Personalizované nabídky pro nejrychleji rostoucí komerční realitní tržiště

Jméno klientaCrexi

Země klientaUSA

  • Typ klientaVelký podnik
  • OdvětvíReality
  • Oblast nasazeníMarketing, prodej a zapojení zákazníků, Obsah, média a komunikace, Zákaznická podpora a zkušenost
  • AI technologieGenerativní AI, MLOps a monitoring modelů, Strojové učení, Velké jazykové modely (LLMs), Zpětnovazební učení
  • Přínos pro byznysEfektivita provozu a úspory nákladů, Zákaznická zkušenost a růst trhu
  • Typ datČasové řady, Dokumenty / semistrukturovaná data, Obrazová data, Ostatní, Textová data
  • Model dodání Služba / Předplatné
  • NasazeníCloudové řešení
  • Klíčové schopnostiDoporučování a personalizace
  • Fáze projektuŠkálování / rozšířená implementace
  • Formy řešeníOstatní, Webový portál / dashboard

Popis řešení

Obchodní problém

Crexi čelilo výzvě efektivně propojit kupující, prodávající, makléře a nájemce na často fragmentovaném a složitém trhu komerčních nemovitostí. S rostoucím objemem nabídek a uživatelské aktivity bylo stále obtížnější zajistit relevantní objevování nemovitostí a udržet plynulý transakční proces. To vytvářelo tření v rozhodovacím procesu a hrozilo snížení spokojenosti uživatelů na celé platformě. Implementací personalizovaných doporučení nemovitostí, optimalizovaných e-mailových kampaní a pokročilých vyhledávacích funkcí Recombee zlepšilo více aspektů platformy Crexi, významně posílilo zapojení uživatelů, zefektivnilo objevování nemovitostí a zvýšilo celkovou spokojenost zákazníků.

Řešení

Recombee implementovalo sofistikovaný soubor inkrementálně trénovaných doporučovacích modelů, aby vyhovělo potřebám kupujících i prodávajících na Crexi. To zahrnovalo kolaborativní filtrování, obsahově založené modely, pokročilé hluboké učení a posilované učení prostřednictvím kontextových banditů. V souladu s produktovou vizí Crexi byly vyvinuty vlastní geografické funkce ReQL podporující body, polygony, poloměry a logiku obsahování pro přesné chování vyhledávání podle lokality. Systém byl dále optimalizován tak, aby podporoval více klíčových akcí v komerčních realitách, jako je kontaktování makléřů, podávání nabídek, stahování nabídkových memorand a vyžádání podkladů k due diligence, čímž významně zlepšil uživatelskou zkušenost a výkon platformy.

Hlavní uživatelé řešení

Realitní makléři, listing agenti, obchodní a marketingové týmy a investoři/kupující nemovitostí (kteří dostávají doporučení)

Časový rámec projektu (měsíce)

3

Použité technologie

  • Kolaborativní doporučovací modely (Deep Variational Autoencoders, Matrix Factorization, Linear Models, …)

  • Obsahově založené doporučovací modely (Convolutional Neural Networks, LLMs, vizuální podobnost)

  • Doporučovací modely s posilovaným učením (Multi-Armed Bandit Models, Deep Reinforcement Learning)

  • beeFormer Transformer Architecture

Dodatečné služby

  • Identifikace a prioritizace vhodných use‑casů
  • Výběr a přizpůsobení AI modelu
  • Průběžná údržba a retraining modelu

Implementace

Vlastník projektu na straně klienta

Vedoucí funkční / provozní jednotky

Participace na straně klienta

  • Business / Product Owner
  • Data & ML specialisté
  • Softwarové & datové inženýrství / IT Ops

Forma zapojení dodavatele

Společná implementace s klientem

Provoz a údržba

Provozní model

Interní tým Recombee udržuje poskytovanou službu.

Potřebné kompetence na straně klienta

Není relevantní, protože jde o systém jako službu.

Další zdroje nebo infrastruktura

Nejsou žádné technické požadavky, platba za SaaS probíhá měsíčně.

Dopad a výsledky

Kvalitativní přínosy

Personalizovaný doporučovací systém Recombee posílil zapojení uživatelů na Crexi tím, že zpřesnil a zefektivnil objevování nemovitostí. Návrhy podobných nemovitostí podpořily hlubší prozkoumávání, zatímco personalizace výsledků vyhledávání pomohla zobrazovat nabídky odpovídající záměrům jednotlivých uživatelů. Personalizace e-mailů se stala silným kanálem pro znovu zapojení, zvýšila zájem a přímo ovlivnila akce související s pronájmem i nákupem.

Kvantitativní výsledky

Díky Recombee vedla personalizovaná doporučení nemovitostí k 40% nárůstu nákupních akcí, zatímco personalizace vyhledávání přispěla k dalšímu 10% růstu. V e-mailové komunikaci vzrostla míra kliknutí po otevření o 178 % a akce spojené s pronájmem vzrostly o 14 % mezi uživateli, kteří dostávali personalizované zprávy, což zdůrazňuje hodnotu přizpůsobeného obsahu napříč všemi touchpointy.

Zpětná vazba klienta

„Naše spolupráce s Recombee posílila schopnosti naší platformy díky inteligentním personalizačním algoritmům a sofistikovaným výsledkům vyhledávání. Naši zákazníci nyní dostávají vysoce relevantní doporučení nemovitostí, která odpovídají jejich specifickým potřebám, přičemž jedna konkrétní e-mailová kampaň zaznamenala 178% nárůst CTOR. Jejich závazek k excelenci je patrný ve 40% nárůstu zapojení do nabídek na naší platformě, což přispívá k našemu růstu na konkurenčním realitním trhu. Tým Recombee je vstřícný, profesionální a vynakládá úsilí, aby podpořil náš jedinečný obchodní model.“ – Larkin Magner, Director of Product Management at Crexi.

Poučení a doporučení

Klíčové faktory úspěchu

Některé klíčové faktory úspěchu:

  • Technická připravenost klienta: Samotná integrace doporučení není technicky složitá, je však nutné mít v pořádku základní katalogová data a identifikovat uživatele.

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

  • Týmová práce a podpora od Recombee: Rychlá a vstřícná podpora, aktivní zapojení do hledání řešení unikátních požadavků a profesionální přístup pomohly rychle dosáhnout požadovaných výsledků.

Největší výzvy

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 (prostřednictvím kontrol, výměny reportů apod.) před začátkem A/B testu.

Doporučení pro ostatní

Některá z našich doporučení:

  • Vyberte správnou metriku, kterou chcete optimalizovat: Definujte svůj hlavní KPI — např. míru prokliku, míru konverze, dobu strávenou na stránce atd.

  • Zvolte vhodný první use-case: Typicky se jedná o umístění, která vidí mnoho uživatelů (umožňuje rychlou optimalizaci modelů a rychlé výsledky A/B testů) a nejsou složitá na implementaci. Nejčastěji jde o umístění na homepage nebo na stránkách detailu článků/videí/produktů.

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

  • Využijte flexibilitu systému: Nebojte se navrhnout specifické personalizační use-casy s využitím kombinace logik, filtrů, boosterů a dalších nástrojů.

Propagace

Buďte v obraze s CNAIP. Přihlašte se k pravidelnému mediamonitoru a nemine vás žádná novinka v oblasti AI. Pravidelně dostanete do svých schránek přehled toho nejdůležitějšího.

Odběrem souhlasíte se Zásadami ochrany soukromí

Chcete se stát součástí České AI?

Podělte se o svůj příběh a ukažte, co vše s umělou inteligencí dokážete. Vaše zapojení inspiruje ostatní a pomůže nám zmapovat českou AI scénu v celém jejím rozsahu.