Holiday Shopping Shop Smart s motorom doporučení spoločnosti Amazon

Na Vianoce sa mnohí z nás snažia vybrať najvhodnejší darček pre našich blízkych. Darčekový lov na Vianoce môže vyžadovať dni plánovania, niekedy týždňov. Okrem svojej zábavnej a radostnej časti, Vianočné nákupy môžu byť časovo náročné a stresujúce zážitky.

Našťastie vo veku pokročilej technológie existujú voľne dostupné nástroje, ktoré môžu urobiť nákupný proces oveľa efektívnejším a produktívnejším. V tomto príspevku vám ukážem, ako vám môže pomôcť Amazon.com ako jedna z najväčších svetových predajcov nájsť najlepšie darčeky pre svojich priateľov a rodinu v primeranom časovom rámci s pomocou svojho motora inteligentných odporúčaní.

Personalizované používateľské skúsenosti

Najúspešnejšie stránky na svete, ako napríklad Amazon, Facebook a Youtube sú tak populárne, pretože ponúkajú všetkým osobnú používateľskú skúsenosť.

Prispôsobenie používateľskej skúsenosti v podstate znamená, že spoločnosti sledovať svojich používateľov počas navigácie na svojich stránkach a vykonávať rôzne akcie na to. Zhromažďujú údaje do čistých databáz a analyzujú ich.

Nie je to škodlivé pre súkromie? Z určitého hľadiska, áno, je to; tieto spoločnosti môžu o nás vedieť viac ako naši najbližší priatelia alebo dokonca sami. Na druhej strane, ponúkajú nám službu, ktorá nám uľahčuje život, a naše rozhodnutia lepšie informované.

Ak sa na to pozrieme z transakčného hľadiska, "zaplatíme" za vylepšené používateľské prostredie a pohodlie s časťou nášho súkromia.

Samozrejme, zákonné súboje medzi poskytovateľmi online obsahu a úradmi sú neustále, len premýšľajte nad neuznaným právnym predpisom EÚ o cookies, ale keďže opúšťanie je čoraz menej realistickou možnosťou pre niekoho, kto chce mať životný štýl 21. storočia, môže to byť užitočné pochopiť, ako personalizované odporúčania fungujú v zákulisí.

Odporúčania Tech za Amazonom

Pri navigácii na webových stránkach spoločnosti Amazon môžeme nájsť prispôsobené odporúčania všade pod hlavičkami “Nové pre vás”, “Odporúčania pre vás v obchode Kindle”, “Odporúčané odporúčania”, “Zákazníci, ktorí si túto položku kúpili, si tiež kúpili”, a veľa ďalších.

Boli to odporúčania integrované do každej časti procesu nákupu od vyhľadávanie produktov na pokladni. Prispôsobené odporúčania sú poháňané inteligentným odporúčacím nástrojom, ktorý lepšie a lepšie pozná používateľov pri používaní lokality.

Pre lepšie porozumenie systémom odporúčaní je dobré premýšľať o nich pokročilé verzie vyhľadávacích nástrojov. Keď sa pozrieme na položku na Amazon, nielen to vráti výsledky, ale aj robí predpovede o produktoch, ktoré budeme potrebovať, a ukazuje naše odporúčania pre nás.

Odporúčané systémy používajú rôzne druhy algoritmov strojového učenia a stali sa komerčne realizovateľnými s vývojom veľkých dátových technológií. Motory s odporúčaniami sú produkty založené na údajoch, ako musia nájsť najrelevantnejšiu malú množinu dát v obrovskom oceáne veľkých dát.

Výpočtová úloha, ktorú odporúčacie systémy potrebujú vyriešiť, je kombinácia prediktívna analýza a filtrovanie

Používajú jeden z nasledujúcich prístupov:

(1) Collaborative Filtering, ktorý hľadá podobnosti medzi spoločné údaje ako sú nákupy, ratingy, likes, upvotes, downvotes in:

• buď matice používateľov a používateľov, kde sa vytvárajú odporúčania založené na voľbe iných zákazníkov, ktorí si podobné výrobky kúpili, kúpili, ohodnotili atď,
• alebo produkt-produkt matice, kde odporúčací motor vracia produkty, ktoré sú podobné pri nákupoch, likes, ratingy atď., k produktom, ktoré si súčasný používateľ zakúpil, ocenil, páčil, zvýšil pred

Amazon ju používa, pretože je pokročilejšie (podrobnejšie si pozrite v ďalšej časti).

(2) Filtrovanie obsahu, čo predpovedá na základe podobností objektívnych charakteristík produktov, ako sú špecifiká, opisy, autori a tiež na predchádzajúcich preferenciách používateľa (ktoré tu nie sú porovnané s preferenciami iných používateľov).

(3) Hybridné filtrovanie, ktorý používa nejaký druh kombinácie filtrovania založeného na spolupráci a obsahu.

Matrica produktu a produktu

Tradičný spôsob filtrovania v spolupráci využíva maticu používateľa a používateľa a nad určitým množstvom údajov má vážne problémy s výkonom.

Ak chcete spĺňať predvoľby, hodnotenia, nákupy všetkých používateľov a nájdite tých, ktorí sú najbližší k aktívnemu používateľovi, odporúča motor analyzovať každého používateľa v databáze a porovnať ich s aktuálnou.

Ak premýšľame o veľkosti Amazonu, je jasné, že tento druh filtrovania nie je pre nich možný, takže inžinieri spoločnosti Amazon vyvinuli aktualizovanú verziu predchádzajúcej metódy a nazvali ju filtrovanie spolupráce medzi položkami.

Filtrovanie spolupráce medzi jednotlivými položkami zostáva zachované úspech v spolupráci ako referenčnú hodnotu namiesto objektívnych vlastností produktu (pozri vyššie uvedené filtrovanie obsahu), ale spúšťa dopyty v matici produktov a produktov, čo znamená, že neporovnáva používateľov, namiesto toho porovnáva produkty.

Odporúčanie motora sa pozrie na produkty, ktoré sme si kúpili, ohodnotili, vložili do nášho zoznamu želaní, komentovali atď., Zatiaľ hľadajú ďalšie položky v databáze, ktorá má podobné sadzby a nákupy, zhromažďuje ich a potom vráti najlepšie sa zhoduje s odporúčaniami.

Ako získať lepšie odporúčania

Späť na vianočné nákupy, je to možné trénujte Amazon odporúčanie motor získať lepšie výsledky. Ak máte len nejasnú predstavu o tom, čo si kúpiť pre blízkeho, nemusíte počas prehliadania robiť nič iného než to, aby ste zanechali stopy na webových stránkach.

Pre tento post som to skúsil sám.

Môj východiskový bod bol ten, že som chcel nájsť nejaký menší kancelársky nábytok, ale nevedel čo. Tak som do vyhľadávacieho panela zadal niektoré súvisiace kľúčové slová a začal prechádzať výsledky. Položil som položky, ktoré sa mi páčili do môjho zoznamu želaní, hodnotili niektoré recenzie ako “užitočný”, klesol nejaký kancelársky nábytok do môjho koša.

Ak som kúpil podobnú položku na Amazone, bolo by celkom užitočné napísať o nej revíziu, ale v skutočnosti to nebolo možné (môžete písať len recenzie na výrobky, ktoré ste už zakúpili).

Po približne 10-15 minútach som sa zastavil a klikol na moje stránky s odporúčaniami (ktoré nájdete pod “[Vaše meno] je Amazon” bod menu). Pred experimentom som na tejto stránke mal len knihy, pretože to zvyčajne nakupujem na Amazone. Po rozsiahlom vyhľadávaní knihy zmizli a boli nahradené chladným kancelárskym nábytkom, ako vidíte nižšie.

Vyladenie motora

Je možné ďalej trénovať odporúčací motor, ako je uvedené nižšie tam je a “Prečo sa odporúča?” odkaz. Medzi mojimi odporúčaniami môžete vidieť bin liner (poslednú položku), ktorá nie je produktom pre kancelársky nábytok a jeden, ktorý nechcem kupovať na Vianoce.

Tak sa pozrime, prečo je tu.

Po kliknutí na odkaz, Amazon mi informuje, že to bolo odporúčané, pretože som si dať určité kancelárske stoličky počítača do môjho košíka. No, to je zaujímavé spojenie, ale stále to nepotrebujem.

Mám tu dve možnosti, môžem buď začiarknuť “Nezaujíma” začiarkavacie políčko vedľa vložky na obaly alebo “Nepoužívajte na odporúčania” vedľa kancelárskej stoličky. Zaškrtávam “Nezaujíma” checkbox.

A na tomto mieste zmizla vložka na binárne koše, nahradila iný odporúčaný výrobok, čo znamená, že som o krok bližšie k perfektnému daru.

Škoda, ak budem v budúcnosti potrebovať presnú binovú vložku v budúcnosti. OH, počkaj. Našiel som riešenie na to. Pod “Zlepšite svoje odporúčania” bod menu, môžem upraviť položky, ktoré som označil “Nezaujíma” štítok

Keď som našiel moje predstavené darčekové lovy, môžem jednoducho zrušiť začiarknutie produktov, ktoré by som mohol chcieť vidieť v mojich odporúčaniach v budúcnosti.