Nuestro Blog

El proceso de  Product Matching consiste en relacionar para distintas fuentes aquellos productos que son el mismo. Esto, que puede parecer una tarea trivial, no es así debido a que para un mismo producto, en cada web, lo pueden nombrar de diferente forma.  Por ejemplo, tomando datos de tres webs de viajes distintas, podemos ver como en cada una de ellas, al hotel Gran Bahía Duque y al Hotel Gran Meliá Palacio Isora en Tenerife, son nombradas por cada web de forma distinta.

WEB 1 WEB 2 WEB 3
Gran Hotel Bah\u00eda Del Duque Resort Gran Bahia Del Duque Resort HOTEL GRAN  BAHIA DEL DUQUE RESORT 5* LUJO(Costa Adeje)
Gran Melia Palacio De Isora Gran Meliá Palacio de Isora Resort & SPA HOTEL GRAN MELIA PALACIO DE ISORA 5* LUJO(Guia De Isora)

¿Cómo solucionar esta problemática?

Existen dos enfoques para solventar el problema que conlleva el Product Matching:

  1. Técnica de similitud de textos: medir la similitud entre los textos de título y descripción de los productos para detectar aquellas ofertas que representan al mismo producto.
  2. Técnicas de aprendizaje automático para generar modelos que realicen el matching entre productos.

¿Cómo funciona un sistema de Product Matching?

Se basa en un proceso con las siguientes etapas:

  • Preprocesado, se establece la normalización de los datos.
  • Filtrado, se generan los bloques de Matching.
  • Clasificación, se determina el producto con el que enlaza.

Matching_Product_ITELLIGENT

 ¿Quieres conocer más sobre Product Matching? 

Te recomendamos las siguientes publicaciones:

Köpcke, H., Thor, A., Thomas, S., Rahm, E. Tailoring entity resolution for matching product offers.(2012) ACM International Conference Proceeding Series.

Köpcke, H., Thor, A., Rahm, E. Evaluation of entity resolution approaches on real-world match problems. (2010) Proceedings of the VLDB Endowment, 3 (1).

Thor, A. Toward an adaptive string similarity measure for matching product offers. (2010) INFORMATIK 2010 – Service Science – Neue Perspektiven fur die Informatik, Beitrage der 40. Jahrestagung der Gesellschaft fur Informatik e.V. (GI)

Kannan, A., Givoni, I.E., Agrawal, R., Fuxman, A. Matching unstructured product offers to structured product specifications. (2011) Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.

Kannan, A., Talukdar, P.P., Rasiwasia, N., Ke, Q. Improving product classification using images. (2011) Proceedings – IEEE International Conference on Data Mining, ICDM, art. no. 6137235.

Realizamos una escucha activa en torno a tres aseguradoras en España durante el último trimestre del 2015: AdeslasSanitas DKV Seguros.

Gracias a la escucha activa y análisis de las conversaciones online a través de herramientas de monitorización, se pueden descubrir opiniones y temas de interés de los consumidores en relación a una marca/producto. De esta forma, obtenemos datos suficientes para ser capaces de reaccionar y adaptar nuestras estrategias social media de forma rápida y sencilla.

Informe ITELLIGENT aseguradoras 2015

En este informe, podemos averiguar qué opinan los usuarios de la Red en torno a estas tres aseguradoras a lo largo de los tres últimos meses del pasado año. Uno de los temas que más abarcan las conversaciones en Internet acerca de DKV Seguros y Sanitas son las promos o patrocinios en el Deporte y las acciones sobre RSC, como son los casos de: la Carrera de la Mujer de DKV, Sanitas Marca Running, Trailwalker (DKV) o el sponsor de Sanitas con el equipo de fútbol Real Madrid. Por otro lado, hemos detectado que las publicaciones en Twitter de estas aseguradoras tienen un alcance potencial medio de más de 24 mil usuarios, de los cuales, más de 3.600 se tratan -en promedio- de usuarios activos o que interactúan con dichas marcas.

Si desea ampliar más información u obtener este informe de forma gratuita, rellene este formulario y se lo enviaremos a la mayor brevedad posible:

La semana pasada, anunciábamos en un post la incorporación de la monitorización de Instagram a nuestra plataforma Netopinion. Gracias a esta actualización en la herramienta, ya podemos analizar y medir diversas KPI aplicables a cualquier cuenta en Instagram, bien sea de la propia marca como cuentas de la competencia. De esta forma, podemos ver cómo actúa la competencia en Instagram y evaluar quien consigue mejores resultados en su estrategia y acciones en esta red social.

Según los objetivos que se hayan marcado en el plan estratégico de Social Media, algunas métricas a  tener en cuenta a la hora del seguimiento de una campaña en Instagram pueden ser las siguientes:

  1. Nº Total de Medias (fotografía o vídeo) que has publicado en el periodo
  2. Nº de Usuarios únicos que han interactuado contigo
  3. Nº de veces que los usuarios han interaccionado contigo
  4. Total de Usuarios únicos que han podido ver las interacciones
  5. Nº de ‘Impresiones’ que se han podido generar
  6. Interacciones por cada persona
  7. Reach por cada interacción
  8. Impresiones por reach
  9. Volumen de Likes generados por los medias publicados
  10. Volumen de comentarios obtenidos en los medias publicados
  11. Ratio de Likes y ratio de comentarios
  12. ¿Qué medias funcionan mejor?
  13. ¿Qué usuarios con más activos?
  14. ¿Qué franja horaria es más activa?
  15. ¿Qué días son más activos?
  16. Gráficos comparativos frente a la competencia, ¿quién obtiene mejores resultados?

Cuando hablamos de medias en Instagram nos referimos a las publicaciones tanto de fotografias como vídeos en esta red social.

Por último, además de la monitorización de cuentas en Instagram, debemos destacar que desde Netopinion estas métricas son aplicables a la monitorización de campañas de hashtags. También, este software permite tener acceso en todo momento al detalle de los contenidos de los mensajes publicados en cada media, es decir, se puede acceder a cada media y comentario desde la plataforma.

Todo el equipo ITELLIGENT os desea unas Felices Fiestas.

Con nuestros mejores deseos para el próximo año 2016

en el que se cumplan todos vuestros sueños y proyectos.

Felicitacion_2015_ITelligent