Principais pormenores

Melhoria da função de recomendação de filmes por 25%.

Cliente

O Cliente opera no mercado do entretenimento doméstico digital Smart TV. É um serviço líder de vídeo a pedido, que permite aos utilizadores ver filmes recém-lançados com uma qualidade perfeita ou escolher a partir de uma biblioteca de mais de 7000 títulos. A sua aplicação SmartTV tem 1,5 milhões de utilizadores activos mensais.

Desafio: fornecer recomendações personalizadas a cada utilizador

Quando o Cliente foi à procura de um parceiro de ciência de dadosEm 2007, 80% das receitas da empresa já provinham da sua página de recomendações. A lista de recomendações era actualizada por um editor todas as semanas.

Para melhorar a experiência do cliente e aumentar as vendas a partir da página de recomendações, o cliente decidiu criar um motor de recomendações que oferecesse recomendações de filmes personalizadas e actualizadas para cada utilizador.

Os principais objectivos do projeto eram:

• melhorar a experiência do cliente, oferecendo recomendações personalizadas de filmes
• ajudar os clientes a encontrar os filmes desejados mais rapidamente
• melhorar a taxa de conversão de visitantes em clientes

Solução: motor de recomendação de filmes personalizado com base na aprendizagem automática

A ESSID Solutions construiu um motor de recomendação personalizado para o Cliente, para garantir que o sistema se integra perfeitamente no ambiente comercial e técnico existente da aplicação Smart TV do Cliente.

Soluções ESSID utilizadas aprendizagem automática para criar um motor de recomendação que fornece recomendações individuais a milhões de utilizadores.

O motor de recomendação utiliza uma abordagem de filtragem colaborativa que se baseia na ideia de que as pessoas que concordaram na sua avaliação de determinados filmes no passado são susceptíveis de concordar novamente no futuro.

A fim de gerar novas recomendações todos os dias, o sistema é optimizado para armazenar dados de forma eficiente e efetuar consultas mais rapidamente.

É sabido que o armazenamento em colunas poupa tempo e espaço quando se trata de processamento de grandes volumes de dados. Para este projeto, a ESSID Solutions utilizou o Parquet + Spark, que ajudou a aumentar o desempenho do Spark SQL em 5 vezes em comparação com a utilização de outros formatos de armazenamento.

Resultado: melhor experiência do cliente

• Recomendações personalizadas e frescas entregues a cada cliente.
• Os utilizadores encontram os filmes desejados mais rapidamente. O número médio de cartões de filmes únicos percorridos antes da compra no feed de recomendações diminuiu 25%.