FittingLabs: studio del caso, analisi dei dati e sviluppo di un sito per e-commerce tramite machine learning

Ever since the Internet has become a tool of everyday use, the development of online shopping platforms became a necessary implementation for all major companies. The convenience of buying anything anywhere is a habit that users have appreciated more and more. However, during the pandemic of recent years, it became a necessity. The online sale of clothing has evolved over the years, and the aim of this research is to show how to innovate this sector. The majority of the companies are offering a free return when the purchase did not meet the user expectations. The intent to propose an ideal purchase to the user would allow to increase the credibility of specific online purchases. More precisely, some items are difficult to buy online, as well as climbing shoes. The purposed approach started with an analysis of a data collected from a wide set of users. Those were elaborated and analysed to find out if it was possible to describe some correlations. Different methods were then explored to solve the problem. It was used a CF approach, a CBF approach and finally a Regressor to predict the outcome that could be suggested to the user. This research shows how already in an initial phase this approach seems to be optimistic and how it is possible to exploit machine learning to provide a more reliable service for users, and advantageous for companies.

Da quando Internet è diventato uno strumento di uso quotidiano, lo sviluppo del negozio online- le piattaforme ping sono diventate un'implementazione necessaria per tutte le principali aziende. La convenienza di acquistare qualsiasi cosa ovunque è un'abitudine che gli utenti hanno apprezzato sempre di più. Tuttavia, durante la pandemia degli ultimi anni, è diventata una necessità. La vendita online di abbigliamento si è evoluta nel corso degli anni, e lo scopo di questa ricerca è proprio quello mostra come innovare questo settore. La maggior parte delle aziende offre un reso gratuito quando l'acquisto non ha soddisfatto le aspettative dell'utente. L'intento di proporre una soluzione ideale inseguire l'utente consentirebbe di aumentare la credibilità di specifici acquisti online. Di più appunto, alcuni articoli sono difficili da acquistare online, così come le scarpette da arrampicata. L'approccio mirato è iniziato con un'analisi dei dati raccolti da un ampio insieme di utenti. Quelli sono stati elaborati e analizzati per scoprire se fosse possibile descrivere alcune correlazioni. Sono stati quindi esplorati diversi metodi per risolvere il problema. È stato utilizzato un CF approccio, un approccio CBF e infine un regressore per prevedere il risultato che potrebbe essere suggerito all'utente. Questa ricerca mostra come già in una fase iniziale questo approccio sembri essere ottimista e come è possibile sfruttare l'apprendimento automatico per fornire un servizio più affidabile utenti e vantaggioso per le aziende.