דף הבית » אינטרנט » החנות קניות חכמים עם מנוע המלצה של אמזון

    החנות קניות חכמים עם מנוע המלצה של אמזון

    בזמן חג המולד רבים מאיתנו נאבקים בבחירת המתנה המתאימה ביותר עבור יקירינו. ציד מתנות לחג המולד עשוי לדרוש ימים של תכנון, לפעמים שבועות. מלבד הכיף שלה חלק משמח, קניות חג המולד יכול להיות זמן רב ו stressful ניסיון.

    למזלנו בעידן של טכנולוגיה מתקדמת, יש כלים זמינים באופן חופשי שיכולים להפוך את תהליך הקניות הרבה יותר יעיל ופורה. במאמר זה אני אראה לך איך אחד הקמעונאים הגדולים בעולם באתר, Amazon.com יכול לסייע לך למצוא את המתנות הטובות ביותר עבור חברים ובני משפחה בתוך פרק זמן סביר בעזרת מנוע המלצה חכם שלה.

    חוויית משתמש מותאמת אישית

    אתרי האינטרנט המצליחים ביותר בעולם כגון אמזון, פייסבוק, ו- YouTube הם כל כך פופולרי כי הם מציעים חוויית משתמש מותאמת אישית לכולם.

    התאמה אישית של חוויית המשתמש בעצם אומר כי חברות לעקוב אחר המשתמשים שלהם בזמן שהם לנווט באתר שלהם ולבצע פעולות שונות על זה. הם אוספים את הנתונים לתוך מסדי נתונים מסודרים, ולנתח את זה.

    זה לא מזיק לפרטיות? מנקודת מבט מסוימת, כן. חברות אלה אולי יודעים יותר עלינו מאשר החברים הכי קרובים שלנו או אפילו את עצמנו. מצד שני, הם מציעים לנו שירות שיכול להקל על חיינו, ו החלטותינו טובות יותר.

    אם נבחן את זה מנקודת מבט טרנזקציונלית, אנו "משלמים" עבור חוויית משתמש משופרת ונוחות, עם חלק מהפרטיות שלנו.

    כמובן, מאבקים משפטיים בין ספקי תוכן מקוונים ורשויות הם קבועים, רק לחשוב על לא כל כך אהוב חוק העוגיה של האיחוד האירופי, אבל כמו ביטול החוצה הוא פחות ופחות אופציה מציאותית עבור מי שרוצה ליהנות אורח חיים המאה ה -21, זה יכול להיות שימושי כדי להבין כיצד המלצות אישיות לעבוד מאחורי הקלעים.

    טק מאחורי המלצות אמזון

    בעת ניווט דרך האתר של אמזון, אנו יכולים למצוא המלצות מותאמות אישית בכל מקום תחת כותרות כמו “חדש בשבילך”, “המלצות בשבילך חנות קינדל”, “המלצות מומלצות”, “לקוחות שקנו את המוצר הזה קנו גם”, ורבים אחרים.

    המלצות היו משולבת בכל חלק בודד של תהליך הרכישה בדיקת המוצר לקופה. המלצות מותאמות אישית מופעלות על ידי מנוע המלצה חכם, שמכיר את המשתמשים טוב יותר וטוב יותר כאשר הם משתמשים באתר.

    כדי להבין טוב יותר את מערכות ההמלצה, כדאי לחשוב עליהם כעל גרסאות מתקדמות של מנועי החיפוש. כאשר אנו מחפשים פריט על אמזון, זה לא רק להחזיר את התוצאות, אלא גם עושה תחזיות לגבי המוצרים שאנו עשויים להזדקק, ומראה את המלצותיה עבורנו.

    מערכות המלצה משתמשות בסוגים שונים של אלגוריתמים של למידה ממוחשבת, והם הפכו ליישום מסחרי עם האבולוציה של טכנולוגיית נתונים גדולה. מנועי המלצה הם מוצרים מונעי נתונים, כפי ש הם צריכים למצוא את הנתונים הקטנים הרלוונטיים ביותר באוקיינוס ​​הענק של נתונים גדולים.

    המשימה החישובית שהמערכות להמלצה צריכה לפתור היא שילוב של ניתוח ניבוי וסינון

    הם משתמשים באחת מהגישות הבאות:

    (1) סינון שיתופי, זה מחפש קווי דמיון בין נתונים שיתופיים כגון רכישות, דירוגים, אוהב, upvotes, downvotes ב:

    • או משתמש מטריצה ​​המשתמש, שבו ההמלצות נוצרות על בסיס האפשרויות של לקוחות אחרים שאהבו, רכשו, דירגו וכדומה,
    • או ה מטריצת מוצר המוצר, שבו מנוע ההמלצות מחזיר מוצרים הדומים לרכישות, לאהבות, לדירוגים וכו 'למוצרים שהמשתמש הנוכחי רכש, דירג, אהב, נעלם לפני

    אמזון משתמשת האחרונה, כפי שהוא מתקדם יותר (ראה בפירוט בסעיף הבא).

    (2) סינון מבוסס תוכן, זה עושה תחזיות המבוססות על קווי הדמיון של מאפיינים אובייקטיביים של מוצרים כגון פרטים, תיאורים, מחברים, וגם על ההעדפות הקודמות של המשתמש (כי כאן הם לא בהשוואה להעדפות של משתמשים אחרים).

    (3) סינון היברידי, אשר משתמשת איזה שילוב של סינון שיתופי מבוסס תוכן.

    מטריצת המוצר-מוצר

    הדרך המסורתית של סינון שיתופי עושה שימוש המשתמש המשתמש מטריקס, ומעל כמות מסוימת של נתונים יש בעיות ביצועים רציניים.

    כדי להתאים להעדפות, לדירוגים, לרכישות של כל המשתמשים ו למצוא את אלה שהם הקרובים ביותר למשתמש הפעיל, מנוע ההמלצה צריך לנתח כל משתמש במסד הנתונים ולהתאים אותם נגד הנוכחי.

    אם אנחנו חושבים על גודל של אמזון, ברור כי זה סוג של סינון אינו ריאלי עבורם, אז מהנדסים של אמזון פיתחו גרסה משודרגת של השיטה לשעבר, וכינה את זה פריט לסינון שיתוף פעולה.

    פריט לסעיף שיתוף פעולה סינון שומר הצלחה משותפת כמדד במקום בתכונותיו האובייקטיביות של מוצר (ראה סינון מבוסס תוכן), אך הוא מציג את השאילתות במטריצה ​​של מוצר-מוצר, כלומר, אינו משווה בין משתמשים, אלא משווה בין מוצרים.

    מנוע ההמלצה בוחן את המוצרים שרכשנו, דירגנו, הניחנו לרשימת המשאלות שלנו, הגיבנו עליה וכו 'עד כה, ואז בודקים פריטים אחרים במסד הנתונים שיש להם שיעורים ורכישות דומים, צובר אותם, ואז מחזיר את התאמות הטובות ביותר כהמלצות.

    כיצד לקבל המלצות טובות יותר

    בחזרה קניות חג המולד, זה אפשרי הרכבת מנוע ההמלצה של אמזון כדי להשיג תוצאות טובות יותר. אם יש לך רק מושג מעורפל על מה לקנות עבור אדם אהוב, אתה לא צריך לעשות שום דבר אחר מלבד להשאיר עקבות באתר בזמן הגלישה.

    למען הפוסט הזה ניסיתי את זה לבד.

    נקודת המוצא שלי היתה שרציתי למצוא כמה ריהוט משרדי קטן יותר, אבל לא בדיוק ידעתי מה. אז הכנסתי כמה מילות מפתח הקשורות לשורת החיפוש, והתחלתי לדפדף בתוצאות. שמתי את הפריטים שאהבתי לתוך הרשימה שלי, מדורג כמה ביקורות כמו “מועיל”, השליך כמה ריהוט משרדי לסל שלי.

    אם אי פעם קניתי פריט דומה על אמזון, זה היה די שימושי לכתוב ביקורת על זה, אבל למעשה אני לא יכול לעשות את זה (אתה יכול רק לכתוב ביקורות על מוצרים שכבר רכשת).

    לאחר כ - 10 - 15 דקות עצרתי, ולחצתי על דפי המלצה שלי (אשר ניתן למצוא תחת “[שם] שלך” ). לפני הניסוי היו לי רק ספרים בדף זה, כמו זה מה שאני בדרך כלל לקנות על אמזון. לאחר בדיקה מקיפה שלי, הספרים נעלמו הוחלף על ידי ריהוט משרדי קריר, כפי שניתן לראות להלן.

    Tweaking את המנוע

    ניתן להמשיך ולהדריך את מנוע ההמלצה, כמפורט להלן יש “למה מומלץ?” קישור. בין ההמלצות שלי אתה יכול לראות bin אניה (הפריט האחרון), אשר אינו מוצר ריהוט משרדי אחד אני לא רוצה לקנות לחג המולד.

    אז בואו נראה למה זה כאן.

    לאחר לחיצה על הקישור, אמזון מודיע לי שזה היה מומלץ כי אני שם כיסא המחשב במשרד מסוים לתוך הסל שלי. ובכן, זה חיבור מעניין, אבל אני עדיין לא צריך את זה.

    יש לי שתי אפשרויות כאן, אני יכול לתקתק את “לא מעוניין” תיבת הסימון ליד אניה bin, או “אל תשתמש בהמלצות” ליד כיסא המשרד. אני מסמן את “לא מעוניין” תיבת סימון.

    ובנקודה זו אניה bin נעלמה, הוחלף מוצר אחר מומלץ, כלומר אני צעד אחד קרוב המתנה המושלמת.

    חבל אם אני אי פעם צריך את זה בדיוק אניה bin בעתיד. הו חכה. מצאתי את הפתרון לכך. תחת “לשפר את ההמלצות שלך” בתפריט, אני יכול לערוך את הפריטים שסימנתי עם “לא מעוניין” תווית

    כאשר מצאתי את ציד המתנה הדמיוני שלי, אני יכול פשוט לבטל את הסימון של המוצרים שאני עשוי לרצות לראות בין ההמלצות שלי בעתיד.