Fashion Recommender Systems
Editat de Nima Dokoohakien Limba Engleză Hardback – 5 noi 2020
Suntem de părere că volumul Fashion Recommender Systems, editat de Nima Dokoohaki, reprezintă un punct de cotitură în literatura tehnică dedicată comerțului electronic, evidențiind o interdisciplinaritate pronunțată între învățarea automată (Machine Learning), psihologia consumatorului și designul vestimentar. Publicată la Springer, această ediție inaugurală din 2020 documentează tranziția de la sistemele de recomandare generice la soluții hiper-specializate, capabile să gestioneze subiectivitatea estetică și variațiile de mărime.
Structura cărții este riguros segmentată în cinci părți, facilitând o progresie logică de la dificultățile tehnice fundamentale la aplicații avansate. Găsim în prima parte strategii pentru problema „Cold Start”, urmate de capitole dedicate personalizării reclamelor și recomandărilor bazate pe sesiuni. Un element distinctiv îl constituie secțiunea dedicată recomandărilor de tip „outfit”, unde sunt explorate tehnici de fuziune bazate pe atenție și încorporarea metadatelor ierarhice. Finalul volumului surprinde prin abordarea modelelor generative, capabile să creeze imagini cu modele virtuale purtând piese personalizate.
Comparabil cu Recommender Systems in Fashion and Retail în rigurozitate, acest volum pune bazele domeniului, fiind actualizat pentru provocările emergente ale influenței rețelelor sociale și ale ratelor mari de retur din e-commerce. Față de lucrarea ulterioară a lui Nima Dokoohaki, Revolutionizing Fashion and Retail, care extinde cercetarea către AI-ul generativ din 2023, volumul de față rămâne pilonul teoretic esențial pentru înțelegerea arhitecturilor de bază. Această lucrare completează viziunea autorului asupra analizei rețelelor sociale, explorată în Emerging Research Challenges and Opportunities in Computational Social Network Analysis and Mining, dar cu o aplicabilitate comercială imediată și focalizată.
Preț: 1069.53 lei
Preț vechi: 1304.31 lei
-18%
Carte disponibilă
Livrare economică 11-25 mai
Specificații
ISBN-10: 3030552179
Pagini: 156
Ilustrații: VII, 145 p. 64 illus., 44 illus. in color.
Dimensiuni: 160 x 241 x 14 mm
Greutate: 0.44 kg
Ediția:1st ed. 2020
Editura: Springer
Locul publicării:Cham, Switzerland
De ce să citești această carte
Recomandăm această carte profesioniștilor din e-commerce și cercetătorilor în AI care doresc să reducă rata de retur și să crească satisfacția clienților. Cititorul câștigă o înțelegere profundă a algoritmilor care transformă comportamentul social de pe Instagram în decizie de cumpărare, oferind soluții concrete pentru una dintre cele mai mari pierderi financiare din retail: estimarea incorectă a mărimii și a potrivirii vestimentare.
Despre autor
Nima Dokoohaki este un cercetător și editor recunoscut pentru activitatea sa la intersecția dintre sistemele de recomandare și industria de fashion. Prin coordonarea seriilor de workshop-uri internaționale dedicate acestui domeniu, a devenit o figură centrală în medierea dialogului dintre cercetarea academică și giganții din retail. Opera sa, publicată predominant sub egida Springer, explorează modul în care datele comportamentale și algoritmii de tip „Graph Learning” sau „Deep Learning” pot modela preferințele umane complexe. Expertiza sa se extinde și în zona analizei rețelelor sociale, oferind o perspectivă holistică asupra modului în care tehnologia reconfigurează consumul digital modern.
Descriere scurtă
Recommender Systems are often used to solve different complex problems in this scenario, such as social fashion-based recommendations (outfits inspired by influencers), product recommendations, or size and fit recommendations.
The impact of social networks and the influence that fashion influencers have on the choices people make for shopping is undeniable. For instance, many people use Instagram to learn about fashion trends from top influencers, which helps them to buy similar or even exact outfits from the tagged brands in the post. When traced, customers’ social behavior can be avery useful guide for online shopping websites, providing insights on the styles the customers are really interested in, and hence aiding the online shops in offering better recommendations and facilitating customers quest for outfits.
Another well known difficulty with recommendation of similar items is the large quantities of clothing items which can be considered similar, but belong to different brands. Relying only on implicit customer behavioral data will not be sufficient in the coming future to distinguish between for recommendation that will lead to an item being purchased and kept, vs. a recommendation that might result in either the customer not following it, or eventually return the item.
Finding the right size and fit for clothes is one of the major factors not only impacting customers purchase decision, but also their satisfaction from e-commerce fashion platforms. Moreover, fashion articles have important sizing variations. Finally, customer preferences towards perceived article size and fit for their body remain highly personal and subjective which influences the definition of the right size for each customer.
The combination of the above factors leaves the customers alone to face a highly challenging problem of determining the right size and fit during their purchase journey, which in turn has resulted in having more than one third of apparel returns to be caused by not ordering the right article size. This challenge presents a huge opportunity for research in intelligent size and fit recommendation systems and machine learning solutions with direct impact on both customer satisfaction and business profitability.