วันหยุดช้อปปิ้งร้านสมาร์ทกับเครื่องมือแนะนำของ Amazon

ในช่วงเทศกาลคริสต์มาสพวกเราหลายคนกำลังดิ้นรนกับการเลือกของขวัญที่เหมาะสมที่สุดสำหรับคนที่เรารัก การหาของขวัญในวันคริสต์มาสอาจต้องใช้เวลาหลายวันในการวางแผน นอกเหนือจากความสนุกและความสนุกสนานบางส่วนแล้ว, การช็อปปิ้งคริสต์มาสอาจเป็นประสบการณ์ที่ต้องใช้เวลาและเครียด.

โชคดีที่ในยุคของเทคโนโลยีขั้นสูงมีเครื่องมือที่พร้อมใช้งานฟรีที่สามารถทำให้กระบวนการซื้อสินค้ามีประสิทธิภาพและประสิทธิผลมากขึ้น ในบทความนี้ฉันจะแสดงให้คุณเห็นว่าเว็บไซต์ค้าปลีกที่ใหญ่ที่สุดแห่งหนึ่งของโลก Amazon.com สามารถช่วยเหลือคุณได้อย่างไร หาของขวัญที่ดีที่สุด สำหรับเพื่อนและครอบครัวของคุณ ภายในกรอบเวลาที่เหมาะสม ด้วยความช่วยเหลือของเครื่องมือแนะนำอัจฉริยะ.

ประสบการณ์ผู้ใช้ส่วนบุคคล

เว็บไซต์ที่ประสบความสำเร็จมากที่สุดในโลกเช่น Amazon, Facebook และ Youtube เป็นที่นิยมอย่างมากเพราะ พวกเขามอบประสบการณ์ผู้ใช้ที่เป็นส่วนตัวให้กับทุกคน.

การกำหนดประสบการณ์ผู้ใช้เป็นส่วนตัวหมายถึง บริษัท ต่างๆ สังเกตผู้ใช้ของพวกเขาในขณะที่นำทางผ่านไซต์และดำเนินการต่าง ๆ บนมัน พวกเขารวบรวมข้อมูลลงในฐานข้อมูลที่เรียบร้อยและวิเคราะห์.

นั่นไม่เป็นอันตรายต่อความเป็นส่วนตัว? จากมุมมองที่แน่นอนใช่มันเป็น; บริษัท เหล่านี้อาจรู้จักเรามากกว่าเพื่อนสนิทหรือแม้แต่ตัวเราเอง ในทางกลับกัน, พวกเขาเสนอบริการที่สามารถทำให้ชีวิตของเราง่ายขึ้น, และ การตัดสินใจของเราทราบดีกว่า.

หากเรามองจากมุมมองของทรานแซคชันเราจะ "จ่าย" เพื่อประสบการณ์การใช้งานที่เพิ่มขึ้นและความสะดวกสบายด้วยส่วนหนึ่งของความเป็นส่วนตัวของเรา.

แน่นอนว่าการต่อสู้ทางกฎหมายระหว่างผู้ให้บริการเนื้อหาออนไลน์และหน่วยงานทางการเป็นเรื่องที่คงที่เพียงแค่คิดถึงกฎหมายคุกกี้ของ EU ที่ไม่เป็นที่รักนัก มีประโยชน์ในการทำความเข้าใจว่าคำแนะนำส่วนบุคคลทำงานอย่างไรเบื้องหลัง.

เทคโนโลยีเบื้องหลังคำแนะนำของ Amazon

ในขณะที่สำรวจผ่านเว็บไซต์ของ Amazon เราสามารถค้นหาคำแนะนำส่วนบุคคลได้ทุกที่ภายใต้หัวข้อเช่น “ใหม่สำหรับคุณ”, “คำแนะนำสำหรับคุณใน Kindle Store”, “คำแนะนำที่แนะนำ”, “ลูกค้าที่ซื้อรายการนี้ก็ซื้อ”, และอื่น ๆ อีกมากมาย.

ได้รับการแนะนำ รวมเข้ากับทุกส่วน ของกระบวนการจัดซื้อจาก ค้นหาสินค้าเพื่อชำระเงิน. คำแนะนำที่ปรับแต่งเองนั้นขับเคลื่อนโดยเอ็นจิ้นการแนะนำอัจฉริยะที่จะทำให้ผู้ใช้รู้จักและดีขึ้นเมื่อพวกเขาใช้เว็บไซต์.

เพื่อให้เข้าใจระบบการแนะนำได้ดีขึ้นจึงเป็นความคิดที่ดีที่จะคิดถึงมันเป็น เครื่องมือค้นหาเวอร์ชันขั้นสูง. เมื่อเราค้นหารายการใน Amazon มันไม่เพียง แต่ส่งคืนผลลัพธ์ แต่ยังรวมถึง ทำการคาดการณ์เกี่ยวกับผลิตภัณฑ์ที่เราอาจต้องการ, และแสดงคำแนะนำสำหรับเรา.

ระบบผู้แนะนำใช้อัลกอริทึมการเรียนรู้ของเครื่องชนิดต่าง ๆ และพวกเขาได้นำไปใช้ในเชิงพาณิชย์กับวิวัฒนาการของเทคโนโลยีข้อมูลขนาดใหญ่ เครื่องมือแนะนำคือ ผลิตภัณฑ์ที่ขับเคลื่อนด้วยข้อมูล, เช่น พวกเขาต้องการค้นหาชุดข้อมูลขนาดเล็กที่เกี่ยวข้องที่สุดในมหาสมุทรขนาดใหญ่ของข้อมูลขนาดใหญ่.

งานคำนวณที่ระบบแนะนำต้องแก้ไขคือการรวมกันของ การวิเคราะห์เชิงทำนายและการกรอง

พวกเขาใช้หนึ่งในวิธีต่อไปนี้:

(1) การกรองแบบร่วมมือกัน, ที่ค้นหาความคล้ายคลึงกันระหว่าง ข้อมูลความร่วมมือ เช่นการซื้อ, การให้คะแนน, ไลค์, อัปโหลด, downvotes ใน:

• ทั้ง เมทริกซ์ผู้ใช้กับผู้ใช้, เมื่อคำแนะนำถูกสร้างขึ้นตามตัวเลือกของลูกค้ารายอื่น ๆ ที่ชอบซื้อจัดอันดับ ฯลฯ ผลิตภัณฑ์ที่คล้ายกัน,
• หรือ เมทริกซ์ของผลิตภัณฑ์, ที่เอ็นจินการแนะนำส่งคืนผลิตภัณฑ์ที่คล้ายกันในการซื้อไลค์การจัดอันดับ ฯลฯ กับผลิตภัณฑ์ที่ผู้ใช้ปัจจุบันได้ซื้อจัดอันดับจัดอันดับไลค์และอัปโหลด ก่อน

Amazon ใช้อันหลังเนื่องจากมันล้ำหน้ากว่า (ดูรายละเอียดในหัวข้อถัดไป).

(2) การกรองตามเนื้อหา, ที่ทำให้การคาดการณ์ขึ้นอยู่กับความคล้ายคลึงกันของลักษณะวัตถุประสงค์ของผลิตภัณฑ์เช่นเฉพาะคำอธิบายผู้เขียนและการตั้งค่าก่อนหน้าของผู้ใช้ (ที่นี่ไม่ได้เปรียบเทียบกับการตั้งค่าของผู้ใช้รายอื่น).

(3) กรองแบบไฮบริด, ที่ใช้การรวมกันบางอย่างของการทำงานร่วมกันและการกรองตามเนื้อหา.

เมทริกซ์ผลิตภัณฑ์ - ผลิตภัณฑ์

วิธีการกรองการทำงานร่วมกันแบบดั้งเดิมนั้นใช้เมทริกซ์ผู้ใช้กับผู้ใช้และเหนือกว่าข้อมูลจำนวนหนึ่งที่มีปัญหาด้านประสิทธิภาพที่ร้ายแรง.

เพื่อให้ตรงกับความต้องการการให้คะแนนการซื้อของผู้ใช้ทั้งหมดและ ค้นหาผู้ที่ใกล้เคียงที่สุดกับผู้ใช้ที่ใช้งานอยู่, เอ็นจิ้นการแนะนำต้องทำการวิเคราะห์ ผู้ใช้ทุกคน ในฐานข้อมูลและจับคู่กับฐานข้อมูลปัจจุบัน.

ถ้าเราคิดถึงขนาดของอเมซอนมันก็ชัดเจนว่าการกรองแบบนี้ไม่เป็นไปได้สำหรับพวกเขาดังนั้นวิศวกรของอเมซอนจึงพัฒนาวิธีการแบบเดิมที่อัพเกรดแล้ว การกรองการทำงานร่วมกันระหว่างไอเท็มต่อรายการ.

การกรองการทำงานร่วมกันแบบไอเท็มต่อไอเท็ม ความสำเร็จร่วมกัน เป็นเกณฑ์มาตรฐานแทนคุณภาพวัตถุประสงค์ของผลิตภัณฑ์ (ดูการกรองตามเนื้อหาด้านบน) แต่เรียกใช้คิวรีในเมทริกซ์ผลิตภัณฑ์ - ผลิตภัณฑ์ซึ่งหมายความว่าจะไม่เปรียบเทียบผู้ใช้แทนที่จะเปรียบเทียบผลิตภัณฑ์.

เอ็นจิ้นการแนะนำจะพิจารณาผลิตภัณฑ์ที่เราซื้อจัดอันดับใส่ลงในรายการสินค้าที่ต้องการแสดงความคิดเห็นและอื่น ๆ จากนั้นค้นหารายการอื่น ๆ ในฐานข้อมูลที่มีอัตราและการซื้อที่คล้ายคลึงกันรวมแล้วส่งคืน การจับคู่ที่ดีที่สุดตามคำแนะนำ.

วิธีการรับคำแนะนำที่ดีกว่า

กลับไปที่การช็อปปิ้งคริสต์มาสมันเป็นไปได้ ฝึกกลไกการแนะนำของ Amazon เพื่อให้ได้ผลลัพธ์ที่ดีขึ้น. หากคุณมีความคิดที่คลุมเครือเกี่ยวกับสิ่งที่จะซื้อให้คนที่คุณรักคุณไม่ต้องทำอะไรอย่างอื่นนอกจากทิ้งร่องรอยไว้บนเว็บไซต์ในขณะเรียกดู.

เพื่อประโยชน์ในการโพสต์นี้ฉันได้ลองด้วยตัวเอง.

จุดเริ่มต้นของฉันคือฉันต้องการค้นหาเฟอร์นิเจอร์สำนักงานขนาดเล็ก แต่ไม่รู้ว่าอะไรจริง ดังนั้นฉันจึงป้อนคำหลักที่เกี่ยวข้องลงในแถบการค้นหาและเริ่มค้นหาผลลัพธ์ ฉันใส่สิ่งที่ฉันชอบลงในสิ่งที่อยากได้จัดอันดับความเห็นบางส่วนว่า “เป็นประโยชน์”, วางเฟอร์นิเจอร์สำนักงานลงในตะกร้าของฉัน.

หากฉันเคยซื้อสินค้าที่คล้ายกันใน Amazon มันจะมีประโยชน์มากในการเขียนรีวิว แต่จริงๆแล้วฉันไม่สามารถทำได้ (คุณสามารถเขียนรีวิวเกี่ยวกับผลิตภัณฑ์ที่คุณซื้อไปแล้วเท่านั้น).

หลังจากนั้นประมาณ 10-15 นาทีฉันก็หยุดและคลิกที่หน้าคำแนะนำของฉัน (ซึ่งอยู่ใต้ “[ชื่อของคุณ] ของอเมซอน” จุดเมนู) ก่อนการทดสอบฉันมีเฉพาะหนังสือในหน้านี้นั่นคือสิ่งที่ฉันมักจะซื้อในอเมซอน หลังจากการค้นหาที่กว้างขวางของฉันหนังสือได้หายไปและถูกแทนที่ด้วยเฟอร์นิเจอร์สำนักงานเย็น ๆ ดังที่คุณเห็นด้านล่าง.

ปรับแต่งเครื่องยนต์

เป็นไปได้ที่จะฝึกอบรมกลไกการแนะนำเพิ่มเติมดังต่อไปนี้คำแนะนำแต่ละข้อ มี “ทำไมแนะนำ?” ลิงค์. ในบรรดาคำแนะนำของฉันคุณสามารถเห็นถาดซับ (รายการสุดท้าย) ซึ่งไม่ใช่ผลิตภัณฑ์เฟอร์นิเจอร์สำนักงานและอีกอันที่ฉันไม่ต้องการซื้อสำหรับคริสต์มาส.

ลองดูสาเหตุที่มาที่นี่.

หลังจากคลิกที่ลิงค์อเมซอนแจ้งให้ฉันแนะนำเพราะฉันใส่เก้าอี้คอมพิวเตอร์สำนักงานบางอย่างลงในตะกร้าของฉัน นั่นคือการเชื่อมต่อที่น่าสนใจ แต่ฉันก็ยังไม่ต้องการมัน.

ฉันมีสองตัวเลือกที่นี่ฉันสามารถเลือกได้ “ไม่สนใจ” ช่องทำเครื่องหมายถัดจากถาดซับหรือ “อย่าใช้สำหรับคำแนะนำ” ถัดจากเก้าอี้สำนักงาน ฉันติ๊ก “ไม่สนใจ” ช่องทำเครื่องหมาย.

และถึงจุดนี้ถังขยะได้หายไปแทนที่ด้วยผลิตภัณฑ์ที่แนะนำอีกซึ่งหมายความว่าฉันเข้าใกล้ของขวัญที่สมบูรณ์แบบ.

น่าเสียดายถ้าฉันต้องการถังขยะที่แน่นอนในอนาคต โอ้เดี๋ยวก่อน ฉันพบวิธีแก้ปัญหาสำหรับสิ่งนั้นแล้ว ภายใต้ “ปรับปรุงข้อเสนอแนะของคุณ” จุดเมนูฉันสามารถแก้ไขรายการที่ฉันทำเครื่องหมายด้วย “ไม่สนใจ” ฉลาก

เมื่อฉันพบการค้นหาของขวัญตามจินตนาการฉันสามารถยกเลิกการเลือกผลิตภัณฑ์ที่ฉันอาจต้องการเห็นในคำแนะนำของฉันในอนาคต.