Applying data analysis to provide efficient and effective recommendation systems for e-commerce
DATE:
2021-11-08
UNIVERSAL IDENTIFIER: http://hdl.handle.net/11093/2648
DOCUMENT TYPE: doctoralThesis
ABSTRACT
Nowadays, the volume of information over the Internet is increasing at a tremendous rate. Therefore, the search for relevant and useful information is becoming difficult because the search engines on the Internet give hundreds to thousands of results on every query, while only a few of those results are relevant to the desired search. Specifically, in the e-commerce sector, the available products and the corresponding electronic information lead to the problem of information overload. Besides, online user's preferences are always changing, being adapted to the rapidly changes in the Web. That is why users take a lot of time to find the right information at the right time. Therefore, it is not uncommon that users feel frustrated after trying to search for information via Internet.
Information overload refers to having too much information to make a decision about a product or topic. Therefore, this rapid growth of the Internet leads to information overload problem that appears in the form of the huge amount of online content including various types of products that can be purchased and sold. As a result, online shoppers will waste a lot of time in searching the suitable items or services they need, due to the existence of multiple kinds of items offered by e-commerce companies and the existence of a large number of online food websites.
Nowadays, providing relevant product recommendations to customers plays an important role in retaining customers and improving their shopping experience. Recommender systems can be applied to industries such as an e-commerce, music, online radio, television, hospitality, finance and many more. Product recommender systems have become increasingly important, as consumers are exposed to massive amounts of product information on the Internet and product recommender systems can suggest alternative products that interest consumers.
It has repeatedly proved that a simple algorithm using a huge amount of data should provide better results than a complex algorithm working over less data. Therefore, and as the recommendation system has to analyze the huge amount of data to provide better recommendations, it is considered as a data intensive application.
Our research proposal will precisely focus on providing a supporting layer of algorithms (data analysis layer) that works with the information provided by the product producers, in especial, those products related to the food industry: ingredients, allergic information, health information, etc. This data will be used by the data analysis layer to relate products, to infer different useful information for consumers, to discover new categories, etc. Additionally, this layer will be able to identify useful information for specific groups of consumers, like athletes, people with diseases (such as diabetics, high levels of cholesterol, etc.) and people with food intolerance and/or allergies. Thus, the research expects the outcome to be helpful to online retailers in improving their online recommender systems. La búsqueda de información relevante y útil en Internet se revela una tarea compleja, dado el elevado volumen de información existente y la velocidad a la que sigue creciendo. Los actuales buscadores ofrecen cientos de miles de resultados en cada búsqueda, aunque sólo unos pocos son realmente relevantes. Este problema se agudiza en el sector del comercio electrónico, donde la sobrecarga de información es todavía mayor, con la descripción de productos disponibles y sus características. Así como la cantidad de información es cada vez mayor, las preferencias de los consumidores son también dinámicas, variando tan rápido como los propios cambios y la disponibilidad de productos en la Web. Esta conjunción provoca cierta frustración en el consumidor, que invierte demasiado tiempo en acceder a la información que le interesa, para después tomar la decisión de compra. Tampoco es conveniente para la propio sector del comercio electrónico, dado que proporcionar un entorno adecuado donde el cliente se sienta cómodo y donde pueda encontrar fácilmente lo que busca y/o encontrar productos alternativos ayuda a fidelizar a los usuarios y mejorar el rendimiento de las plataformas de venta.
La propuesta de este trabajo pretende proporcionar una capa algorítmica (capa de análisis de datos) que funcione con la información facilitada por los proveedores de producto, en especial, aquellos productos relacionados con la industria alimentaria: ingredientes, información alérgica, información de salud, etc. Esta información será utilizada por la capa de análisis de datos para relacionar productos, inferir información útil diferente para los consumidores, descubrir nuevas categorías, etc. Además, esta capa podrá identificar información útil para grupos específicos de consumidores, como atletas, personas con enfermedades (como diabéticos, altos niveles de colesterol, etc.) y personas con intolerancia alimentaria y / o alergias. Adicionalmente, la capa algorítmica debe ser fácilmente parametrizable a diferentes sectores del comercio electrónico (no sólo la industria alimentaria), para poder adaptarse a diversos ámbitos de aplicación. A procura de información relevante e útil en Internet revélase unha tarefa complexa, dado o elevado volume de información existente e a velocidade á que segue crecendo. Os actuais buscadores ofrecen centos de miles de resultados en cada procura, aínda que só uns poucos son realmente relevantes. Este problema agudízase no sector do comercio electrónico, onde a sobrecarga de información é aínda maior, coa descrición de produtos dispoñibles e as súas características. Así como a cantidade de información é cada vez maior, as preferencias dos consumidores son tamén dinámicas, variando tan rápido como os propios cambios e a disponibilidad de produtos na Web. Esta conjunción provoca certa frustración no consumidor, que inviste demasiado tempo en acceder á información que lle interesa, para despois tomar a decisión de compra. Tampouco é conveniente para a propio sector do comercio electrónico, dado que proporcionar unha contorna adecuada onde o cliente séntase cómodo e onde poida atopar fácilmente o que busca e/ou atopar produtos alternativos axuda a fidelizar aos usuarios e mellorar o rendemento das plataformas de venda.
A proposta deste traballo pretende proporcionar unha capa algorítmica (capa de análise de datos) que funcione coa información facilitada polos proveedores de produto, en especial, aqueles produtos relacionados coa industria alimentaria: ingredientes, información alérgica, información de saúde, etc. Esta información será utilizada pola capa de análise de datos para relacionar produtos, inferir información útil diferente para os consumidores, descubrir novas categorías, etc. Ademais, esta capa poderá identificar información útil para grupos específicos de consumidores, como atletas, persoas con enfermidades (como diabéticos, altos niveis de colesterol, etc.) e persoas con intolerancia alimentaria e / ou alergias. Adicionalmente, a capa algorítmica debe ser fácilmente parametrizable a diferentes sectores do comercio electrónico (non só a industria alimentaria), para poder adaptarse a diversos ámbitos de aplicación.
Files in this item
- Name:
- MohamedHafezMahmoud_Manar_TD_2 ...
- Size:
- 2.284Mb
- Format:
- Description:
- Versión pública
- Name:
- MohamedHafezMahmoud_Manar_TD_2 ...
- Size:
- 2.265Mb
- Format:
- Description:
- Versión restrinxida