Holiday Shopping Shop Smart Az Amazon ajánlómotorjával
Karácsonykor sokan küzdenek szeretteinknek a legmegfelelőbb ajándék kiválasztásával. Ajándékvadászat karácsonyra szükség lehet napok tervezése, néha hetek. Bizonyos szórakoztató és örömteli részei mellett, A karácsonyi bevásárlás időigényes és stresszes élmény lehet.
Szerencsére a fejlett technológia korában szabadon rendelkezésre állnak olyan eszközök, amelyek a vásárlási folyamatot sokkal hatékonyabbá és produktívabbá tehetik. Ebben a hozzászólásban megmutatom, hogy a világ egyik legnagyobb kiskereskedelmi webhelye, az Amazon.com segíthet Önnek megtalálni a legjobb ajándékokat barátaidnak és családodnak ésszerű időn belül intelligens ajánlómotorjának segítségével.
Személyre szabott felhasználói élmény
A világ legsikeresebb weboldalai, például az Amazon, a Facebook és a Youtube annyira népszerűek, mert személyre szabott felhasználói élményt nyújtanak mindenkinek.
A felhasználói élmény személyre szabása alapvetően azt jelenti, hogy a vállalatok figyeljék a felhasználókat, miközben navigálnak a webhelyükön, és különböző műveleteket végeznek Rajta. Ők gyűjtik az adatokat szép adatbázisokba, és elemzik.
Ez nem ártalmas a magánéletre? Bizonyos szempontból igen; ezek a vállalatok többet tudnak rólunk, mint a legközelebbi barátainkról vagy akár magunkról. Másrészről, olyan szolgáltatást nyújtanak nekünk, amely megkönnyítheti életünket, és döntésünk jobb tájékoztatása.
Ha tranzakciós szempontból nézzük, „fizetünk” a megnövelt felhasználói élményért és a kényelemért, a magánéletünk egy részével..
Természetesen az online tartalomszolgáltatók és a hatóságok közötti jogi csaták állandóak, gondoljunk csak a nem szeretett EU-s cookie-törvényekre, de mivel a lemondás egyre kevésbé reális lehetőség azoknak, akik szeretnék élvezni a 21. századi életstílust, hasznos megérteni, hogy a személyre szabott ajánlások hogyan működnek a színfalak mögött.
Az Amazon mögötti ajánlások
Miközben navigálunk az Amazon webhelyén, személyre szabott ajánlásokat találunk mindenhol a címsorok alatt “Új neked”, “Ajánlások az Ön számára a Kindle Store-ban”, “Kiemelt ajánlások”, “azok a vásárlók akik megvásárolták ezt az árut szintén megvásárolták”, és sokan mások.
Ajánlások készültek minden egyes részbe integrálva a beszerzési folyamat a termékkeresés a pénztárhoz. A testreszabott ajánlásokat egy intelligens ajánlómotor táplálja, amely jobban és jobban megismeri a felhasználókat, amikor a webhelyet használják.
Ahhoz, hogy jobban megértsük az ajánlási rendszereket, jó ötlet, hogy gondoljunk rájuk a keresőmotorok fejlett verziói. Amikor egy elemet keresünk az Amazon-on, akkor nem csak az eredményeket adja vissza előrejelzéseket tesz a szükséges termékekről, és bemutatja nekünk ajánlásait.
Az ajánlórendszerek különböző gépi tanulási algoritmusokat használnak, és a nagy adat-technológia fejlődésével kereskedelmi szempontból megvalósíthatóvá váltak. Ajánlási motorok adat alapú termékek, mint meg kell találniuk a legnagyobb adatállományt a nagy adatok óceánjában.
A számítástechnikai feladat, amelyet az ajánlási rendszereknek meg kell oldaniuk, a kombináció prediktív elemzés és szűrés
Az alábbi módszerek egyikét használják:
(1) Együttműködő szűrés, amely hasonlóságokat keres együttműködési adatok például vásárlások, minősítések, tetszések, felajánlások,
- vagy a felhasználó-felhasználó mátrix, ahol az ajánlások más ügyfelek választásán alapulnak, akik tetszettek, vásároltak, minősítettek stb,
- vagy a termék-termék mátrix, ahol az ajánlásmotor olyan termékeket ad vissza, amelyek hasonlóak a vásárlásokban, szerelmekben, minősítésekben stb. azokra a termékekre, amelyeket az aktuális felhasználó vásárolt, minősített, tetszett, frissített előtt
Az Amazon az utóbbit használja, mivel ez fejlettebb (lásd részletesen a következő részben).
(2) Tartalom alapú szűrés, amely a termékek objektív jellemzőinek hasonlóságain alapuló előrejelzéseket, mint például a sajátosságokat, leírásokat, szerzőket és a felhasználó korábbi beállításait is (ez nem hasonlítja össze más felhasználók preferenciáival).
(3) Hibrid szűrés, amely együttműködési és tartalom alapú szűrés valamilyen kombinációját használja.
A termék termék mátrixa
A hagyományos szűrési módszer a felhasználói felhasználó mátrixát használja, és egy bizonyos mennyiségű adat felett komoly teljesítményproblémákkal rendelkezik.
Az összes felhasználó preferenciáinak, minősítésének, beszerzésének és megtalálja azokat, akik a legközelebb állnak az aktív felhasználóhoz, az ajánlási motornak elemeznie kell minden felhasználó az adatbázisban, és illeszkedjen az aktuálishoz.
Ha az Amazon méretére gondolunk, akkor egyértelmű, hogy ez a fajta szűrés nem megvalósítható számukra, így az Amazon mérnökei fejlesztették az előző módszer frissített változatát, és hívták elem-elem közötti együttműködési szűrés.
Az elem-tétel közötti együttműködési szűrés megmarad együttműködési siker mint a termék objektív tulajdonságai helyett (lásd a fentiekben a tartalom alapú szűrést), de a termék-termék mátrixban lévő lekérdezéseket futtatja, ami azt jelenti, hogy nem hasonlítja össze a felhasználókat, hanem összehasonlítja a termékeket.
Az ajánlás motorja megvizsgálja a megvásárolt termékeket, értékelték, helyeztük el a kívánságlistánkat, eddig megjegyzéseket tettünk, stb., Majd más elemeket keresünk az adatbázisban, amelyek hasonló mértékűek és vásárolnak, aggregálják, majd visszaadják az legjobb mérkőzések ajánlásokként.
Hogyan lehet jobb ajánlásokat kapni?
Vissza a karácsonyi bevásárláshoz képezze az Amazon ajánlás motorját, hogy jobb eredményeket érjen el. Ha csak homályos elképzelésed van arról, hogy mit szeretnél vásárolni egy szeretett személynek, akkor nem kell mást csinálnod, csak nyomokat hagyhatsz a webhelyen böngészés közben.
A hozzászólás kedvéért magam próbáltam ki.
A kiindulópontom az volt, hogy kisebb irodabútorokat akartam találni, de nem tudtam pontosan mit. Tehát néhány kapcsolódó kulcsszót bevittem a keresősávba, és elkezdtem böngészni az eredményeket. Az elemeket, amelyeket szerettem, a kívánságlistámba helyeztem, néhány értékelést értékeltem “Hasznos”, leesett néhány irodabútor a kosárba.
Ha valaha is vásároltam egy hasonló elemet az Amazon-on, akkor nagyon hasznos lett volna, ha egy értékelést írnék róla, de valójában nem tudtam megtenni (csak a már megvásárolt termékekről írhat véleményt).
Körülbelül 10-15 perc elteltével leálltam, és rákattintottam az ajánlási oldalaira (ami megtalálható a “[Az Ön neve] Amazonja” menüpont). A kísérlet előtt csak ezen az oldalon voltak könyvek, hiszen ezt általában az Amazon-on vásárolom. A kiterjedt keresés után a könyvek eltűntek, és helyettesítették a hűvös irodabútorokat, amint az alább látható.
A motor csípése
Lehetőség van az ajánlási motor további továbbképzésére, ahogy azt az egyes ajánlások szerint végezzük van egy “Miért ajánlott?” link. Ajánlásaim között látható egy bin bélés (utolsó tétel), amely nem egy irodabútor termék, és egy, amit nem akarok karácsonyra vásárolni.
Tehát nézzük meg, miért van itt.
A linkre való kattintás után az Amazon tájékoztatja, hogy ajánlott, mert egy bizonyos irodai számítógép-széket helyeztem a kosárba. Nos, ez egy érdekes kapcsolat, de még mindig nem kell.
Két lehetőségem van itt, vagy a jelölőnégyzetet “Nem érdekel” vagy a “Ne használjon ajánlásokat” az irodai szék mellett. Jelölöm a “Nem érdekel” négyzetet.
Ezen a ponton eltűnt a bin bélés, helyett egy másik ajánlott termék, ami egy lépéssel közelebb van a tökéletes ajándékhoz.
Túl rossz, ha valaha is szükségem lesz a pontos bin vonalra. Ó várj. Megtaláltam a megoldást erre. Alatt “Az ajánlások javítása” menüpont, szerkeszthetem azokat a tételeket, amelyeket a “Nem érdekel” címke
Amikor megtaláltam az elképzelt ajándékvadászatot, egyszerűen eltávolíthatom azokat a termékeket, amelyeket a jövőben ajánlások között szeretnék látni.