Akıllı e-ticaret kullanıcıları yormadan ticaret yapma olanağı sağlayan elektronik ticarettir. Bilgi teknolojisinin ilerlemesiyle e-ticaret hızla gelişmekte ve aynı zamanda e-ticaretle ilgili süreçlere her zaman ve her yerde sorunsuz erişilebilirliğin yollarını da açmıştır. Bulut bilişimin desteğiyle, e-ticaretin Hizmet Kalitesi (QoS) ve Deneyim Kalitesi (QoE) önemli iyileştirmeler yaşadı. Büyük verilerle desteklenen e-ticaret, daha akıllı hizmetler ve uygulamalar ortaya çıktıkça daha akıllı hale geliyor. Özellikle, kişiselleştirilmiş ve akıllı hizmetlerin uygulanması açısından öneri sistemlerinin rolü hayati önem taşımaktadır ve akıllı e-ticaretin geliştirilmesinde büyük öneme sahiptir. Akıllı e-ticaret kolay kullanımı sayesinde ve teknolojik cihazlara uyumu ile yüksek performans sağlar. Bu sistem ile çok fazla teknik bilgiye gerek duyulmaz.
Öneri sisteminin özü, öğe özelliklerini çıkarmak ve kullanıcıların uygun içerikleri kullanıcıya öneri ilgisini modellemek için bilgi filtreleme ve bilgi erişimidir. Öneri sistemleri genellikle tavsiye sistemleri olarak da bilinmektedir. Bu sistem, müşterilerin arama maliyetlerini en aza indirmeyi ve tüketiciler tarafından verilen açık ve örtük geri bildirimlere dayanarak tercih edilen ürünlerin keşfedilmesini kolaylaştırmayı amaçlamaktadır. Biriken veri ve bilgi sonucunda da kullanıcıya iyileştirilmiş sonuçlar sunulmaktadır.
Bu sistemler, müşterilerin tercihlerini anlamak ve ürünleri otomatik olarak önermek için aslında tüketicinin geri bildirimini ve satın alma davranışı bilgilerini kullanır. Bu sistemler genellikle işbirliğine dayalı ve içeriğe dayalı filtreleme mekanizmaları üzerinde çalışır. Öneride bulunan sistemlerin çoğu, sosyal medya profilinden alınan geçmiş işlem verilerine dayanarak kullanıcının ilgi alanlarını ve tercihlerini ortaya çıkarmak için kullanır. İşleme dayalı filtreleme kullanıcıdan kullanıcıya yapıldığı zaman ürünler müşterilerin seçimlerine göre sunulmaktadır.
Bu filtrelemeden daha iyi olan öğeden öğeye filtrelemede ise müşteri seçimleri yerine tercih edilen ürünler üzerinde filtreleme yapılarak ürünler sunulur. Daha iyi sonuç vereceği aşikardır. İçeriğe dayalı filtreleme isminden anlaşılacağı üzere ürünlerin açıklamalarına ve kullanıcıların tercih ettiklerinin içeriğine göre filtrelenmektedir. İşleme dayalı filtreleme bir ürünü beğendiyseniz ona benzer ürünü de beğenme olasılığınızın yüksek olacağı ihtimaline dayanmaktadır. İçeriğe dayalı filtrelemede ise içerik analizine dayanarak kullanıcının tercihlerini öğrenmek zordur.
Popülarite tabanlı öneri sistemleri yeni kullanıcıların aldığı ürünlere göre her yeni kullanıcıya bu seçimler ve benzer sonuçlarını sunar. Yani trend olan ürünleri sunar. Fakat bu filtreleme kişileştirilme için kullanılamaz çünkü bu tercihe göre ürünleri kullanıcılara önermek mümkün olmaz. Öneri sistemlerinin bir diğeri hibrit öneri sistemleridir. Bu sistemde iki ayrı öneri sistemi ayrı ayrı yapıp birleştirilerek uygulanır. Hibrit öneri sistemlerinin diğer yaklaşımlardan daha doğru öneriler sunduğu bilinmektedir.
Öneri Sistemleri’ne en iyi uygulayan siteler şüphesiz ki amazon, netflix, spotify diyebiliriz. Bu sitelere göz gezdirdiğinizde zamanla aradığınız ürünlere benzer sonuçları ana sayfanızda karşınıza çıktığını göreceksiniz.
Bu yenilikçi öneri sistemleri süreci yüksek verimlilik sergilemesine rağmen, karmaşık ticaret ortamları ve çeşitli kullanıcılar için insancıllaştırılmış hizmetleri etkinleştirmek için veri seyrekliği, öngörülebilir öneriler, soğuk başlatma sorunu, içeriğin dahil edilmesi, aşırı uzmanlaşma sorunu, hibrit veriler ve ölçeklenebilirlik gibi çeşitli büyük zorluklar vardır. Optimal bilginin mevcut olmaması nedeniyle, öneri sistemlerinin, kullanıcıya uygun içerikleri önermek için öğe özelliklerini çıkarması ve kullanıcıların ilgisini modellemesi zorlaşır. Bu nedenle, akıllı e-ticarete güçlü bir temel sağlamak için verimli, objektif ve doğru bir öneri sistemi geliştirmek gerekir.
