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.
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
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
Demo / veřejné výstupy

- SpolečnostRecombee
- KontaktGabriela Takáčová
- Emailbusiness@recombee.com
- Webhttps://www.recombee.com
- AdresaVáclavské náměstí 1, 110 00 Praha