recolytic
recommendation out of analytics

Recommended for you by Rochdi CHAKROUN
rochdi@recolytic.com
@recolytic

Meetup ...
Agenda
•
•
•
•
•

Pourquoi ?
Comment ?
L’API / Console d’administration / ecosystem
Les démos
Tutorial
Vision
• Moteur de recommandation transparent
– Dans ses stratégies
– Sa performance

• Assure l’autonomie de ses utilisat...
Vision
XXXXX : identifie en temps réel les attentes de vos visiteurs 2/ définit
automatiquement, encore en temps réel, en ...
Vision
• Doit pouvoir être intégré aussi facilement que google analytics

<script type="text/javascript">
var _rtq = _rtq ...
Vision
• Une nouvelle approche
– Le model c’est le graph
Item 1
user 1

Item 1

4

user 2

5
3

3

user 4

1

5

user 6
us...
Comment ?
Le model recolytic user- action- resource
user

action

resource
id

user

action

id
titre
media

resource
id

user

action { weight }

id
titre
media
weight

resource
Id
timestamp

user

action { weight, timestamp }

id
titre
media
weight
timestamp

resource
subscription

belongs

apikey
mode

user

action

resource

resource
user
belongs
subscription
action

resource
resource

bundle

bounded
name

scope
user
belongs
subscription
action

resource
resource

bundle
bounded

scope

content based similarity

resource
L’API (COLLECT / RECOMMEND / MEASURE)
http://www.recolytic.com/#/apidoc
Console d’administration
Console d’administration
Console d’administration
ecosystem
https://github.com/recolytic/recolytic-plugin
Les démos
http://movies.recolytic.com
http://shop.recolytic.com
Tutorial
u1

r1

u2

r2

u3

r3

u5

u4

r4

r5

u6

r6

u7

r7
Tutorial: Non personalized recommendations (top n)
u1

r1

u2

r2

u3

r3
Score : 7

u5

u4

r4

r5

u6

r6

u7

r7
Tutorial: Non personalized recommendations (ii(r3))
u1

r1

u2

r2
Score : 4

u3

r3

u5

u4

r4

r5

u6

r6

u7

r7
Personalized recommendation:Co-occurrence(r2 & r3)
u1

r1

u2

r2

u3

r3

u5

u4

r4
Score : 4

r5

u6

r6

u7

r7
Tutorial u-u (u1)
Neighbours = 3

u1

r1

u2

r2

Similarity : 2

u3

r3

u5

u4

r4

r5

u6

r6

u7

r7
Tutorial u-u (u1)
Neighbours = 3

u1

r1

u2

r2

Similarity : 2

u3

r3

u5

u4

r4

r5

u6

r6

u7

r7

Score : similari...
Tutorial u-u (u1)

u1

r1

u2

r2

u3

r3

u5

u4

r4

r5

u6

r6

Score : r4.weight * (similarity + (0.00000001 * neighbo...
Tutorial u-u (u1)
Neighbours = 3

u1

r1

u2

r2

u3

r3

u5

u4

r4

ua : l’action de l’utilisateur cible
sa: action simi...
Recolytic
Prochain SlideShare
Chargement dans…5
×

Recolytic

958 vues

Publié le

recolytic is a recommendation engine delivered as a service and managed through a comprehensive administration tool.

0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
958
Sur SlideShare
0
Issues des intégrations
0
Intégrations
232
Actions
Partages
0
Téléchargements
3
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Recolytic

  1. 1. recolytic recommendation out of analytics Recommended for you by Rochdi CHAKROUN rochdi@recolytic.com @recolytic Meetup neo4j 2013-12-17
  2. 2. Agenda • • • • • Pourquoi ? Comment ? L’API / Console d’administration / ecosystem Les démos Tutorial
  3. 3. Vision • Moteur de recommandation transparent – Dans ses stratégies – Sa performance • Assure l’autonomie de ses utilisateurs
  4. 4. Vision XXXXX : identifie en temps réel les attentes de vos visiteurs 2/ définit automatiquement, encore en temps réel, en mode non supervisé, sans modélisation préalable, le meilleur input à apporter pour transformer la visite en vente, 3/ publie sur votre site la recommandation adéquate, en temps réel, 4/ observe la réaction du visiteur pour affiner sa recommandation suivante, toujours en temps réel, 5/ nourrit vos analyses en connaissance – client temps réel Elle se distingue par une légèreté d’intégration sans comparaison sur le marché (entre 6 et 8 jours pour vos équipes) et son pilotage est quasiment « free of charge » technique ou métier car elle repose justement sur la délégation de la recommandation à un processeur d’intelligence artificielle particulièrement performant. Les résultats sont probants : en moyenne - parc installé nous constatons 11% d’augmentation du taux de conversion
  5. 5. Vision • Doit pouvoir être intégré aussi facilement que google analytics <script type="text/javascript"> var _rtq = _rtq || []; _rtq.push(['set', 'apiKey', '1434a280-8c77-6a7b-4aef-c6f7870807ab']); _rtq.push(['set', 'baseUrl', '//www.recolytic.com/api/engine/']); // SPA disable auto collect // _rtq.push(['set', 'autoCollect', false]); //_rtq.push(['set', 'trackUpTake', false]); (function() { var rca = document.createElement('script'); rca.type = 'text/javascript'; rca.async = true; rca.src = '//www.recolytic.com/plugin/recolytic.js'; var s = document.getElementsByTagName('script')[0]; s.parentNode.insertBefore(rca, s); })(); </script> https://github.com/recolytic/recolytic-plugin
  6. 6. Vision • Une nouvelle approche – Le model c’est le graph Item 1 user 1 Item 1 4 user 2 5 3 3 user 4 1 5 user 6 user 7 Item 1 Item 1 4 user 3 user 5 Item 1 1 4 2 5 2
  7. 7. Comment ? Le model recolytic user- action- resource
  8. 8. user action resource
  9. 9. id user action id titre media resource
  10. 10. id user action { weight } id titre media weight resource
  11. 11. Id timestamp user action { weight, timestamp } id titre media weight timestamp resource
  12. 12. subscription belongs apikey mode user action resource resource
  13. 13. user belongs subscription action resource resource bundle bounded name scope
  14. 14. user belongs subscription action resource resource bundle bounded scope content based similarity resource
  15. 15. L’API (COLLECT / RECOMMEND / MEASURE) http://www.recolytic.com/#/apidoc
  16. 16. Console d’administration
  17. 17. Console d’administration
  18. 18. Console d’administration
  19. 19. ecosystem https://github.com/recolytic/recolytic-plugin
  20. 20. Les démos http://movies.recolytic.com http://shop.recolytic.com
  21. 21. Tutorial u1 r1 u2 r2 u3 r3 u5 u4 r4 r5 u6 r6 u7 r7
  22. 22. Tutorial: Non personalized recommendations (top n) u1 r1 u2 r2 u3 r3 Score : 7 u5 u4 r4 r5 u6 r6 u7 r7
  23. 23. Tutorial: Non personalized recommendations (ii(r3)) u1 r1 u2 r2 Score : 4 u3 r3 u5 u4 r4 r5 u6 r6 u7 r7
  24. 24. Personalized recommendation:Co-occurrence(r2 & r3) u1 r1 u2 r2 u3 r3 u5 u4 r4 Score : 4 r5 u6 r6 u7 r7
  25. 25. Tutorial u-u (u1) Neighbours = 3 u1 r1 u2 r2 Similarity : 2 u3 r3 u5 u4 r4 r5 u6 r6 u7 r7
  26. 26. Tutorial u-u (u1) Neighbours = 3 u1 r1 u2 r2 Similarity : 2 u3 r3 u5 u4 r4 r5 u6 r6 u7 r7 Score : similarity + (0.00000001 * neighbours / similarity)= 2.000000015
  27. 27. Tutorial u-u (u1) u1 r1 u2 r2 u3 r3 u5 u4 r4 r5 u6 r6 Score : r4.weight * (similarity + (0.00000001 * neighbours / similarity)) = 2.000000015 u7 r7
  28. 28. Tutorial u-u (u1) Neighbours = 3 u1 r1 u2 r2 u3 r3 u5 u4 r4 ua : l’action de l’utilisateur cible sa: action similaire (---) A : les action en commun avec l’utilisateur cible Similarity = ∑ 1.0 / 1 + √ | ua.weight – sa.weight | r5 u6 r6 u7 r7

×