BrainSINS

Transcript

1. Recomendaciones personalizadas
   1
   @josek_net - @bsins
   

   View Slide

2. Recomendaciones
   2
   

   View Slide

3. Equipo
   3
   + 2 comerciales: Madrid y Barcelona
   

   View Slide

4. De dónde venimos
   4
   

   View Slide

5. Estado actual
   5
   > 30 clientes, creciendo a buen ritmo
   

   View Slide

6. Problema
   6
   Sobresaturación de información
   Se muestran demasiados productos
   No se intenta conocer al cliente
   No se fomenta la recurrencia
   Bajas tasas de conversión
   

   View Slide

7. ...la clave
   7
   VS
   Comercio tradicional
   Escaparate cuidado
   Atención personalizada
   Grandes superficies
   Self-service
   

   View Slide

8. basarse en el Comercio tradicional
   8
   Escaparate cuidado
   Atención personalizada
   Conocer al cliente
   

   View Slide

9. Pero automatizando el proceso
   9
   Nos integramos en cualquier tienda online
   Recibimos toda la información de actividad de sus usuarios (tipo
   Google Analytics)
   Calculamos recomendaciones en tiempo real para cada usuario
   Devolvemos la información a la tienda para que muestre los
   productos a los usuarios
   

   View Slide

10. Claves del producto
    Facilidad de integración
    Ofrecer recomendaciones que aporten valor al usuario
    Que las recomendaciones también aporten valor a la tienda
    Transparencia (black-box vs. glass-box)
    Continua evolución
    10
    

    View Slide

11. Facilidad de integración
    API REST
    API JavaScript (JSONP)
    Google-Analytics-like
    Plug-ins para las principales plataformas de eCommerce (Magento,
    Prestashop, osCommerce, ZenCart)
    11
    

    View Slide

12. Facilidad de integración
    12
    

    View Slide

13. Facilidad de integración
    13
    

    View Slide

14. Recomendaciones de calidad...
    Filtrado colaborativo
    Recomendaciones basadas en contenidos
    Análisis estadísticos
    14
    

    View Slide

15. ...pero al momento
    Son procesos complejos, pero tenemos que responder en tiempo real
    15
    API
    Batch
    Database
    User Client
    

    View Slide

16. Reglas de negocio
    Permiten interactuar a nuestros clientes con el sistema de
    recomendación.
    La idea no es “forzar” recomendaciones, si no fomentarlas
    16
    

    View Slide

17. Transparencia
    17
    

    View Slide

18. Arquitectura general
    18
    API
    Batch
    Database
    User Client
    Analytics
    Widgets
    Tracking
    client
    

    View Slide

19. Tecnologías
    API: Java + Glassfish + Jersey
    BBDD: MySQL
    Widgets y tracking: JavaScript (sin frameworks) + JSONP
    Analytics: PHP + Zend Framework + JQuery + JQuery UI + Flot
    Plugins: Totalmente dependientes de los CMS (Magento, Prestashop,
    osCommerce, ZenCart)
    Infraestructura: Amazon AWS (EC2, RDS, ELB, CloudFront)
    19
    

    View Slide

20. En unos días...
    Recomendaciones por EMail
    20
    

    View Slide

21. En unos días...
    Abandono de carrito
    21
    

    View Slide

22. Reto tecnológico a medio plazo
    Arquitectura mucho más escalable
    22
    

    View Slide

23. 23
    Dónde estamos
    Avenida M-40 (Pol. Ind. Ventorro del Cano), Nº 15,
    Piso 1, despacho 10
    28925 Alcorcón (Madrid)
    Contáctanos
    Tlf. +34 914 855 666
    josecarlos.cortizo@brainsins.com
    info@brainsins.com
    

    View Slide