Αρχική σελίδα » Διαδίκτυο » Smart Shopping Shop Smart με τη μηχανή σύστασης του Amazon

    Smart Shopping Shop Smart με τη μηχανή σύστασης του Amazon

    Την εποχή των Χριστουγέννων πολλοί από εμάς αγωνίζονται να επιλέξουν το πιο κατάλληλο δώρο για τους αγαπημένους μας. Το κυνήγι δώρων για τα Χριστούγεννα μπορεί να απαιτήσει ημέρες προγραμματισμού, μερικές φορές εβδομάδες. Εκτός από το συγκεκριμένο διασκεδαστικό και χαρούμενο μέρος του, Τα Χριστουγεννιάτικα ψώνια μπορούν να είναι μια χρονοβόρα και αγχωτική εμπειρία.

    Ευτυχώς στην εποχή της προηγμένης τεχνολογίας, υπάρχουν ελεύθερα διαθέσιμα εργαλεία που μπορούν να κάνουν την αγοραστική διαδικασία πολύ πιο αποδοτική και παραγωγική. Σε αυτήν την ανάρτηση θα σας δείξω πώς ένας από τους μεγαλύτερους δικτυακούς τόπους λιανικής πώλησης στον κόσμο, Amazon.com μπορεί να σας βοηθήσει βρίσκοντας τα καλύτερα δώρα για τους φίλους και την οικογένειά σας μέσα σε εύλογο χρονικό διάστημα με τη βοήθεια του μηχανισμού έξυπνων συστάσεων.

    Εξατομικευμένη εμπειρία χρήστη

    Οι πιο επιτυχημένες ιστοσελίδες του κόσμου όπως το Amazon, το Facebook και το Youtube είναι τόσο δημοφιλείς επειδή προσφέρουν μια εξατομικευμένη εμπειρία χρήστη σε όλους.

    Η εξατομίκευση της εμπειρίας των χρηστών σημαίνει ουσιαστικά ότι οι εταιρείες παρατηρούν τους χρήστες τους ενώ περιηγούνται στον ιστότοπό τους και εκτελούν διαφορετικές ενέργειες σε αυτό. Συλλέγουν τα δεδομένα σε τακτικές βάσεις δεδομένων και την αναλύουν.

    Δεν είναι τόσο επιβλαβές για την ιδιωτικότητα; Από μια ορισμένη άποψη, ναι είναι? αυτές οι εταιρείες μπορεί να ξέρουν περισσότερα για εμάς από τους πιο στενούς φίλους μας ή ακόμα και τους εαυτούς μας. Αφ 'ετέρου, μας προσφέρουν μια υπηρεσία που μπορεί να κάνει τη ζωή μας ευκολότερη, και τις αποφάσεις μας καλύτερα ενημερωμένες.

    Αν το εξετάσουμε από την άποψη της συναλλαγής, "πληρώνουμε" για μια βελτιωμένη εμπειρία χρήστη και άνεση, με ένα μέρος της ιδιωτικής ζωής μας.

    Φυσικά, οι νομικές μάχες μεταξύ των παρόχων περιεχομένου σε απευθείας σύνδεση και των αρχών είναι σταθερές, απλά σκεφτείτε το όχι τόσο αγαπημένο νόμο περί μπισκότων της ΕΕ, αλλά αν το opting out είναι όλο και λιγότερο ρεαλιστική επιλογή για κάποιον που επιθυμεί να απολαύσει έναν τρόπο ζωής 21ου αιώνα, χρήσιμο να κατανοήσουμε πώς οι εξατομικευμένες προτάσεις λειτουργούν πίσω από τις σκηνές.

    Οι τεχνικές πίσω από τις συστάσεις του Αμαζονίου

    Κατά την πλοήγηση στον ιστότοπο του Amazon, μπορούμε να βρούμε εξατομικευμένες συστάσεις παντού κάτω από τίτλους όπως “Νέο για σας”, “Συστάσεις για σας στο κατάστημα Kindle”, “Προτεινόμενες συστάσεις”, “Πελάτες που αγόρασαν αυτό το προϊόν αγόρασαν επίσης”, και πολλοί άλλοι.

    Έχουν υπάρξει συστάσεις ενσωματωμένο σε κάθε τμήμα της διαδικασίας αγοράς από την αναζήτηση προϊόντος στο ταμείο. Οι προσαρμοσμένες συστάσεις τροφοδοτούνται από μια έξυπνη μηχανή συστάσεων που γνωρίζει τους χρήστες καλύτερα και καλύτερα καθώς χρησιμοποιούν τον ιστότοπο.

    Για να καταλάβετε καλύτερα τα συστήματα συστάσεων, είναι καλή ιδέα να το σκεφτείτε ως προηγμένες εκδόσεις των μηχανών αναζήτησης. Όταν κοιτάζουμε ένα στοιχείο στο Amazon, δεν επιστρέφει μόνο τα αποτελέσματα, αλλά επίσης κάνει προβλέψεις για τα προϊόντα που μπορεί να χρειαστούν, και δείχνει τις συστάσεις της για εμάς.

    Τα συστήματα συστημένων χρησιμοποιούν διαφορετικά είδη αλγορίθμων μηχανικής μάθησης και έχουν γίνει εμπορικά εφαρμόσιμα με την εξέλιξη της μεγάλης τεχνολογίας δεδομένων. Οι κινητήρες συστάσεων είναι προϊόντα που βασίζονται σε δεδομένα, όπως και πρέπει να βρουν το πιο σχετικό μικρό σύνολο δεδομένων στον τεράστιο ωκεανό των μεγάλων δεδομένων.

    Ο υπολογιστικός στόχος που πρέπει να επιλύσουν τα συστήματα συστάσεων είναι ο συνδυασμός προγνωστική ανάλυση και φιλτράρισμα

    Χρησιμοποιούν μία από τις ακόλουθες προσεγγίσεις:

    (1) Συνεργατική Φιλτράρισμα, που αναζητά ομοιότητες μεταξύ συνεργατικά δεδομένα όπως αγορές, βαθμολογίες, αρεσκείες, upvotes, downvotes σε:

    • είτε το χρήστη-χρήστη, όπου οι συστάσεις δημιουργούνται με βάση τις επιλογές άλλων πελατών που τους άρεσαν, αγόρασαν, βαθμολόγησαν κ.λπ. παρόμοια προϊόντα,
    • ή το προϊόν-προϊόν μήτρα, όπου η μηχανή συστάσεων επιστρέφει προϊόντα που είναι παρόμοια στις αγορές, τους αρέσει, τις βαθμολογίες κ.λπ. στα προϊόντα που ο τρέχων χρήστης αγόρασε, αξιολόγησε, άρεσε, ανέφερε πριν

    Η Amazon χρησιμοποιεί την τελευταία, καθώς είναι πιο προηγμένη (ανατρέξτε λεπτομερώς στην επόμενη ενότητα).

    (2) Φιλτράρισμα βάσει περιεχομένου, που κάνει προβλέψεις βασισμένες στις ομοιότητες των αντικειμενικών χαρακτηριστικών προϊόντων όπως τα χαρακτηριστικά, οι περιγραφές, οι συγγραφείς και επίσης στις προηγούμενες προτιμήσεις του χρήστη (που δεν συγκρίνονται με τις προτιμήσεις άλλων χρηστών).

    (3) Υβριδικό φιλτράρισμα, που χρησιμοποιεί κάποιο είδος συνδυασμού φιλτραρίσματος και φιλτραρίσματος περιεχομένου.

    Το προϊόν-προϊόν Matrix

    Ο παραδοσιακός τρόπος φιλτραρίσματος συνεργατών χρησιμοποιεί τη μήτρα χρήστη-χρήστη και πάνω από ένα ορισμένο αριθμό δεδομένων έχει σοβαρά προβλήματα απόδοσης.

    Για να ταιριάζει με τις προτιμήσεις, τις αξιολογήσεις, τις αγορές όλων των χρηστών και βρείτε εκείνους που είναι πιο κοντά στον ενεργό χρήστη, η μηχανή των συστάσεων πρέπει να αναλύσει κάθε χρήστη στη βάση δεδομένων και να τα ταιριάξετε με την τρέχουσα.

    Αν σκεφτούμε το μέγεθος του Amazon, είναι σαφές ότι αυτό το είδος φιλτραρίσματος δεν είναι εφικτό γι 'αυτούς, έτσι οι μηχανικοί του Amazon ανέπτυξαν μια αναβαθμισμένη έκδοση της πρώην μεθόδου και το ονόμασαν συνεργατικό φιλτράρισμα στοιχείου σε στοιχείο.

    Το συνεργατικό φιλτράρισμα στοιχείου σε στοιχείο διατηρεί συνεργατική επιτυχία ως κριτήριο αναφοράς αντί για τις αντικειμενικές ιδιότητες ενός προϊόντος (βλ. το φιλτράρισμα βάσει περιεχομένου παραπάνω), αλλά εκτελεί τα ερωτήματα στον πίνακα προϊόντος-προϊόντος, που σημαίνει ότι δεν συγκρίνει τους χρήστες, αλλά συγκρίνει τα προϊόντα.

    Ο μηχανισμός συστάσεων εξετάζει τα προϊόντα που έχουμε αγοράσει, αξιολογήσει, βάλτε στη λίστα επιθυμιών μας, σχολίασε κλπ. Μέχρι στιγμής, αναζητά λοιπόν άλλα στοιχεία στη βάση δεδομένων που έχουν παρόμοιες τιμές και αγορές, συγκεντρώνει τα στοιχεία τους και στη συνέχεια επιστρέφει καλύτερες αντιστοιχίες ως συστάσεις.

    Πώς να πάρετε καλύτερες συστάσεις

    Πίσω στα Χριστουγεννιάτικα ψώνια, είναι δυνατόν εκπαιδεύστε τον κινητήρα των προτάσεων του Amazon για καλύτερα αποτελέσματα. Εάν έχετε μόνο μια αόριστη ιδέα για το τι να αγοράσετε για έναν αγαπημένο σας, δεν χρειάζεται να κάνετε τίποτα άλλο εκτός από την παραμονή ίχνη στην ιστοσελίδα κατά την περιήγηση.

    Για χάρη αυτής της δημοσίευσης το έχω δοκιμάσει μόνος μου.

    Το σημείο εκκίνησης μου ήταν ότι ήθελα να βρω κάποια μικρότερα έπιπλα γραφείου, αλλά δεν ήξερα ακριβώς τι. Έτσι εισήγαγα ορισμένες σχετικές λέξεις-κλειδιά στη γραμμή αναζήτησης και άρχισα να περιηγώ στα αποτελέσματα. Έβαλα τα στοιχεία που μου άρεσε στη λίστα επιθυμιών μου, βαθμολόγησα μερικές κριτικές ως “Βοηθητικός”, έπεσε μερικά έπιπλα γραφείου στο καλάθι μου.

    Εάν έχω αγοράσει ποτέ ένα παρόμοιο στοιχείο στο Amazon, θα ήταν πολύ χρήσιμο να γράψω μια κριτική για αυτό, αλλά στην πραγματικότητα δεν θα μπορούσα να το κάνω αυτό (μπορείτε μόνο να γράψετε κριτικές για προϊόντα που έχετε ήδη αγοράσει).

    Μετά από περίπου 10-15 λεπτά σταμάτησα, και έκανα κλικ στις σελίδες μου συστάσεις (οι οποίες βρίσκονται κάτω από το “Το όνομα του Amazon” σημείο μενού). Πριν από το πείραμα έχω μόνο βιβλία σε αυτή τη σελίδα, καθώς αυτό συνήθως αγοράζω στον Αμαζόνιο. Μετά την εκτενή αναζήτηση μου, τα βιβλία έχουν εξαφανιστεί και έχουν αντικατασταθεί από δροσερά έπιπλα γραφείου, όπως μπορείτε να δείτε παρακάτω.

    Βελτιώστε τον κινητήρα

    Είναι δυνατή η περαιτέρω κατάρτιση του μηχανισμού συστάσεων, όπως κάτω από κάθε σύσταση υπάρχει μια “Γιατί συνιστάται?” Σύνδεσμος. Μεταξύ των συστάσεών μου μπορείτε να δείτε μια ταμπέλα (τελευταίο στοιχείο), η οποία δεν είναι προϊόν επίπλων γραφείου και δεν θέλω να αγοράσω για τα Χριστούγεννα.

    Ας δούμε λοιπόν γιατί είναι εδώ.

    Αφού κάνετε κλικ στο σύνδεσμο, η Amazon με ενημερώνει ότι συστήθηκε επειδή έβαλα μια καρέκλα στον υπολογιστή μου στο καλάθι μου. Λοιπόν, αυτή είναι μια ενδιαφέρουσα σύνδεση, αλλά δεν το χρειάζομαι.

    Έχω δύο επιλογές εδώ, μπορώ είτε να το σημειώσω “Δεν ενδιαφέρομαι” πλαίσιο ελέγχου δίπλα στην επένδυση κάδου ή το “Μην χρησιμοποιείτε για συστάσεις” δίπλα στην καρέκλα γραφείου. Τσεκάρω το “Δεν ενδιαφέρομαι” πλαίσιο ελέγχου.

    Και σε αυτό το σημείο η επένδυση του κάδου έχει εξαφανιστεί, αντικατασταθεί με ένα άλλο συνιστώμενο προϊόν, πράγμα που σημαίνει ότι είμαι ένα βήμα πιο κοντά στο τέλειο δώρο.

    Πάρα πολύ κακό αν θα χρειαστώ ποτέ το συγκεκριμένο ταμπλό στο μέλλον όμως. Αα περίμενε. Βρήκα τη λύση γι 'αυτό. Σύμφωνα με το “Βελτιώστε τις συστάσεις σας” σημείο μενού, μπορώ να επεξεργαστώ τα στοιχεία που έχω επισημάνει με το “Δεν ενδιαφέρομαι” επιγραφή

    Όταν βρήκα το φανταστικό μου κυνήγι δώρων, μπορώ απλώς να καταργήσω τα προϊόντα που ενδέχεται να θέλω να δω μεταξύ των συστάσεών μου στο μέλλον.