Contact

Follow

  • medium-logo-black-transparent
  • Black Twitter Icon

66 95-460-8830

©2017 by Coraline

Please reload

Recent Posts

Algorithm เบื้องหลัง Amazon.com

October 19, 2017

 

 

ธุรกิจ E-Commerce กำลังมาแรงในยุคที่ Internet เป็นปัจจัยสำคัญของการดำรงชีวิต เพราะนอกจากต้นทุนของการทำธุรกิจประเภทนี้จะสะดวก ไม่ต้องมีหน้าร้าน ในมุมของผู้บริโภคยังสร้างความสะดวกสบายในการจับจ่ายซื้อสินค้าได้ดีอีกด้วย เพราะข้อดีของเว็บ E-Commerce คือ ค้นหาสินค้าสะดวก และยังมีข้อมูลต่างๆ ของสินค้าให้เราได้ศึกษา ทำความเข้าใจ และเปรียบเทียบกับสินค้าอื่นๆ


เมื่อสินค้ามีหลายตัวเลือก คะแนนการรีวิวสินค้า ก็เป็นอีกหนึ่งปัจจัยที่กลายเป็นนิสัยใหม่ของผู้บริโภค นอกเหนือไปจากนั้น การแนะนำสินค้าจากทางเว็บไซด์เองผลต่อการตัดสินใจซื้อสินค้านั้นๆ ด้วยเช่นกัน เพราะในบางกรณีที่ลูกค้าไม่ได้ศึกษาสินค้าอื่นๆ หรือยังไม่แน่ใจในความต้องการในการจับจ่ายที่แท้จริงของตัวเองก็เป็นได้


หากพูดถึงเว็บ E-commerce อันดับ 1 ต้องนึกถึง Amazon.com เว็บไซด์ซื้อขายของออนไลน์ชื่อดังสัญชาติอเมริกา ที่มีรายได้ในปี 2016 สูงที่สุด ถึง 135,987 ล้านเหรียญสหรัฐ
สิ่งที่น่าสนใจ คือ เมื่อเราเข้าไป log in ทางเว็บจะมีการเก็บข้อมูลซื้อขายเก่าๆ ของเราเอาไว้ และมีการแนะนำสินค้าให้เรา จากประวัติการซื้อเดิมของเรา ดังเช่น


        - Related to items you’ve viewed
        - Recommendations for you in Books


รวมไปถึง เมื่อเขาคลิ๊กเข้าไปที่สินค้าตัวใหม่ ที่เรากำลังสนใจ เว็บ Amazon จะมีการเสนอแนะสินค้าเกี่ยวข้องให้เราได้อย่างน่าสนใจ


โดยหลังบ้านของเว็บไซด์ จะมีการเก็บของมูลขนาดใหญ่ข้อลูกค้าทั้งหมด เพื่อใช้ประมวลผล สร้างเป็น model เอาไว้ และเมื่อมีลูกค้ารายใหม่เข้ามา ก็จะนำมาตีโจทย์ตาม model ที่สร้างเอาไว้ เพื่อเสนอแนะสินค้าให้ลูกค้าได้อย่างทันท่วงที


ซึ่งการผูกข้อมูลต่างๆ หรือสร้าง model เหล่านี้ มันคือการใช้ Algorithm ประเภทหนึ่ง เช่น


Customers who bought this item also bought หรือ สินค้าที่มักซื้อด้วยกัน แต่เป็นสินค้าคนละประเภทกัน ตัวอย่าง เราสนใจซื้อกล้องถ่ายภาพ จะมีสินค้าประเภทอื่นๆ ที่เกี่ยวข้อง ถูกนำมาเสนอให้เห็นในหมวดนี้ เช่น SD Card ขาตั้งกล้อง แบตเตอรี่สำรอง เป็นต้น

 

 

แนวคิดของ Algorithm ประเภทนี้ เรียกว่า Co-Occurrence Grouping เกิดจากการเก็บข้อมูลสถิติของผู้ใช้ แล้วคิดหาสัดส่วน หรือความน่าจะเป็น เมื่อลูกค้าซื้อสินค้า A แล้วซื้อสินค้า B ไปพร้อมกัน หากลูกค้าที่ซื้อของในลักษณะเดียวกันนี้บ่อยครั้ง แสดงว่ามีความเป็นไปได้สูงที่สินค้า A กับ B ควรจะขายไปด้วยกัน


ในการเสนอแนะสินค้าลักษณะนี้ นอกจากทำให้ลูกค้าสนใจซื้อสินค้ามากขึ้น เรายังสามารถทำโปรโมชั่นส่งเสริมการขายได้อีกด้วย


Compare to similar item หรือ สินค้าใกล้เคียง เป็นการนำเสนอสินค้าประเภทเดียวกัน แต่อาจจะมีความแตกต่างกันเล็กน้อย เช่น ยี่ห้อ ขนาด รุ่น รวมไปถึง ราคา

 

 

 

สำหรับ Algorithm ประเภทนี้ คือ Similarity Matching เกิดจากการระบุคุณสมบัติของสินค้าแต่ละประเภท แล้วใส่ model ในการระบุความใกล้เคียงกันของสินค้า


สำหรับการเปรียบเทียบลักษณะนี้ นอกจากสร้างช่องทางในการมองเห็นสินค้าให้หลากหลายขึ้น ยังช่วยสร้างคุณค่า Platform E-Commerce อีกด้วย


จะเห็นได้ว่า เบื้องหลังความสำเร็จของ E-Commerce แนวหน้า มีการใช้หลักการของ Data Science อยู่อย่างที่เรานึกไม่ถึงกันเลยทีเดียว เพราะเมื่อธุรกิจเติบโตขึ้น และมีคู่แข่งในตลาดสูงขึ้น เทคโนโลยี Data Modeling หรือ Machine Learning จึงเป็นตัวช่วยสำคัญ สร้างความแตกต่างทางธุรกิจ และเป็นกุญแจสำคัญในการผลักดันความสำเร็จได้


#BigData
#DataScience
#Optimization
#ProductivityImprovement
#Coraline ให้คำปรึกษาการทำ Data Science and Data Modeling เพื่อเพิ่มศักยภาพของธุรกิจ

Share on Facebook
Share on Twitter
Please reload

Please reload