Mejorar las recomendaciones de productos del mercado literario con IA

Introducción 

Rekhta, una de las principales librerías en línea especializadas en literatura del sur de Asia, cuenta con una vasta colección que abarca el inglés, el hindi, el urdu y varias otras lenguas regionales indias. Este mercado literario forma parte de una organización sin ánimo de lucro dedicada a la preservación y promoción de las lenguas indias. Aunque su compromiso con la diversidad lingüística atrajo a una clientela entregada, también supuso un reto: navegar con eficacia por un inventario vasto y polifacético para ofrecer recomendaciones y maximizar la satisfacción del cliente.

Desafíos

1. Descubrimiento de productos: Con miles de títulos en diversos idiomas y géneros, Rekhta buscaba una forma mejor de facilitar la localización de sus productos. A los clientes a menudo les resultaba difícil navegar por el vasto inventario y encontrar libros relevantes para sus intereses y necesidades específicas. 
2. Conocimiento limitado de los datos: Aunque se disponía de los datos generados por varios millones de visitantes del sitio web, el equipo tenía conocimientos y herramientas limitados para extraer información significativa y traducirla en recomendaciones prácticas. Este conocimiento limitado del comportamiento y las preferencias de los clientes en distintos idiomas dificultaba la adaptación eficaz de las recomendaciones y las estrategias de marketing.
3. Colección de lenguas indias infrautilizadas: Con su rica colección de literatura en todas las lenguas indias, Rekhta se propuso crear una estrategia específica para atraer mejor a los lectores y promover joyas menos conocidas dentro de estos géneros que a menudo no eran descubiertas por los usuarios. 

Mediante el uso de IA y ML, Rekhta pretendía no solo mejorar la experiencia del cliente, sino también fomentar un compromiso más profundo con su variada colección de idiomas indios.

Solución aplicada

Rekhta se asoció con RapidCanvas para implementar el análisis de la cesta de la compra y la recomendación de productos mediante IA. La solución incluyó los siguientes pasos:

Preparación de datos

Rekhta tiene acceso a datos de distintos tipos, como las interacciones de los clientes en el sitio web, el historial de compras, las valoraciones y reseñas de libros y el comportamiento de navegación. Los datos de los clientes se depuraron en unos sencillos pasos utilizando la plataforma RapidCanvas e identificando y eliminando duplicados, errores y valores omitidos. Se incorporaron metadatos adicionales sobre los libros, como género, autor y fecha de publicación, e idioma, para enriquecer los datos de los clientes y crear una comprensión más completa de las preferencias de lectura.

Ingeniería de funciones

De los datos procesados se extrajeron características o atributos, como la frecuencia y periodicidad de las compras, las categorías de los libros adquiridos y los artículos comprados conjuntamente. También se crearon características basadas en el contenido, como género, nombres de autores y palabras clave temáticas.

Formación de modelos

1. Análisis de la cesta de la compra: Se entrenó un algoritmo de análisis de la cesta de la compra con los datos enriquecidos de los clientes para identificar patrones y correlaciones ocultas entre las compras de libros utilizando los datos de ventas. Este modelo descubrió patrones en el comportamiento de compra que revelaban qué tipo de libros tendían a comprar juntos los lectores.
2. Motor de recomendación: Se entrenó un modelo ML utilizando la información basada en el catálogo y los datos de ingeniería de características. Este modelo aprendió a predecir qué libros serían más relevantes para los clientes que navegan por la página de producto de un libro concreto, basándose en los datos disponibles, como el título, el autor, el género y la descripción.

Estos dos modelos generaron sugerencias para cada cliente en distintas fases del proceso de compra, mostrando libros relevantes de todo el inventario, incluidas joyas ocultas y títulos menos conocidos.

Aplicación

Para maximizar la visibilidad y el impacto, las recomendaciones se aplicaron en dos etapas clave del recorrido del cliente:

Páginas de productos: En las páginas de libros individuales, se mostraban recomendaciones basadas en el contenido del libro que se estaba consultando. Estas recomendaciones destacaban libros con temas comunes, autores similares o contenidos complementarios, lo que fomentaba la exploración dentro de un mismo idioma y entre distintos idiomas.

Página de pago: En la página de pago, tras añadir un libro a la cesta, los clientes recibían recomendaciones adicionales relacionadas con el artículo elegido, basadas en el análisis de la cesta de la compra realizado. Este empujón final aumentaba aún más las posibilidades de descubrir títulos relevantes antes de finalizar la compra. 

Resultados y beneficios

Mayor participación en el sitio web

Las recomendaciones de productos se tradujeron en un aumento intermensual de las métricas del sitio web, incluidas las sesiones y las sesiones con clics, así como las compras añadidas.

Mayor satisfacción del cliente

Los clientes disfrutan de un viaje de compras más agradable, con recomendaciones pertinentes que permiten descubrir más rápidamente los libros deseados y las joyas ocultas.

Información basada en datos

Rekhta obtuvo información valiosa sobre las preferencias de los clientes y las tendencias de lectura en cada comunidad lingüística, lo que le permitió adaptar sus estrategias de marketing y organizar su inventario en consecuencia.

Conclusión

El éxito de la aplicación de la IA en Rekhta demuestra el poder de la tecnología para salvar las distancias en el acceso a la literatura. Este enfoque integral seguido por RapidCanvas ayudó a desentrañar las conexiones ocultas dentro de la vasta colección de Rekhta y a ofrecer potentes recomendaciones que, en última instancia, mejoraron la experiencia del cliente e impulsaron el compromiso en todos los idiomas indios. Al integrar las recomendaciones tanto en los productos como en las páginas de pago, Rekhta se aseguró de que sus sugerencias fueran visibles en los momentos clave del recorrido del cliente, lo que se tradujo en una experiencia de compra más agradable y eficiente. Esto demuestra cómo la IA puede ayudar a las empresas a satisfacer las necesidades específicas de un público multilingüe y a aprovechar todo el potencial de sus tesoros literarios.