Recolytic

1 013 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
1 013
Sur SlideShare
0
Issues des intégrations
0
Intégrations
239
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

×