Az e-commerce világában az ajánlórendszerek használata ma már igen elterjedt, aki ilyen megoldást tervez bevezetni, több szolgáltató dobozos terméke közül is választhat. A döntés előtt érdemes azonban mérlegelni, hogy ezek a standardizált megoldások megfelelően illeszkednek-e a szolgáltatáshoz vagy a szolgáltatás speciális jellege miatt érdemes inkább egy egyedi megoldás fejlesztésében gondolkozni. Az alábbi írásban egy ingatlan ajánló rendszer fejlesztését mutatjuk be, amelynek bevezetésével a harmadával sikerült megnövelni az ingatlan megtekintések számát és a tényleges tranzakciók növekedéséhez több, mint 10%-kal járult hozzá.
Üzleti probléma
A lakóingatlan vásárlás folyamata többnyire a peremfeltételek meghatározásával indul, amikor a lakást kereső egyén(ek) meghatározzák a vágyott ingatlannal kapcsolatban a számukra fontos kritériumokat. Az ingatlan típusa, az elhelyezkedése, a szóba jöhető települések, városokban a kerületek, a méret és az elfogadható ártartomány szinte minden esetben kritikus paraméterek. A kritikus paramétereken túl a keresők olyan „szoft” kritériumokat is meghatározhatnak, mint az ingatlan állapota, a fűtési rendszer típusa vagy akár a tájolás. A paramétereket vagy online ingatlankereső portálokon állítja be a kereső, vagy ha ingatlanközvetítő bevonására is sor kerül, a közvetítő személy gyűjti be és ez alapján ajánl potenciális ingatlanokat a keresőnek.
Mivel a vásárlási igény felmerülésétől a vásárlásig tartó folyamat akár fél évnél is tovább tarthat, ezek a kezdetben rögzített keresési feltételek az időben változnak. A keresést nehezítheti a túlzottan részletesen megadott feltétel lista, hiszen potenciálisan alkalmas ingatlanok is kieshetnek egy-egy kevésbé releváns paraméter miatt, a túlságosan megengedő feltétel lista pedig túl bő ajánlati listát eredményez, ami szintén negatív hatással lehet a megfelelő ingatlan gyors megtalálásában.
A projekt kapcsán a megrendelő üzleti igénye egy a szűrési feltételekhez igazodó, de a szűrési feltételeknek nem minden feltételben megfelelő ingatlanokat ajánló rendszer fejlesztése volt, úgy, hogy az ajánlás vegye figyelembe az ügyfél igényeinek változását, még akkor is, ha azt a keresési feltételekben nem érvényesíti közvetlenül.
Megvalósítás lépései
Milyen módszer használható
Az ajánlórendszerek működési elvük szerint két főbb csoportba sorolhatók. Egyik csoport, a Collaborative Filtering módszer a keresői hasonlóságon alapul, a másik csoport, a Content Based algoritmusok pedig az „item”-ek, a projekt esetén az ingatlan hasonlóságán alapul.
Az alkalmazás korlátai
Kézenfekvő megoldás lenne a Collaborative Filtering módszer használata, hiszen a nagy számú keresői profil és azok viselkedése alapján lehetséges hasonlósági összefüggést felállítani, amely alapján adott keresői profilnak ajánlható olyan ingatlan, amelyet még ugyan a kereső nem látott, de a hasonló profilú keresők számára már releváns volt. A módszer használhatóságát azonban korlátozza az a tény, hogy az ingatlan, mint termék nem reprodukálható, mint mondjuk egy webshop terméke. Az ingatlanok egyedi termékek és sok esetben rövid ideig érhetők el a kínálati oldalon, azaz a kereső – ingatlan interakciók felhasználhatósága az ajánlási logikában korlátozott.
A Content Based algoritmusok ebben a kontextusban jól alkalmazhatók, hiszen az ingatlanok jól leírhatók a jellemző tulajdonságaik alapján és így a megfelelő hasonlósági függvénnyel az ingatlanok közötti hasonlósági mérték kiszámíthatóvá válik. Ebben az esetben szükségessé válik minden egyes keresői profilhoz hozzá rendelni egy a profilhoz illeszkedő, de a valóságban nem létező ingatlant. Ezt lehetséges közvetlenül a keresési peremfeltételekből leképezni, vagy a keresői viselkedést felhasználva, például a korábban megtekintett ingatlanok jellemzőit aggregálva. A Content Based algoritmus hátránya, hogy könnyen skatulyába zárhatja a keresőt, ha nagyon specifikus a keresési profilja és a viselkedési is, illetve nem kezeli jól a lokációs problémát, mert természetes keresői viselkedés például az, hogy egy kereső Budapest teljes agglomerációjában keres, amit ha egy jellemző ingatlannal próbálunk leírni, az lokáció szempontjából jó eséllyel Budapest belső kerületébe esne.
Hibrid megoldás
A lokáció kizárásával a Content Based algoritmus alkalmassá válik az üzleti igények kiszolgálására, hiszen a keresői profilhoz hasonló ingatlanokat fog relevánsnak tartani, és a kereső múltját felhasználva a keresői profil időbeli változását is képes lekövetni. A lokációs problémakört pedig a Collaborative Filtering módszer képes kezelni, hiszen a települése, kerületek állandó, időben fennmaradó itemek, és a keresői profilok közötti hasonlóságot is jól fel lehet használni, hiszen ha egy ingatlant kereső egyén a XI. és XII. kerületben keres ingatlant, és hozzá hasonló kereső keres a II. kerületben, vagy Budaörsön, akkor érdemes lehet ezekről a területekről is ingatlanokat ajánlani.
A végleges ajánlási sorrend számítása a két módszer súlyozott relevancia pontszámai alapján történik.
Felhasznált adatforrások
Az ajánlási logika fejlesztésekor a keresői interakciók lehetséges legbővebb halmazát használtuk fel. Az ajánlások többnyire e-mail-es formában zajlanak és az első lehetséges interakció, az „ajánlott ingatlanra kattintás” letárolásra kerül. Ezt követően, ha a kereső számára relevánsnak bizonyult az ingatlan, felveheti a kapcsolatot az ingatlan referensével és helyszíni megtekintést egyeztethet, megtekintheti az ingatlant, majd ezt követheti ajánlattétel. Minden ilyen esemény egy-egy interakció az ingatlannal kapcsolatban, amelynek értékes tulajdonsága a típusán túl az időpontja is.
Eredmények
A hibrid megoldás a keresési feltételeknek megfelelő új ingatlanok e-mail ajánlóját egészítette ki, és a 2 éves működés során a megtekintett ingatlanok száma harmadával növekedett, a releváns ajánlatoknak köszönhetően a tranzakciók számának növekedéséhez pedig 10%-ot meghaladó mértékben járult hozzá az ajánló rendszer.
Contact Form
Megvalósíthatósági ajánlat
Az adataidban rejlő üzleti pontenciál bizonyára hatalmas, de minden fejlesztés és újítás egyben kockázatot is rejt magában.
Tisztában vagyunk azzal, hogy minden üzleti igény, így egy adatokra épülő webshop funkció fejlesztése más és más. Ahhoz, hogy egy ilyen fejlesztés sikeres legyen és üzleti értéket teremtsen a vállalkozásod számára, elengedhetetlen, hogy tisztán lássuk a lehetőségeket és kockázatokat.
A sikeres együttműködés megalapozása érdekében kialakítottunk egy megvalósíthatósági csomag ajánlatot, amely keretében nem lesz más teendőd, mint elmondani az üzleti igényed és rendelkezésre bocsájtani a minimálisan szükséges adatokat, a továbbiakat pedig az adatbányász csapatunkra bízni.
Az ajánlat keretében felmérjük az adataidban rejlő ponteciált, javaslatot teszünk az igényekre illeszkedő funkciók fejlesztési ütemére, volumenére, valamint feltárjuk a fejlesztéssel kapcsolatos kockázatokat is.
