Odmor Shopping Shopping Smart s Amazon je Preporuka motora
Na Božićno vrijeme mnogi od nas se bore s odabirom najprikladnijeg poklona za naše najmilije. Traženje božićnih poklona može zahtijevati dane planiranja, ponekad i tjedana. Osim izvesnog zabavnog i radosnog dijela, Božićna kupovina može biti dugotrajno i stresno iskustvo.
Srećom u doba napredne tehnologije, postoje slobodno dostupni alati koji mogu učiniti proces kupnje učinkovitijim i produktivnijim. U ovom će vam postu pokazati kako vam jedna od najvećih svjetskih web-lokacija za maloprodaju, Amazon.com može pomoći pronalaženje najboljih darova za svoje prijatelje i obitelj razumnom roku uz pomoć pametnih preporuka.
Personalizirano korisničko iskustvo
Najuspješnije web-lokacije na svijetu kao što su Amazon, Facebook i Youtube toliko su popularne jer oni nude osobno korisničko iskustvo svima.
Personaliziranje korisničkog iskustva u osnovi znači da tvrtke promatrati svoje korisnike dok se kreću kroz njihovu stranicu i obavljaju različite radnje na tome. Oni prikupljaju podatke u uredne baze podataka i analiziraju ih.
Nije li to štetno za privatnost? S određene točke gledišta, da, jest; ove tvrtke možda znaju više o nama nego o našim najbližim prijateljima ili čak o nama samima. S druge strane, nude nam uslugu koja može olakšati naš život, i naše odluke bolje informirane.
Ako ga pogledamo s transakcijskog stajališta, "plaćamo" za poboljšano korisničko iskustvo i udobnost, s dijelom naše privatnosti.
Naravno, pravne borbe između davatelja internetskih sadržaja i vlasti su konstantne, samo razmislite o zakonu o kolačićima u EU-u koji nije toliko voljen, ali kako je isključivanje sve manje i manje realna opcija za nekoga tko želi uživati u načinu života 21. stoljeća, može biti korisno je razumjeti kako personalizirane preporuke rade iza kulisa.
Tehnologija iza Amazonovih preporuka
Dok se krećete kroz Amazonovu web-lokaciju, možemo pronaći personalizirane preporuke svugdje pod naslovima “Novo za vas”, “Preporuke za vas u Kindle Storeu”, “Preporučene preporuke”, “Kupci koji su kupili ovaj proizvod također su kupili”, i mnogi drugi.
Preporuke su bile integrirani u svaki pojedini dio procesa kupnje iz. \ t traženje proizvoda na blagajni. Prilagođene preporuke pokreće inteligentni mehanizam za preporuke koji bolje i bolje upoznaje korisnike prilikom korištenja web-lokacije.
Da bismo bolje razumjeli sustave preporuka, dobro je razmisliti o njima kao napredne verzije tražilica. Kada pregledamo stavku na Amazonu, ona ne samo da vraća rezultate, nego i daje predviđanja o proizvodima koje trebamo, i pokazuje nam preporuke.
Preporučeni sustavi koriste različite vrste algoritama strojnog učenja i postali su komercijalno primjenjivi s evolucijom tehnologije velikih podataka. Motori za preporuke su proizvodi temeljeni na podacima, kao moraju pronaći najrelevantniji mali skup podataka u velikom oceanu velikih podataka.
Računalni zadatak koji sustav za preporuku treba riješiti je kombinacija prediktivna analiza i filtriranje
Koriste jedan od sljedećih pristupa:
(1) Zbirno filtriranje, koji traži sličnosti između suradnički podaci kao što su kupnje, ocjene, voli, upvotes, downvotes u:
- ili korisnička matrica korisnika, gdje se preporuke generiraju na temelju izbora drugih kupaca koji su voljeli, kupili, ocijenili itd. slične proizvode,
- ili matrica proizvoda-proizvoda, gdje motor za preporuke vraća proizvode koji su slični u kupovinama, lajkovima, ocjenama, itd. na proizvode koje je trenutni korisnik kupio, ocijenio, volio, potvrdio prije
Amazon koristi potonje, jer je napredniji (vidi detaljnije u sljedećem odjeljku).
(2) Filtriranje na temelju sadržaja, koji stvara predviđanja na temelju sličnosti objektivnih karakteristika proizvoda kao što su specifičnosti, opisi, autori, kao i prethodne preferencije korisnika (koje se ovdje ne uspoređuju s preferencijama drugih korisnika).
(3) Hibridno filtriranje, koja koristi neku vrstu kombinacije kolaborativnog filtriranja i sadržaja temeljenog na sadržaju.
Matrica proizvoda-proizvoda
Tradicionalni način suradničkog filtriranja koristi matricu korisničkog korisnika, a iznad određene količine podataka ima ozbiljnih problema s performansama.
Da bi odgovarala postavkama, ocjenama, kupnjama svih korisnika i pronađite one koji su najbliži aktivnom korisniku, motor za preporuke mora analizirati svaki korisnik u bazu podataka i uskladiti ih s trenutnom.
Ako razmišljamo o veličini Amazona, jasno je da za njih ne postoji takvo filtriranje, tako da su Amazonovi inženjeri razvili nadograđenu verziju prethodne metode i nazvali je filtriranje suradnje od stavke do stavke.
Održava se filtriranje suradnje između stavki zajednički uspjeh kao mjerilo umjesto objektivnih kvaliteta proizvoda (vidi filtriranje na temelju sadržaja gore), ali pokreće upite u matrici proizvoda-proizvoda, što znači da ne uspoređuje korisnike, nego uspoređuje proizvode.
Mehanizam za preporuke razmatra proizvode koje smo do sada kupili, ocijenili, stavili na naš popis želja, komentirali, itd., A zatim pretražuju druge stavke u bazi podataka koje imaju slične stope i kupuju, agregira ih, a zatim vraća najbolje rezultate kao preporuke.
Kako dobiti bolje preporuke
Povratak na božićnu kupovinu, moguće je trenirajte Amazonovu preporuku da biste dobili bolje rezultate. Ako imate samo nejasnu ideju o tome što kupiti za voljenu osobu, ne morate ništa drugo osim ostavljanja tragova na web-lokaciji tijekom pregledavanja.
Zbog ovog posta sam to pokušao sam.
Moja je polazna točka bila da sam htjela pronaći manji uredski namještaj, ali nisam točno znala što. Tako sam unio neke povezane ključne riječi u traku za pretraživanje i počeo pregledavati rezultate. Stavio sam stavke koje sam volio u svoju listu želja, ocjenjivao neke recenzije kao “Koristan”, spustio sam neki uredski namještaj u košaru.
Ako sam ikada kupio sličnu stavku na Amazonu, bilo bi vrlo korisno napisati recenziju o njoj, ali zapravo to ne bih mogao učiniti (možete napisati recenzije samo o proizvodima koje ste već kupili)..
Nakon otprilike 10-15 minuta zaustavio sam se i kliknuo na svoje stranice s preporukama (koje se mogu naći pod “[Vaše ime] Amazon” točke izbornika). Prije eksperimenta imao sam samo knjige na ovoj stranici, jer to obično kupujem na Amazonu. Nakon mog opsežnog pretraživanja, knjige su nestale i zamijenjene su urednim uredskim namještajem, kao što možete vidjeti u nastavku.
Ugađanje motora
Moguće je dodatno obučiti motor s preporukama, kao ispod svake preporuke tamo je “Zašto preporučiti?” veza. Među mojim preporukama možete vidjeti koš za smeće (posljednja stavka), koji nije proizvod uredskog namještaja i ne želim kupiti za Božić.
Da vidimo zašto je ovdje.
Nakon što kliknete na link, Amazon me obavještava da je preporučeno jer sam u svoju košaru stavio određenu stolicu uredskog računala. Pa, to je zanimljiva veza, ali mi još uvijek ne treba.
Ovdje imam dvije mogućnosti, mogu označiti “Ne zanima me” potvrdni okvir pored ladice za smeće ili “Ne koristite za preporuke” pokraj uredske stolice. Označavam “Ne zanima me” okvir.
I u ovom trenutku ladica za smeće je nestala, zamijenjena drugim preporučenim proizvodom, što znači da sam jedan korak bliže savršenom poklonu.
Šteta što ću ikada u budućnosti imati potrebu za tim linijskim ladicama. Čekaj. Našao sam rješenje za to. Ispod “Poboljšajte svoje preporuke” stavku izbornika, mogu urediti stavke koje sam označio oznakom “Ne zanima me” označiti
Kada pronađem zamišljeni lov na poklone, jednostavno mogu poništiti označavanje proizvoda koje bih htio vidjeti među svojim preporukama u budućnosti.
