Na het implementeren van profiel tagging en product tagging, wilt u misschien de verschillende profieltags gebruiken om gebruikerssegmenten te creëren die op hun beurt op maat gemaakte aanbevelingen kunnen krijgen. Dit betekent dat we eerst de totale hoeveelheid profielen moeten onderverdelen in een onbekend aantal clusters. De clusters worden bepaald op basis van overlap in profieltags, met behulp van een clusteringalgoritme.

We genereren een menselijk leesbare beschrijving van elk cluster (bijvoorbeeld: "gebruikers die interesse hebben getoond in frisse ambachtelijke bieren in de zomer en donkere geroosterde ambachtelijke bieren in de winter"). Dit helpt ons bij het personaliseren van de aanbevelingen, evenals het begrijpen van elk segment. We gebruiken vervolgens een aanbevelingsalgoritme om een shortlist van producten per product te bepalen, en gebruiken vervolgens een LLM om de volgorde te wijzigen en een uitleg te geven.

“We denken dat je deze set frisse, zomerbieren leuk zult vinden, omdat het weer die tijd van het jaar is en we weten dat je heel veel van citrus IPA’s houdt!”

Een uitleg zoals deze toevoegen maakt de aanbeveling persoonlijker, wat op zijn beurt het vertrouwen vergroot en bijgevolg de kans op conversie verhoogt.