Designing a holistic adaptive recommender system (HARS) for customer relationship development: a conceptual framework

Abstract

With the recent COVID-19 pandemic, the world we knew changed significantly. The buying behavior shifted as well and is reflected by a growing transition to online interaction, higher media consumption and massive turn to online shopping. Companies that aim to remain top of mind to customers should ensure that their way of interacting with user is both relevant and highly adaptive. Companies should invest in state-of-the-art technologies that help manage and optimize the relationship with the client based on both online and offline data. One of the most popular applications that companies use to develop the client relationship is a Recommender System. The vast majority of traditional recommender systems consider the recommendation as a static procedure and focus either on a specific type of recommendation or on some limited data. In this paper, it is proposed a novel Reinforcement Learning-based recommender system that has an integrative view over data and recommendation landscape, as well as it is highly adaptive to changes in customer behavior, the Holistic Adaptive Recommender System (HARS). From system design to detailed activities, it was attempted to present a comprehensive way of designing and developing a HARS system for an e-commerce company use-case as well as giving a suite of metrics that could be used for its evaluation.

Odată cu recenta pandemie COVID-19, lumea pe care o cunoșteam s-a schimbat semnificativ. Comportamentul cumpărătorului s-a schimbat și se reflectă printr-o tranziție în creștere către interacțiunea online, un consum mai mare de mass-media și o transformare masivă în cumpărături online. Companiile care își propun să rămână la îndemâna clienților ar trebui să se asigure că modul lor de interacțiune cu utilizatorul este atât relevant, cât și adaptabil. Companiile ar trebui să investească în tehnologii de ultimă generație care să ajute la gestionarea și optimizarea relației cu clientul atât pe baza datelor online, cât și offline. Una dintre cele mai populare aplicații pe care companiile le utilizează pentru a dezvolta relația cu clientul este un sistem de recomandare. Marea majoritate a sistemelor tradiționale de recomandare consideră recomandarea ca o procedură statică și se concentrează fie pe un anumit tip de recomandare, fie pe unele date limitate. În articol se propune un nou sistem de recomandare bazat pe învățarea de consolidare, care are o viziune integrativă asupra datelor și peisajului de recomandare, precum și foarte adaptabil la schimbările de comportament ale clienților, Holistic Adaptive Recommender System (HARS). S-a încercat prezentarea modului de proiectare și dezvoltare a unui sistem HARS pentru un caz de utilizare al unei companii de comerț electronic, precum și oferirea unei suite de valori care ar putea fi utilizate pentru evaluarea acestuia.