A3S: la piattaforma italiana di social shopping

Scritto da:     Tags:  ,     Data di inserimento:  11 aprile, 2013  |  Nessun commento
11 aprile, 2013

Visite: 994

In Italia e non solo sempre più persone assaporano l’ebbrezza di un acquisto on line… la trasgressione di non andare in negozio, il rischio, la sorpresa quando il corriere porta il pacco… per poi acquisire confidenza e cominciare ad acquistare persino da smartphone e tablet. E poi diciamocelo… fare shopping piace!

Ma come trovare quello che realmente andiamo cercando, quello che fa veramente al caso nostro?
I mercati sono conversazioni – come il Cluetrain Manifesto recita – e come tali, a maggior ragione nel web 2.0, sono un luogo incredibile di condivisione e conoscenza reciproca. Uno strumento formidabile nelle mani di venditori, esercenti e aziende per presentarsi a chi davvero è interessato all’acquisto del proprio prodotto.

Da qui, dall’esigenza di far incontrare in modo sempre più puntuale domanda e offerta, nasce A3S-Advanced Social Shopping System, la  piattaforma avanzata di social shopping nata dalla collaborazione tra QUI! Group e il CINFAI (Consorzio Universitario Nazionale per la Fisica delle Atmosfere e delle Idrosfere) del Politecnico di Torino, che ha l’obiettivo di avvicinare domanda e offerta a prezzi competitivi, con prodotti e servizi fruibili attraverso promozioni inserite direttamente dai rivenditori, sottoforma di e-coupon.

Per ora solo in fase di test – ma entrerà presto sul mercato –  A3S, oltre alle caratteristiche comuni ad altri sistemi di vendita di deal legati al territorio (promozioni scontate di prodotti e servizi, geo-localizzazione, temporizzazione dell’offerta, fidelizzazione dell’utente tramite newsletter), prevede un sistema di profilazione avanzato, una sorta di messaggistica con cui  gli utenti possono commentare e “raccomandare” le offerte abilitando forme di acquisto collaborativo.

L’elemento distintivo della piattaforma è il modulo di gestione delle identità, che permette di individuare caratteristiche e preferenze del consumatore a partire dal suo universo “social”. In tale contesto, vengono in aiuto le tecniche di Analisi dei Social Network (SNA) che affondano le proprie radici nella sociologia, antropologia, statistica, matematica e che mirano a tracciare e misurare le relazioni tra persone, gruppi ed organizzazioni all’interno di “ambienti” come Facebook, Twitter, Google+, allo scopo di favorire una perfetta rispondenza tra l’offerta e suo destinatario.

A3S offre la possibilità ad ogni venditore (azienda o privato anche con poca capacità di investimento) di interagire, vendere e comprare oggetti, in qualsiasi momento, da qualunque postazione internet e con diverse modalità, incluse le vendite a prezzo fisso.

“Il punto di forza del Sistema, infatti – spiega Gregorio Fogliani, presidente di Qui! Group, leader in Italia nel settore delle soluzioni innovative per il welfare aziendale, la monetica e la loyalty – è il modulo di “Raccomandazione”, che suggerisce agli utenti le offerte presenti sul portale via web e via mobile, grazie ad un’avanzata profilazione basata sui social tetwork. In altre parole, l’offerta viene personalizzata sulle abitudini social dell’utente, favorendo, con tutta probabilità, il completamento dell’acquisto”. Le tecniche di valutazione degli utenti in base alle loro esperienze di acquisto/vendita forniscono poi elementi utili a rappresentare il grado di fiducia e affidabilità degli utenti. A completamento il sistema garantisce il controllo degli accessi, la gestione e memorizzazione sicura dei dati sensibili (es. dati personali degli utenti) e la gestione sicura dei pagamenti. Fattori questi ultimi di primaria importanza per la sicurezza sul web da parte degli utenti.

Le altre novità introdotte dal sistema sono legate ai concetti di shop associati ad ogni esercente (es. punti vendita), al fatto che le promozioni possono essere anche gratuiteall’organizzazione delle offerte in cataloghi per facilitare le ricerche ed alla possibilità di personalizzazione dell’interfaccia e delle offerte per ogni cliente.

 “La facilità con cui esercenti e brand possono inserire autonomamente le proprie promozioni, in un sistema tecnologicamente ottimizzato,” afferma Gregorio Fogliani, “contribuisce alla nascita di un mercato basato su logiche di acquisto 2.0, che vede fornitore e cliente finale sempre più vicini. Il sistema è ora in fase di test ma entrerà presto sul mercato, favorendo, un’accelerazione alla tanto auspica diffusione dell’e-commerce nel nostro paese”.

Come funziona A3S-Advanced Social Shopping System

La piattaforma si basa su algoritmi di raccomandazione in grado di stabilire il grado di corrispondenza fra promozioni ed utenti. Le matrici di raccomandazione vertono su tre fattori: similarità fra prodotti, influenza e trust fra utenti e feedback di acquisto di amici.
I suggerimenti sono basati su due tecniche diverse: content collaborative filtering.

Nel primo caso, il sistema fornisce suggerimenti sulla base delle similarità tra prodotti e tra prodotti e profili sfruttando tecniche di matching full-text: se un utente apprezza un prodotto è molto probabile che apprezzi anche prodotti simili.

Nel secondo caso, il sistema fornisce suggerimenti inferendo gli interessi dalla rete degli amici dell’utente: se un amico ha apprezzato un prodotto è molto probabile che anche l’utente lo apprezzi o apprezzi prodotti simili. L’elemento innovativo distintivo è dato dunque dalla possibilità di sfruttare i dati raccolti dalle reti sociali per inferire, attraverso tecniche di SNA, una serie di proprietà che rendono la raccomandazione mirata e precisa.
Gli amici di un utente non sono tutti influenti allo stesso modo: la piattaforma è in grado di costruire, attraverso la costruzione di matrici di influenza, la “forza” di un link di amicizia: se un utente A è influente su un altro utente B è molto probabile che i prodotti acquistati da A siano acquistati anche da B. Il sistema, inoltre, propone una soluzione anche al problema del legame di fiducia tra utenti. Escludendo la transitività della fiducia, si riconsidera la “forza” di un link in termini di trust, misurando la cardinalità normalizzata dell’insieme delle amicizie comuni: è molto probabile che tra due utenti che hanno un elevato numero di amici in comune ci sia affinità e fiducia rispetto ad un legame di amicizia che presenta poche amicizie comuni. Le tecniche di raccomandazione enumerate sono solo alcuni esempi. L’utilizzo di estrattori di dati da reti sociali, un bus per la raccolta degli eventi di navigazione e di acquisto sul portale di e-commerce, ed in particolare la definizione di una meta rete sociale realizzata su un graph DB rendono possibile l’applicazione delle più svariate tecniche di analisi, rendendo il sistema aperto a diversi sviluppi.

What's Happening Recommended by Hashcore

Lascia un commento


Ti potrebbe interessare anche: