SlideShare uma empresa Scribd logo
1 de 13
Baixar para ler offline
Thoth
Sistema de Recomendação
QUEM SOMOS?
✔ Resultado de anos de 3 anos de pesquisa científica;
✔ Equipe composta por mestres e doutores (USP e Unicamp);
✔ Provê resultados superiores aos obtidos por serviços similares
(CTR);
✔ Atualmente recomenda 1,4M itens para 100M usuários em nossa
base (dispositivos);
✔ Serve 15,5M recomendações por dia;
QUEM SOMOS?
Beneficiam-se do THOTH:
O QUE É?
✔ Entrega de conteúdo personalizado
✔ Descoberta automática de interesses
✔ Inteligência Artificial e Aprendizado de
Máquina
•Explora histórico de navegação de cada
usuário
•Prevê seus desejos e interesses
•Adapta-se dinamicamente à mudanças no
interesse de cada usuário
•Identifica impacto de eventos recentes e
recomenda conteúdo de interesses
emergentes
•Explora tendências atuais
DIFERENCIAIS
Oferecemos recomendações de melhor qualidade
(comprovado por testes A/B)
Recomendação em tempo real: um clique do
usuário é imediatamente processado
BENEFÍCIOS
Maiores taxas de:
• Time Spent
• Page Views
• Conversão (CTR)
• Páginas por visita (PPV)
Diminuição taxa de:
• Rejeição (bounce rate)
WIDGETS iG
WIDGETS iG
WIDGETS iG
RESULTADOS
Resultados superiores a serviços
similares
Resultados
• Aumento de cross-channel navigation: +342% TviG*
• Aumento de 8.9% de PVs, no principal canal (Ultimo
Segundo), na primeira quinzena de funcionamento*
• Aumento de 42.17% de PVs, no principal canal (Ultimo
Segundo), no primeiro mês de funcionamento*
• Aumento de 21.18% em PVs, no canal mais popular (Delas),
na primeira quinzena de funcionamento*

Mais conteúdo relacionado

Semelhante a Ig recomendacao 11.11.13 (2).ppt

Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2
Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2
Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2Thiago Costa
 
Marketing de busca
Marketing de buscaMarketing de busca
Marketing de buscajessicaslv
 
Twittness
TwittnessTwittness
Twittnessmvitor
 
Facebook Ads - Posmidiadigital
Facebook Ads - PosmidiadigitalFacebook Ads - Posmidiadigital
Facebook Ads - PosmidiadigitalRaoni Franco
 
Kingo Labs - O que fizemos em 2009?
Kingo Labs - O que fizemos em 2009?Kingo Labs - O que fizemos em 2009?
Kingo Labs - O que fizemos em 2009?Kingo Labs
 
Workshop marketing online 16 de outubro 2015
Workshop marketing online 16 de outubro 2015 Workshop marketing online 16 de outubro 2015
Workshop marketing online 16 de outubro 2015 Marco Novo
 
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...Leandro Ciuffo
 
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Leinylson Fontinele
 
Análise de Dados: Padrões no Consumo de Conteúdo
Análise de Dados: Padrões no Consumo de ConteúdoAnálise de Dados: Padrões no Consumo de Conteúdo
Análise de Dados: Padrões no Consumo de ConteúdoRafa Spoladore
 
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...tdc-globalcode
 

Semelhante a Ig recomendacao 11.11.13 (2).ppt (16)

Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2
Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2
Extensão em Redes Sociais Aplicadas aos Negócios - Parte 2
 
Marketing de busca
Marketing de buscaMarketing de busca
Marketing de busca
 
Recomendacao globo.com
Recomendacao globo.comRecomendacao globo.com
Recomendacao globo.com
 
Monitoramento em Mídias Sociais
Monitoramento em Mídias SociaisMonitoramento em Mídias Sociais
Monitoramento em Mídias Sociais
 
Personalização: O que é?
Personalização: O que é?Personalização: O que é?
Personalização: O que é?
 
Twittness
TwittnessTwittness
Twittness
 
Facebook Ads - Posmidiadigital
Facebook Ads - PosmidiadigitalFacebook Ads - Posmidiadigital
Facebook Ads - Posmidiadigital
 
Pesquisas em tempo real
Pesquisas em tempo realPesquisas em tempo real
Pesquisas em tempo real
 
Kingo Labs - O que fizemos em 2009?
Kingo Labs - O que fizemos em 2009?Kingo Labs - O que fizemos em 2009?
Kingo Labs - O que fizemos em 2009?
 
Workshop marketing online 16 de outubro 2015
Workshop marketing online 16 de outubro 2015 Workshop marketing online 16 de outubro 2015
Workshop marketing online 16 de outubro 2015
 
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...
Um Estudo de Caso para verificar a suscetibilidade a incentivos de avaliadore...
 
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
Sistemas Cooperativos Aula 14 - Técnicas (Sistemas de recomendação)
 
Análise de Dados: Padrões no Consumo de Conteúdo
Análise de Dados: Padrões no Consumo de ConteúdoAnálise de Dados: Padrões no Consumo de Conteúdo
Análise de Dados: Padrões no Consumo de Conteúdo
 
Palestra unesp 2012
Palestra unesp 2012Palestra unesp 2012
Palestra unesp 2012
 
Monitoramento nas redes sociais
Monitoramento nas redes sociaisMonitoramento nas redes sociais
Monitoramento nas redes sociais
 
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...
TDC2017 | São Paulo - Trilha Java EE How we figured out we had a SRE team at ...
 

Ig recomendacao 11.11.13 (2).ppt

  • 2. QUEM SOMOS? ✔ Resultado de anos de 3 anos de pesquisa científica; ✔ Equipe composta por mestres e doutores (USP e Unicamp); ✔ Provê resultados superiores aos obtidos por serviços similares (CTR); ✔ Atualmente recomenda 1,4M itens para 100M usuários em nossa base (dispositivos); ✔ Serve 15,5M recomendações por dia;
  • 4. O QUE É? ✔ Entrega de conteúdo personalizado ✔ Descoberta automática de interesses ✔ Inteligência Artificial e Aprendizado de Máquina
  • 5.
  • 6. •Explora histórico de navegação de cada usuário •Prevê seus desejos e interesses •Adapta-se dinamicamente à mudanças no interesse de cada usuário •Identifica impacto de eventos recentes e recomenda conteúdo de interesses emergentes •Explora tendências atuais
  • 7. DIFERENCIAIS Oferecemos recomendações de melhor qualidade (comprovado por testes A/B) Recomendação em tempo real: um clique do usuário é imediatamente processado
  • 8. BENEFÍCIOS Maiores taxas de: • Time Spent • Page Views • Conversão (CTR) • Páginas por visita (PPV) Diminuição taxa de: • Rejeição (bounce rate)
  • 12. RESULTADOS Resultados superiores a serviços similares
  • 13. Resultados • Aumento de cross-channel navigation: +342% TviG* • Aumento de 8.9% de PVs, no principal canal (Ultimo Segundo), na primeira quinzena de funcionamento* • Aumento de 42.17% de PVs, no principal canal (Ultimo Segundo), no primeiro mês de funcionamento* • Aumento de 21.18% em PVs, no canal mais popular (Delas), na primeira quinzena de funcionamento*