Holiday Shopping Shop Smart Amazonin suositusmoottorilla

Joulun aikana monet meistä kamppailevat valitsemalla sopivin lahja rakkaillemme. Joululahjat voivat vaatia suunnittelupäiviä, joskus viikkoja. Sen tietyn hauskan ja iloisen osan lisäksi, Jouluostokset voivat olla aikaa vievää ja stressaavaa kokemusta.

Onneksi kehittyneen teknologian aikakaudella on vapaasti käytettävissä olevia työkaluja, jotka voivat tehdä ostosprosessista paljon tehokkaampaa ja tuottavampaa. Tässä viestissä näytän sinulle, kuinka yksi maailman suurimmista vähittäiskauppiasivustoista, Amazon.com voi auttaa sinua löytää parhaat lahjat ystävillesi ja perheellesi kohtuullisessa ajassa sen älykäs suositusmoottori.

Henkilökohtainen käyttäjäkokemus

Maailman menestyksekkäimmät sivustot, kuten Amazon, Facebook ja Youtube, ovat niin suosittuja, koska ne tarjoavat yksilöllisen käyttäjäkokemuksen kaikille.

Käyttökokemuksen mukauttaminen tarkoittaa sitä, että yritykset tarkkaile heidän käyttäjäänsä, kun he navigoivat sivustonsa läpi ja suorittavat erilaisia ​​toimia sen päällä. Ne keräävät tiedot siistiin tietokantoihin ja analysoivat ne.

Eikö se ole haitallista yksityisyydelle? Tietystä näkökulmasta kyllä ​​se on; nämä yritykset voivat tietää enemmän meistä kuin lähimmät ystäväsi tai jopa itsemme. Toisaalta, ne tarjoavat meille palvelun, joka helpottaa elämäämme, ja päätöksemme paremmin.

Jos tarkastelemme sitä kaupallisesta näkökulmasta, maksamme sen paremmasta käyttäjäkokemuksesta ja mukavuudesta, ja osa yksityisyydestämme.

Tietenkin online-sisällöntuottajien ja viranomaisten väliset oikeudelliset taistelut ovat jatkuvia, vain ajattele EU: n evästeitä, jotka eivät ole niin rakastettuja, mutta koska irtautuminen on vähemmän ja vähemmän realistinen vaihtoehto jollekin, joka haluaa nauttia 21. vuosisadan elämäntavasta, se voi olla hyödyllistä ymmärtää, miten henkilökohtaiset suositukset toimivat kulissien takana.

Tech Behind Amazonin suositukset

Amazon-sivuston kautta navigoimalla voimme löytää henkilökohtaisia ​​suosituksia kaikkialla otsikoiden kaltaisissa kohdissa “Uusi sinulle”, “Suositukset sinulle Kindle Storessa”, “Suositellut suositukset”, “Asiakkaat jotka ostivat tämän tuotteen, ostivat myös”, ja monet muut.

Suositukset ovat olleet integroitu jokaiseen osaan ostoprosessista tuotekuvaus kassalle. Räätälöityjä suosituksia tukee älykäs suositusmoottori, joka tutustuu käyttäjiin paremmin ja paremmin, kun he käyttävät sivustoa.

Jotta voisimme ymmärtää suositusjärjestelmiä paremmin, on hyvä ajatella niitä hakukoneiden kehittyneitä versioita. Kun etsimme kohteen Amazonista, se ei ainoastaan ​​palauta tuloksia, vaan myös tekee ennusteita tuotteistamme, joita tarvitsemme, ja näyttää suositukset meille.

Suositusjärjestelmät käyttävät erilaisia ​​koneen oppimisalgoritmeja, ja niistä on tullut kaupallisesti toteutettavissa suurten tietotekniikan kehityksen myötä. Suositusten moottorit ovat tietopohjaiset tuotteet, kuten heidän on löydettävä tärkeimmät pienet tietokannat suurten tietojen valtamerellä.

Laskennallinen tehtävä, joka suositellaan järjestelmissä, on ratkaista ennakoiva analyysi ja suodatus

He käyttävät jotakin seuraavista tavoista:

(1) Yhteistoiminnallinen suodatus, joka etsii yhtäläisyyksiä yhteisiä tietoja esimerkiksi ostot, luokitukset, tykkäävät, upvotes, downvotes

• joko käyttäjän käyttäjän matriisi, jossa suositukset perustuvat muiden asiakkaiden mielestä, jotka pitivät, ostivat, arvioivat jne. vastaavia tuotteita,
• tai tuotteen tuote-matriisi, jos suositusmoottori palauttaa tuotteita, jotka ovat samanlaisia ​​ostoksissa, tykkäämisissä, luokituksissa jne. tuotteisiin, jotka nykyinen käyttäjä on ostanut, luokitellut, pitäneet, korostaneet ennen

Amazon käyttää jälkimmäistä, koska se on kehittyneempi (katso tarkemmin seuraavassa osassa).

(2) Sisältöön perustuva suodatus, joka tekee ennusteita, jotka perustuvat tuotteiden objektiivisten ominaisuuksien samankaltaisuuteen, kuten erityispiirteisiin, kuvauksiin, kirjoittajiin ja käyttäjän aiempiin asetuksiin (joita tässä ei verrata muiden käyttäjien mieltymyksiin).

(3) Hybridisuodatus, joka käyttää jonkinlaista yhdistelmää ja sisältöpohjaista suodatusta.

Tuotetuotteen matriisi

Perinteinen yhteistoimintasuodatus käyttää käyttäjän käyttäjämatriisia ja tietyn tietomäärän yläpuolella on vakavia suorituskykyongelmia.

Jos haluat vastata kaikkien käyttäjien asetuksiin, luokituksiin, ostoksiin ja löytää ne, jotka ovat lähinnä aktiivista käyttäjää, suosituksen moottorin on analysoitava jokainen käyttäjä tietokannassa ja sovittaa ne nykyiseen.

Jos ajattelemme Amazonin kokoa, on selvää, että tällainen suodatus ei ole niiden kannalta mahdollista, joten Amazonin insinöörit kehittivät entisen menetelmän päivitetyn version ja kutsui sitä elementtikohtainen yhteisöllinen suodatus.

Tuotteesta toiseen tapahtuva yhteistyöhakuinen suodatus säilyy menestys vertailuarvona tuotteen objektiivisten ominaisuuksien sijasta (katso yllä olevaa sisältöpohjaista suodatusta), mutta suorittaa tuotteen tuotematriisin kyselyt, mikä tarkoittaa, että se ei vertaa käyttäjiä, vaan vertaa tuotteita.

Suositusmoottori tarkastelee ostamiamme tuotteita, luokitellut, laittaa toiveiden luetteloon, kommentoi jne. Toistaiseksi, sitten etsii muita tietokannan kohteita, joilla on samankaltaiset hinnat ja ostot, yhdistetään ne ja palautetaan sitten parhaita vastauksia suosituksina.

Miten saada parempia suosituksia

Takaisin joulupisteisiin on mahdollista kouluttaa Amazonin suositusmoottoria saadakseen parempia tuloksia. Jos sinulla on vain epämääräinen käsitys siitä, mitä ostaa rakkaasi, sinun ei tarvitse tehdä mitään muuta kuin jättää jälkiä verkkosivustolle selaamisen aikana.

Tämän viestin vuoksi olen kokeillut tätä itse.

Lähtökohtani oli, että halusin löytää pienempiä toimistokalusteita, mutta en tarkalleen tiedä mitä. Joten kirjoitin hakupalkkiin joitakin niihin liittyviä avainsanoja ja alkoin selata tuloksia. Laitoin haluamani kohteet toivelistalleni, arvioin joitakin arvosteluja “hyödyllinen”, pudonnut joitakin toimistokalusteita ostoskoriin.

Jos olen koskaan ostanut samanlaisen kohteen Amazonissa, olisi ollut hyödyllistä kirjoittaa arvostelu, mutta en oikeastaan ​​voinut tehdä sitä (voit vain kirjoittaa arvosteluja jo ostamista tuotteista).

Noin 10-15 minuutin kuluttua pysähdyin ja napsautin suositussivuni (jotka löytyvät kohdasta “[Nimi] Amazon” valikkokohta). Ennen kokeilua minulla oli vain kirjoja tältä sivulta, koska olen yleensä ostamassa Amazonia. Laajan haun jälkeen kirjat ovat kadonneet ja korvattu viileillä toimistokalusteilla, kuten alla näet.

Moottorin säätäminen

Suositusmoottoria voidaan edelleen kouluttaa, kuten jokaisessa suosituksessa on esitetty siellä “Miksi suositellaan?” linkki. Suositteluistani löytyy bin liner (viimeinen tuote), joka ei ole toimistokalusteiden tuote ja jota en halua ostaa jouluna.

Katsotaanpa, miksi se on täällä.

Kun olet napsauttanut linkkiä, Amazon ilmoittaa minulle, että se oli suositeltavaa, koska laitoin tietyn toimistotietokoneen tuolin koriini. No, se on mielenkiintoinen yhteys, mutta en silti tarvitse sitä.

Minulla on kaksi vaihtoehtoa, voin joko valita sen “Ei ole kiinnostunut” valintaruutu ruudun linjan tai “Älä käytä suosituksia” tuolin vieressä. Kohdan “Ei ole kiinnostunut” valintaruutu.

Ja tässä vaiheessa roskasäiliö on kadonnut, korvattu toisella suositellulla tuotteella, mikä tarkoittaa, että olen askeleen lähempänä täydellistä lahjaa.

Liian huono, jos tarvitsen joskus tätä tarkkaa bin lineriä tulevaisuudessa. Hei odota. Olen löytänyt ratkaisun tähän. Alla “Paranna suosituksiasi” valikkopiste, voin muokata kohteita, jotka olen merkinnyt “Ei ole kiinnostunut” etiketti

Kun olen löytänyt kuvitellun lahjan metsästyksen, voin yksinkertaisesti poistaa valintani tuotteista, joita haluan nähdä suositusten joukossa tulevaisuudessa.