Anasayfa » Internet » Amazon'un Tavsiye Motoruyla Tatil Alışverişi Smart

    Amazon'un Tavsiye Motoruyla Tatil Alışverişi Smart

    Noel zamanda birçoğumuz sevdiklerimiz için en uygun hediyeyi seçmekte zorlanıyoruz. Noel için hediye avcılığı bazen haftalarca planlı günler gerektirebilir. Kesin eğlenceli ve eğlenceli kısmından ayrı, Noel alışverişi zaman alan ve stresli bir deneyim olabilir.

    Neyse ki, ileri teknoloji çağında, alışveriş sürecini çok daha verimli ve üretken kılan serbestçe kullanılabilen araçlar var. Bu yazıda, size dünyanın en büyük perakende satış sitelerinden biri olan Amazon.com'un size nasıl yardımcı olabileceğini göstereceğim. en iyi hediyeleri bulmak arkadaşların ve ailen için makul bir süre içinde akıllı öneri motoru sayesinde.

    Kişiselleştirilmiş Kullanıcı Deneyimi

    Amazon, Facebook ve Youtube gibi dünyanın en başarılı web siteleri çok popüler çünkü herkese kişiselleştirilmiş bir kullanıcı deneyimi sunarlar.

    Kullanıcı deneyimini kişiselleştirmek, temelde şirketlerin kullanıcılarını sitelerinde gezinirken gözlemleyin ve farklı eylemler gerçekleştirin üstünde. Verileri temiz veri tabanlarına toplar ve analiz eder.

    Bu gizlilik için zararlı değil mi? Belli bir bakış açısından, evet; bu şirketler bizim hakkımızda en yakın arkadaşlarımızdan ve hatta kendimizden daha fazla şey biliyor olabilirler. Diğer yandan, bize hayatımızı kolaylaştıracak bir hizmet sunuyorlar, ve kararlarımız daha iyi bilgilendirildi.

    İşlemsel bir bakış açısına bakarsak, gizliliğimizin bir parçası olarak gelişmiş bir kullanıcı deneyimi ve konforu için "öderiz".

    Tabii ki, çevrimiçi içerik sağlayıcılar ve otoriteler arasındaki yasal savaşlar sabittir, sadece çok sevilmeyen AB kurabiye yasası hakkında düşünün, ancak dışarı çıkmak, 21. yüzyılın yaşam tarzını yaşamak isteyen biri için daha az gerçekçi bir seçenek olduğundan, olabilir. Kişiselleştirilmiş önerilerin perde arkasında nasıl çalıştığını anlamak için kullanışlıdır.

    Amazon'un Tavsiyelerinin Arkasındaki Teknoloji

    Amazon'un web sitesinde gezinirken, kişiselleştirilmiş önerileri her yerde gibi başlıklar altında bulabiliriz. “Sizin için yeni”, “Kindle Store'da Sizin için Öneriler”, “Öne Çıkan Öneriler”, “Bu öğeyi alan müşteriler aynı zamanda satın aldı”, Ve bircok digerleri.

    Önerilerde bulunuldu her bölüme entegre satın alma işleminin ödeme için ürün arama. Özelleştirilmiş öneriler, kullanıcıları siteyi kullandıkça daha iyi tanıyan akıllı bir öneri motoruyla desteklenir.

    Öneri sistemlerini daha iyi anlamak için, onları düşünmek iyi bir fikirdir. arama motorlarının gelişmiş versiyonları. Amazon'da bir öğeye baktığımızda, yalnızca sonuçları döndürmekle kalmaz İhtiyacımız olabilecek ürünler hakkında tahminlerde bulunur, ve bizim için önerilerini gösterir.

    Tavsiye sistemleri farklı türlerde makine öğrenme algoritmaları kullanır ve büyük veri teknolojisinin evrimi ile ticari olarak uygulanabilir hale gelmiştir. Tavsiye motorları veri odaklı ürünler, gibi Büyük veri okyanusunda en alakalı küçük veri setini bulmaları gerekir..

    Öneri sistemlerinin çözmesi gereken hesaplama görevi; Tahmini analiz ve filtreleme

    Aşağıdaki yaklaşımlardan birini kullanırlar:

    (1) Ortak Filtreleme, arasındaki benzerlikleri arar ortak veri satın alımlar, derecelendirmeler, beğeniler, artı oylar, aşağı oylar gibi:

    • ya kullanıcı-kullanıcı matrisi, benzer ürünleri beğenen, satın alan, puanlayan vb. müşterilerin tercihlerine dayanarak öneriler üretildiğinde,
    • ya da ürün matrisi, öneri motorunun mevcut kullanıcının satın aldığı, puanladığı, beğendiği, beğendiği ürünlere satın alma, beğenme, derecelendirme vb. ile benzer ürünleri iade ettiği durumlarda önce

    Amazon daha gelişmiş olduğu için ikincisini kullanıyor (bir sonraki bölümde ayrıntılı olarak bakın).

    (2) İçeriğe Dayalı Filtreleme, özellikleri, açıklamaları, yazarları ve aynı zamanda kullanıcının önceki tercihlerini (buradaki diğer kullanıcıların tercihleriyle karşılaştırılmaz) gibi ürünlerin objektif özelliklerinin benzerliklerine dayanarak öngörülerde bulunur..

    (3) Hibrit Filtreleme, Bir tür işbirlikçi ve içerik tabanlı filtreleme kombinasyonu kullanıyor.

    Ürün-Ürün Matrisi

    Geleneksel işbirlikçi filtreleme yöntemi, kullanıcı-kullanıcı matrisini kullanır ve belirli bir miktardaki verilerin üzerinde ciddi performans sorunları vardır..

    Tercihleri, derecelendirmeleri, tüm kullanıcıların satın alımlarını ve aktif kullanıcıya en yakın olanları bulun, öneri motoru analiz etmek zorundadır her kullanıcı veritabanında ve geçerli olanla eşleştirin.

    Amazon'un büyüklüğünü düşünürsek, bu tür bir filtrelemenin onlar için uygun olmadığı açıktır, bu nedenle Amazon'un mühendisleri eski yöntemin yükseltilmiş bir versiyonunu geliştirdiler. öğeden öğeye işbirlikçi filtreleme.

    Maddeden eşyaya işbirlikçi filtreleme tutar işbirlikçi başarı Bir ürünün objektif nitelikleri yerine kriter (yukarıdaki içerik-temelli filtrelemeye bakın) yerine kriterler olarak kullanılır, ancak ürün-ürün matrisindeki sorguları çalıştırır, yani kullanıcıları karşılaştırmaz, yani ürünleri karşılaştırır..

    Öneri motoru şu ana kadar satın aldığımız, puanladığımız, dilek listemize eklediğimiz, yorum yaptığımız vb. Ürünlere bakar, daha sonra veritabanında benzer oranlara ve alımlara sahip diğer öğeleri arar, bunları toplar ve sonra iade eder. tavsiye olarak en iyi eşleşme.

    Daha İyi Öneriler Nasıl Gidilir?

    Noel alışverişine geri dönmek mümkün Amazon'un öneri motorunu daha iyi sonuçlar almak için eğit. Sevilen bir kişi için ne satın alacağı konusunda yalnızca belli belirsiz bir fikriniz varsa, gezinirken web sitesinde iz bırakmaktan başka bir şey yapmanız gerekmez..

    Bu yazı uğruna kendim denedim.

    Benim başlangıç ​​noktam, daha küçük bir ofis mobilyası bulmak istemiştim, ama tam olarak ne olduğunu bilmiyordum. Böylece, alakalı bazı anahtar kelimeleri arama çubuğuna girdim ve sonuçları taramaya başladım. Beğendiğim öğeleri dilek listeme koydum, bazı değerlendirmeleri “Faydalı”, ofis mobilyalarını sepetime attı.

    Amazon'da benzer bir ürün satın aldıysam, üzerine bir inceleme yazmak oldukça yararlı olurdu, ancak aslında bunu yapamadım (yalnızca satın almış olduğunuz ürünlerle ilgili yorum yazabilirsiniz).

    Yaklaşık 10-15 dakika sonra durdum ve Tavsiye sayfalarımın üzerine tıkladım. “[Adınız] adlı kişinin Amazon” menü noktası). Deneyden önce, bu sayfada sadece kitaplarım vardı, çünkü genellikle Amazon'dan satın aldığım şeydi. Kapsamlı aramamın ardından kitaplar kayboldu ve aşağıda görüldüğü gibi havalı ofis mobilyaları ile değiştirildi.

    Motorun İnce Ayarı

    Her öneri altında olduğu gibi öneri motorunu daha da geliştirmek mümkün orada bir “Neden tavsiye?” bağlantı. Tavsiyelerimin arasında, bir ofis mobilya ürünü olmayan ve Noel için almak istemediğim bir çöp tenekesini (son ürün) görebilirsiniz..

    Öyleyse neden burada olduğunu görelim..

    Bağlantıya tıkladıktan sonra Amazon bana tavsiye edildiğini çünkü belirli bir bilgisayar sandalyesini sepetime koyduğumu söyledi. Bu ilginç bir bağlantı, ama hala ihtiyacım yok.

    Burada iki seçeneğim var, ya işaretleyeceğim “İlgilenmiyorum” çöp kutusunun yanındaki onay kutusu veya “Öneriler için kullanmayın” ofis sandalyesinin yanında. Ben işaretliyorum “İlgilenmiyorum” onay kutusu.

    Ve bu noktada çöp kovası ortadan kayboldu, önerilen başka bir ürünle değiştirildi, bu da mükemmel hediyeye bir adım daha yakın olduğum anlamına geliyor.

    Gelecekte bu kesin kutuya ihtiyacım olursa, çok kötü. Bekle. Bunun için çözümü buldum. Altında “Önerilerinizi Geliştirin” menü noktasında, işaretlemiş olduğum öğeleri düzenleyebilirim. “İlgilenmiyorum” etiket

    Hayal ettiğim hediye avımı bulduğumda, gelecekte önerilerim arasında görmek isteyebileceğim ürünlerin işaretini kaldırabilirim.