为非本地人设计运动鞋智能建议系统

基础设施和现场技术经理：Navid Zamani

项目经理兼平面设计师：Sohail Motaghinia

运动鞋智能建议系统 它是为 Niavaran 品牌设计的，旨在将鞋子选择过程从简单的搜索转变为个性化的购物体验。在运动鞋市场上，顾客通常面对大量的型号、颜色、尺寸、应用和技术规格，他并不总是知道哪种选择最适合他的实际需求。 Niavaran 的问题不仅仅是推出更多产品，而是找到一种方法来更好地了解客户的需求，并将其转化为可理解且准确的报价。在这个项目中，人工智能被放置在产品数据结构、用户体验和销售自动化旁边 运动鞋智能建议系统 能够建立产品功能与每个客户的真实需求之间的关系。

“球鞋智能推荐系统的目的不是引导顾客找到特定的产品；目标是让顾客找到合适产品的路径更短、更准确、更个性化。
— 内塔尼克项目经理

为不会运动鞋的人提供智能建议系统

选择运动鞋的主要问题

选择运动鞋与许多简单的购买不同，它同时取决于多个变量。活动类型、使用量、预期形式、预算、尺寸、外观偏好甚至之前的客户体验都会影响最终选择。在这种情况下，展示大量产品而不创建清晰的决策路径不一定会带来更好的购物体验。尼亚瓦兰运动鞋智能报价系统就是为了解决这个问题而设计的，将复杂的产品信息转化为简单易懂的报价。

系统设计的目标

该项目的目标是构建一个产品推荐引擎，可以接收客户信息并将其与结构化产品数据进行比较。在该模型中，智能运动鞋推荐系统并不仅仅根据产品的受欢迎程度或展示顺序做出决策，而是考虑了针对每个顾客的一组特定标准。产品信息包括类别、应用、技术特征、颜色、尺寸、价格范围以及可在报价引擎中使用的其他规格。最终的输出应该是客户可以理解的，除了介绍产品之外，还解释了报价的理由。

运动鞋智能推荐系统的架构

产品数据层

运动鞋智能建议系统设计的第一步是为Niavaran的产品数据创建标准结构。每个产品必须转换为一组可处理的特征，以便智能引擎可以比较不同的模型。该结构包括使用类型、产品类别、技术特征、颜色、尺寸、价格、库存和外观等信息。产品数据越有条理、越准确，智能运动鞋推荐系统的输出就越相关。

客户需求分析层

在第二层中，系统不再直接关注产品，而是首先分析客户的需求。客户可以用自然语言解释他们想要鞋子用于哪些活动、哪些功能对他们来说很重要以及他们正在考虑的价格范围。人工智能将这些信息转换为可处理的参数，然后将其与产品功能进行匹配。这个过程的结果是创建一条从“需要”到“合适的产品”的智能路径。

拟议的系统架构

为了设计这种架构，用户从进入网站到收到产品提案的路径被分为几个不同的阶段。 These steps should be implemented without creating additional complexity in the user experience and complete the information required by the system at each step.

1. 确定客户购买的目的

2. Get the desired important features

3. Need analysis by smart engine

4. Matching needs with existing products

5. 生成相关报价

6. 记录客户行为以改进系统

个性化购买运动鞋的体验

Knowing the purpose of the purchase

运动鞋智能建议系统最重要的部分之一就是购买目标的检测。 The customer may want the shoe for everyday use, training, running, gym or a combination of different activities and this difference should be factored into the final offer. For this reason, instead of asking a lot of specialized questions, the system tries to determine the user's main need with a few simple questions. This information then becomes part of the customer's temporary profile, and the recommendation engine checks for suitable products based on that.

了解客户偏好

除了购买目的之外​​，个人喜好也很重要。 Some customers consider price as the main criterion, some prioritize product design and appearance, and others pay more attention to technical features or comfort.运动鞋的智能建议系统可以从顾客的回答和他在网站上的行为中提取这些偏好。这样，产品可能是一个用户的主要报价，而对于另一用户来说是次要选项。

人工智能 In choosing the right shoes

将自然语言转换为可处理的数据

该系统的主要功能之一是能够接收自然语言的请求。用户不必在几十个专门的过滤器中进行选择，并且可以用简单的方式解释他的需求；例如，说“我想要一双适合训练和日常使用的轻便鞋”。人工智能将这句话转换为一组可处理的标准，然后将这些标准与产品数据进行匹配。这种方法使智能运动鞋推荐系统更像是数字顾问，而不是简单的商店过滤器。

提案理由说明

当客户知道为什么向他推荐某个型号时，产品推荐就更有价值。在这个系统中，除了产品名称之外，输出还可以提供选择它的几个具体原因；例如，适合客户感兴趣的应用、价格范围或功能。这种解释有助于减少购买过程中的歧义，并使用户需求和产品规格之间的联系更加清晰。因此，运动鞋智能报价系统不仅展示产品，还以易于理解的语言传达报价逻辑。

该系统的两个主要特点是：

• 用自然语言分析客户需求

• 将需求与产品功能相匹配

• 建议一些相关选项

• 提案理由说明

• 考虑价格和库存

• 从用户行为中学习

运动鞋智能建议系统及用户体验

设计产品选择路径

在设计 Niavaran 的用户体验时，目标不是将人工智能变成页面上的复杂工具。智能运动鞋推荐系统应该是在购买过程中客户真正需要帮助的时候。因此，所提出的体验从简短的交互开始，并在需要时从用户那里接收更多信息。这种结构使客户无需填写冗长的表格即可做出多种相关选择。

智能显示结果

提案的结果也应该简单且具有可比性。系统可以显示一组有限的相关选项以及报价原因、重要功能和关键产品信息，而不是显示大量产品。这样的结构有助于客户更快地了解选项之间的差异，并根据更清晰的信息做出购买决策。在本节中，用户界面设计和运动鞋智能建议系统的逻辑应该以集成的方式工作。

产品数据和智能 SEO 尼亚瓦兰

产品信息的标准结构

为了使智能鞋子推荐系统正常运行，产品信息不仅必须对用户可见，而且必须是结构化的。产品名称、品牌、颜色、尺寸、价格、库存和其他相关特征等信息应以有序的结构进行管理。除了供推荐引擎内部使用外，这个问题还可以帮助搜索引擎更好地理解产品页面。对于鞋子等产品，Google 已记录了如何使用 Product 和 ProductGroup 相关结构来管理产品类型和属性（例如尺寸和颜色）。

将 SEO 与购物体验联系起来

这个项目中的SEO没有与产品体验分开考虑。产品页面必须是搜索引擎可以理解的，并向智能引擎提供报价系统所需的信息。这种一致性使网站内容架构、产品数据和用户体验朝着共同的方向发展。对于像 Niavaran 这样的专业品牌，这种方法也可以成为开发语义搜索和基于人工智能的购物体验的基础。

销售自动化和智能报价系统

将报价与销售流程连接起来

智能运动鞋投标系统在连接到销售流程时显示出其真正的价值。产品报价可以与库存、订单信息、用户行为和其他客户接触点并存，并成为销售周期的一部分。在这种结构中，该系统不是一个独立的工具，而是充当 Niavaran 数字商店的智能层。该架构还允许开发个性化消息、提供互补产品和智能客户跟进等功能。

客户沟通自动化

客户与系统交互后，可以利用相关数据进行进一步的连接。例如，在宽松、基于满意度的情况下，查看了一些特定型号但没有购买的客户可能会收到另一个相关报价。同样，客户行为可以帮助销售和营销团队了解哪些产品类别最受欢迎。人工智能与自动化的这种联系使得运动鞋智能推荐系统从演示功能转变为可操作的基础设施。

尼亚瓦兰客户行为分析

可衡量的指标

为了评估系统的性能，仅凭显示的报价数量并不是一个好的衡量标准。应该检查用户如何与优惠进行交互、他们查看了哪些产品以及他们在哪个阶段离开了购买路径。这些数据有助于 Niavaran 团队随着时间的推移审查和完善智能运动鞋推荐系统的质量。最重要的是，数据分析应该用于改善客户体验，而不仅仅是生成报告。

一些建议的指标是：

• 智能优惠的参与率

• 推荐产品点击率

• 将产品添加到购物篮的比率

• 收到优惠的用户转化率

• 对话式搜索使用率

• 客户回头率提供体验

持续学习和改进

任何产品推荐系统都不应该被视为完全静态的项目。用户行为发生变化，新产品进入产品组合，市场偏好随着时间的推移而变化。为此，运动鞋的智能建议系统应该能够分析新的数据并修改建议的逻辑。在 Niavaran 提出的架构中，行为数据被视为系统持续改进周期的输入。

人工智能在 Niavaran 商店未来中的作用

从建议引擎到采购顾问

运动鞋智能推荐系统初始版本只能上线 产品提案 重点，但其架构具备开发成为智能购物助手的能力。在此阶段，客户可以与系统讨论型号之间的差异、每只鞋子的用途、产品功能以及在多个选项之间进行选择。这些经验可以弥补传统勘探和销售咨询之间的差距。因此，人工智能成为核心品牌体验的一部分，而不是外围功能。

智能搜索开发

下一步可能是将系统连接到语义和视觉搜索。未来，除了文字描述外，客户还可以使用自己感兴趣的图像或外观样本开始搜索，系统会在 Niavaran 产品中找到附近的选项。这条道路符合发展基于人工智能的购物体验和个性化产品发现的大趋势。在其文档和商业产品中，OpenAI还提出了产品发现和个性化购物体验作为人工智能的发展应用之一。

运动鞋智能建议系统项目成果

为 Niavaran 品牌创造的价值

在这个项目中，运动鞋智能建议系统并没有被设计为一个独立的功能，而是被认为是Niavaran数字体验架构的一部分。将产品数据、客户需求分析、人工智能、用户体验和销售自动化相结合，可以实现更连贯的产品发现路径。这种结构可以帮助 Niavaran 提供基于客户真实需求的体验，而不仅仅是展示产品。该项目的预期结果是创建一个可扩展的基础设施，以实现个性化、智能搜索以及与客户更好的沟通，而不是声称一个明确的数字结果。

Netanik 在该项目中的角色

Netanik 在该项目中的作用是设计人工智能、数字体验、产品数据和自动化之间的集成架构。在这样的项目中，人工智能本身并不是解决方案，只有当正确的数据、正确的流程和正确的用户体验被放置在人工智能上时，人工智能才能创造价值。从系统的角度来看，Netanik 将不同的组件放在一个架构中，以便未来功能的开发成为可能。 Niavaran 的智能运动鞋建议系统就是这种方法的一个例子；也就是说，利用人工智能来解决实际的业务问题，而不仅仅是增加技术能力。

运动鞋智能推荐系统的未来

更深入的个性化

系统开发的下一阶段可以为客户创建更智能的配置文件。在此模型中，可以在许可的框架内使用客户的交互历史记录、偏好、兴趣类别和搜索模式来个性化体验。运动鞋智能建议系统可以结合这些数据为每个用户提供更合适的建议。当然，这部分的设计应该做到透明、用户可控并符合隐私要求。

尼亚瓦兰智能生态系统

该项目的最终愿景是为 Niavaran 的购物体验创建一个智能生态系统；一个从产品发现开始一直持续到选择、购买、售后服务以及与客户重新互动的生态系统。在这样的架构中，智能运动鞋推荐系统将只是更大的数字商务智能平台的一个组成部分。将人工智能与产品数据、CRM、自动化、数字内容和行为分析连接起来，可以创建一个随着品牌发展而发展的基础设施。对于 Niavaran 来说，这条道路意味着从以产品为导向的在线商店转向以数据为导向的智能购物体验。

总结

Niavaran的运动鞋智能建议系统从一个简单但重要的问题开始：如何帮助顾客在众多选择中找到符合自己真正需求的产品。该项目的答案是将人工智能、结构化数据、个性化、用户体验和自动化集成到一个集成架构中。该系统并没有取代销售人员或取消客户的选择，而是扮演智能层的角色来简化决策过程。 Netanik 在这个项目中的做法是建立一个基础设施，可以解决当今的产品供应问题，并成为未来开发全智能购物体验的基础。