Buscador de productos

Los buscadores de productos son sistemas de información que ayudan a los consumidores a identificar productos dentro de una amplia gama de productos alternativos similares. Los buscadores de productos difieren en complejidad, siendo los más complejos un caso especial de sistemas de apoyo a la toma de decisiones. Sin embargo, los sistemas de apoyo a la toma de decisiones convencionales apuntan a grupos de usuarios especializados, por ejemplo, gerentes de marketing, mientras que los buscadores de productos se centran en los consumidores.

Por lo general, los buscadores de productos forman parte de una tienda electrónica o de una presentación en línea de una línea de productos. Al ser parte de una tienda electrónica, un buscador de productos conduce idealmente a una compra en línea, mientras que los canales de distribución convencionales están involucrados en buscadores de productos que forman parte de una presentación en línea (por ejemplo, tiendas, pedidos por teléfono).

Los buscadores de productos son más adecuados para grupos de productos cuyos productos individuales son comparables según criterios específicos. Esto es así, en la mayoría de los casos, con productos técnicos como los portátiles: sus características (por ejemplo, velocidad de reloj, tamaño del disco duro, precio, tamaño de la pantalla) pueden influir en la decisión del consumidor.

Además de productos técnicos como ordenadores portátiles, coches, lavavajillas, teléfonos móviles o dispositivos GPS, los buscadores de productos también pueden ofrecer compatibilidad con productos no técnicos como vino, calcetines, cepillos de dientes o uñas, ya que se realiza una comparación por características.

Por otra parte, la aplicación de los buscadores de productos es limitada cuando se trata de productos individualizados como libros, joyas o discos compactos, ya que los consumidores no seleccionan dichos productos en función de características específicas y comparables.

Además, los buscadores de productos no sólo se utilizan para productos en sentido estricto, sino también para servicios, por ejemplo, tipos de cuentas de un banco, seguros de salud o proveedores de comunicaciones. En estos casos, a veces se utiliza el término buscador de servicios.

Los buscadores de productos son utilizados tanto por fabricantes, distribuidores (que incluyen varios fabricantes) como por portales web (que incluyen varios distribuidores).

Se está intentando integrar los buscadores de productos con las redes sociales y las compras en grupo, lo que permite a los usuarios agregar y calificar productos y ubicaciones, y comprar productos recomendados junto con otros.

Las implementaciones técnicas difieren en sus beneficios para los consumidores. La siguiente lista muestra los enfoques principales, desde los más simples hasta los más complejos, cada uno con un ejemplo típico:

1. Sistemas de diálogo o buscadores de productos interactivos (Wizards de productos) – Los buscadores interactivos de productos son soluciones de recomendación basadas en el diálogo que proporcionan a los compradores apoyo personalizado y orientado a las necesidades, ya que quieren elegir el producto adecuado. Basado en un diálogo interactivo, en el que el usuario responde a un par de preguntas, la solución analiza las respuestas del usuario, las traduce en características de producto y las combina con los productos disponibles en segundo plano. Después de cada proceso, el usuario se presenta con una lista de productos adecuados. Los asistentes de productos tienen en cuenta las expectativas de los compradores, las preferencias individuales y las situaciones para ayudarles a encontrar productos que se adapten a sus necesidades, proporcionar información detallada del producto para aumentar la confianza del comprador y fomentar una compra en línea.
2. Cuadro de comparación – Una tabla de comparación es una versión básica de un buscador de productos que permite a los consumidores comparar fácilmente productos, características y precios. Utilizando filas y columnas estructuradas, una tabla de comparación pone productos y servicios de lado a lado con todas las características y precios pertinentes que se enumeran a continuación cada producto. El método simplista y visualmente atractivo permite a los consumidores hacer distinciones rápidas entre los productos y elegir el mejor para sus necesidades.
3. Menú árboles – Un árbol de menú es una tabla que muestra una jerarquía de elementos que se pueden ampliar o colapsar a conveniencia del espectador. Utilizando un árbol de menús, las empresas pueden clasificar sus productos para ayudar a los visitantes a navegar y reducir el producto que están buscando. Requiere cierta comprensión y conocimiento de las categorías y etiquetas. Por ejemplo, un sitio de venta al por menor de ropa en línea podría tener una caída para "Tops" que se expandiría en opciones incluyendo, "T-Shirts", "Sweaters", o "Jackets".
4. Búsqueda de String – Un algoritmo de búsqueda de cuerdas localiza donde varias cadenas más pequeñas están dentro de un texto más grande. Por ejemplo, si un usuario escribe "teléfono inteligente" en una búsqueda de Google, Google buscaría encontrar dónde se encuentra esa palabra clave dentro de diferentes scripts y códigos para remitir al usuario a la información más relevante posible.
5. Sistemas de filtración – Un sistema de filtrado de información es un sistema que elimina la información redundante de un flujo de información antes de presentarla a un usuario humano. El propósito de estos sistemas es gestionar la sobrecarga de información para que los usuarios puedan encontrar información más inmediata útil. Un ejemplo de esto sería noticias de varias plataformas. Un filtro portátil, por ejemplo, permite a los usuarios seleccionar características para reducir la lista de productos mostrados. Sin embargo, filtros como estos requieren que el usuario tenga conocimiento previo del dominio y las características disponibles para seleccionar. Otro inconveniente es el potencial que un usuario podría encontrar resultados cero a través del sistema de filtrado.
6. Sistemas de rastreo – Los sistemas de cableado se encuentran a menudo en sistemas de recomendación y permiten a los usuarios evaluar productos para que otros usuarios vean. Netflix, un servicio online de alquiler de DVD y streaming online, es un ejemplo perfecto de un sistema de puntuación que se está implementando. Netflix permite a los usuarios votar programas de televisión y películas en un sistema de 1 a 5 estrellas, 1 estrella siendo pobre y 5 estrellas siendo excelente. El Mac Observer, un popular recomendador y sitio de noticias que revisa los productos de Apple, ha anunciado recientemente que cambiarán su sistema de puntuación. En lugar de utilizar el sistema tradicional de 5 estrellas, TMO ofrecerá opciones como, "Producto destacado. ¡Consíguelo ahora!" o "No recomendado. Steer Clear!" como un sistema de puntuación.
7. Nubes etiquetadas – Una nube de etiquetas es una representación visual de datos de texto, utilizado para simplificar y decodificar palabras clave y etiquetas en sitios web. Las etiquetas son generalmente palabras individuales y la importancia de cada etiqueta está representada por el color y el tamaño de la palabra. Este es un formato útil para ayudar a los usuarios a percibir rápidamente los términos más relevantes. En los buscadores de productos, las nubes de etiquetas tendrán sus etiquetas hiperenlaces para que un usuario pueda navegar fácilmente por el sitio web. Para encontrar el producto que el usuario está buscando, que encontraría la etiqueta dentro de la nube, haga clic en la etiqueta y ser dirigido a una página de aterrizaje donde se presenta su producto deseado.
8. Redes neuronales – Una red neuronal es una familia de modelos de aprendizaje inspirados en redes neuronales biológicas (los sistemas nerviosos de los animales, en particular el cerebro) y se utilizan para estimar las preferencias de los usuarios. Las redes neuronales tienen capacidades de clasificación, incluyendo el reconocimiento de patrones. Netflix, por ejemplo, utiliza una red neuronal para ver qué género de películas prefieres ver. Las redes neuronales también hacen el procesamiento de datos, incluyendo el filtrado de datos, similar al propósito de un sistema de filtrado.
9. Base de datos relacional – Una base de datos relacional es una base de datos digital que organiza datos en tablas (o "relaciones") de filas y columnas, con una clave única para cada fila. A diferencia de tablas jerárquicas como los árboles de menú, las tablas de bases de datos relacionales pueden tener filas vinculadas a filas en otras tablas por una palabra clave que puedan compartir. Las relaciones entre estas tablas pueden tomar varias formas: una a una, una a muchas o muchas a muchas. Las bases de datos como estas hacen simple para los buscadores de productos descubrir las relaciones entre las palabras clave que el consumidor utiliza. Esta información ayuda a estos sistemas a predecir lo que los consumidores serán interesantes en la compra para que el software pueda guiar a los clientes a su producto ideal y fomentar una venta.

El buscador de productos tiene un papel importante en el comercio electrónico, los artículos deben clasificarse para servir mejor al consumidor en la búsqueda del producto deseado, el sistema de recomendación recomienda artículos en función de sus compras, etc. A medida que las personas pasan del comercio offline al comercio online (comercio electrónico), se hace más difícil y complicado manejar la gran cantidad de datos sobre artículos que las personas necesitan conservar y analizar para servir mejor al consumidor. Una gran cantidad de datos no se puede manejar solo con la mano de obra, necesitamos máquinas que hagan estas cosas por nosotros, que puedan manejar una gran cantidad de datos de manera eficiente y eficaz.

El comercio en línea ha ganado mucha popularidad en la última década. Los grandes mercados en línea de consumidor a consumidor, como eBay, Amazon y Alibaba, ofrecen millones de artículos y cada día se incorporan más al mercado. La categorización de artículos ayuda a clasificar los productos y a asignarles etiquetas, lo que ayuda al consumidor a encontrarlos. Tradicionalmente, se utiliza el enfoque del modelo de bolsa de palabras para resolver el problema de no utilizar ninguna jerarquía o utilizar una jerarquía definida por el hombre.

Un nuevo método que utiliza un enfoque jerárquico que descompone el problema de clasificación en una tarea de nivel básico y una tarea de nivel fino, con la jerarquía realizada mediante el descubrimiento del modelo de clase latente. Se aplica un clasificador simple para realizar la clasificación de nivel básico (debido a que los datos son tan grandes que no podemos utilizar un enfoque más sofisticado debido a problemas de tiempo), mientras que se utiliza un modelo más sofisticado para separar las clases en el nivel fino.

Aspectos destacados/Métodos utilizados:

• Latent group discovery: utilizado para encontrar grupos de clases y las palabras o características asociadas a cada clase. Luego formamos una matriz de confusión entre grupos para aproximar la similitud de clases, las clases similares se mantienen en un grupo y así en cada etapa obtenemos grupos sin similitud y por lo tanto obtenemos un árbol jerarquizado.
• At Nivel grueso clasificamos la instancia de prueba, para uno de los grupos en el primer nivel de jerarquía, Como el conjunto de datos es grande no podemos utilizar algoritmo sofisticado, y por lo tanto en esta etapa se utiliza KNN o Naive Bayes.
• At nivel fino clasificamos los elementos dentro de un grupo en algún grupo subconjunto, ya que puede haber similitud en el grupo que utilizamos un mecanismo sofisticado, generalmente SVM en cada nodo.
• KNN (k nexts) algoritmo encuentra los vecinos k que son realmente similares a la instancia de prueba, utiliza la función Euclidean o similaridad cosina para encontrar la distancia entre cada clase y luego da la clase k superior.
• electrónica → móvil → samsung → funda. En este ejemplo, el clasificador de grano grueso nos diría que la instancia de prueba pertenece al grupo electrónico, luego usamos grano fino en cada etapa y tenemos este árbol.

Los problemas a los que se enfrentan estas empresas de comercio electrónico en línea son:

1. Escala grande,
2. Los datos del artículo son extremadamente escasos
3. Distribución por categorías
4. Características heterogéneas sobre categorías

Los sistemas de recomendación se utilizan para recomendar artículos o productos a los consumidores en función de su historial de compras o búsquedas.

• Sistema de recomendación