Usecase PSV

PSV heeft een online webstore waarin ontzettend veel producten worden verkocht aan haar fans. Als een fan op de website keek, werd er nog geen rekening gehouden met historische aankopen of producten die vergelijkbaar zijn met producten die veel worden bekeken door deze specifieke fan. Team Datacation werd gevraagd om een aanbevelingssysteem te maken om meer sales te genereren en de fans producten te tonen die beter aansloten bij hun interesses.

Team Datacation heeft een hybride aanbevelingssysteem gemaakt dat rekening houdt met persoonlijke historische aankoopgeschiedenis, persoonlijke karakterestieken, product-product aanbevelingen, en het tijdselement. Een fan die altijd een bepaald uitshirt koopt, zal het nieuwe uitshirt direct als eerste krijgen aanbevolen. Omdat het uitshirt veel wordt verkocht met het PSV uitbroekje, zal dit product als tweede worden getoond. Fans in de leeftijdscategorie 15-20 kopen relatief gezien het vaakst de PSV FIFA uitvoering. Het machine learning algoritme zal dit product aanbevelen aan deze doelgroep wanneer het spel uitkomt, maar ook wanneer het in de sale wordt verkocht.

Volgens de theorie zou het hybride aanbevelingssysteem beter scoren dan de huidige aanpak, maar om te kijken of dit ook in de praktijk waar is gaat PSV A/B tests uitvoeren. Door verschillende mails naar bepaalde doelgroepen uit te sturen en dit te vergelijken met hun standaard mails, kan PSV achterhalen welke aanpak meer sales genereert. Als blijkt dat het hybride aanbevelingssysteem ook in de praktijk beter werkt is de volgende stap om dit ook daadwerkelijk te gaan implementeren in de webshop en in de mailcampagnes.