspěchu:

• Technická připravenost klienta: samotná integrace doporučení není technicky složitá; je však nutné mít základní katalogová data v dobrém stavu a identifikovat uživatele.

• Flexibilita a možnosti přizpůsobení Recombee: klienti ocenili, že mohli jemně doladit chování doporučování podle specifických use-casů.

• Týmová práce a podpora ze strany Recombee: rychlá a responzivní podpora, aktivní zapojení při hledání řešení unikátních požadavků a profesionální přístup pomohly rychle dosáhnout požadovaných výsledků.

Největší výzvou je zajištění konzistence a měření dat. Je důležité zajistit, aby stejná data byla dostupná jak na straně klienta, tak v Recombee, aby bylo možné správně měřit a optimalizovat KPI. Tým Recombee to ve spolupráci s klientem zajišťuje (pomocí kontrol, výměny reportů apod.) před spuštěním A/B testu.

Některá naše doporučení:

• Vyberte správnou metriku, kterou chcete optimalizovat: definujte svůj hlavní KPI — např. míru prokliku, konverzní poměr, čas strávený atd.

• Zvolte vhodný první use-case: vhodná jsou obvykle umístění, která vidí mnoho uživatelů (umožňují rychlou optimalizaci modelů a rychlé získání významných výsledků A/B testů) a nejsou složitá na implementaci. Nejčastěji jde o umístění na homepage nebo na stránkách detailu článku/videa/produktu.

• Investujte do přípravy dat: identifikujte uživatele a udržujte konzistentní katalog.

• Využijte flexibilitu systému: nebojte se navrhovat specifické personalizační use-casy pomocí kombinace logik, filtrů, boosterů a dalších nástrojů.