個性化場景推薦並不神秘,帶你讀懂推薦計算模型

首頁 > 科技

個性化場景推薦並不神秘,帶你讀懂推薦計算模型

來源:笑聲快車 釋出時間:2023-03-16 15:10

許多產品裡都設定了推薦模型系統,比如結合推薦模型,購物平臺可能會更知道使用者更想要什麼,從而讓相關產品出現在使用者瀏覽首頁。那麼,推薦模型是如何“起效”和“運轉”的?個性化推薦,又有哪些存在意義?本篇文章裡,作者便發表了他的看法,一起來看。

一款應用軟體或系統設計,為了更好地迎合市場使用者,一定逃離不了對使用者的推薦模型,而推薦的目的是為了更好地解決使用者痛點,觸達使用者目標,從而達到使用者的留存,提高使用者與產品之間的粘度,比如在日常購物場景中,開啟同一款購物應用可能會遇到若干種情形:

  1. 和好友同時開啟app後發現,為什麼兩個人首頁各個頻道入口的圖片以及文字不一致?
  2. 為什麼同樣搜尋相同關鍵詞,你和好友竟然出現不一樣的商品列表?
  3. 為什麼我剛剛瀏覽了褲子以後,首頁各個頻道的展現變了?

一、購物平臺是如何知道我需要什麼?

  1. 是如何知道我喜歡什麼並且可能想要買什麼的?
  2. 為什麼它能做到每個人都不一樣?
  3. 為什麼它要這麼做?

從這裡會產生一個機器人模型學習概念,機器學習就是將主體換為機器,並且它透過某種途徑來獲取知識或者技能的過程,並應用於未來的生活工作,人獲取知識的外化載體是書本、音訊、影片等,傳輸通道是人的感官,處理中心是大腦,而對應於機器外化載體也同樣可以有以上各類資訊源,並且使用各類外放裝置收集資訊,處理中心是CPU與儲存共同維護。

一個是演繹法,一個是歸納法,這兩種方法分別對應人工智慧中的兩種系統:專家系統和機器學習系統。

所謂演繹法,是從已知的規則和事實出發,推導新的規則、新的事實,這對應於專家系統。

專家系統也是早期的人工智慧系統,它也稱為規則系統,找一組某個領域的專家,如醫學領域的專家,他們會將自己的知識或經驗總結成某一條條規則、事實,例如某個人體溫超過37度、流鼻涕、流眼淚,那麼他就是感冒,這是一條規則。

當這些專家將自己的知識、經驗輸入到系統中,這個系統便開始執行,每遇到一些新情況,會將之變為一條條事實。當將事實輸入到專家系統時,專家會根據規則或事實進行推導、梳理,並得到最終結論,這便是專家系統。

而歸納法是從現有樣本資料中不斷地觀察、歸納、總結出規律和事實,對應機器學習系統或統計學習系統,側重於統計學習,從大量的樣本中統計、挖掘、發現潛在的規律和事實。

二、機器學習過程資料維度

可以大致推算出購物app為什麼能夠知道你喜歡什麼,是基於一個假設條件的:一個人歷史的購物行為及偏好,會在未來的行為中也有跡可循。

所以利用機器學習我們透過使用者歷史互動資料(特徵包括:誰在什麼時間買了什麼東西,這個東西的名字叫什麼,什麼顏色,價格多少等等)。 比較有用的可以對未來推薦有指導意義的特徵包括:

1)購買力

一個平時只買100元左右牛仔褲的使用者,未來短期內買10000元和10元的褲子的機率遠遠低於買100左右或者200左右的機率,所以推薦的時候會更優先給你看到100-200左右的褲子。

2)性別

平時在淘寶上只買男性或男女通用商品的使用者,未來短期內買女性商品機率遠遠低於男性和男女通用商品的機率。

3)年齡

一個一直購買20-25歲左右服飾的使用者,未來短期內購買其它年齡段的機率遠遠小於20-25歲年齡段的機率。

三、為什麼能夠做到每個人不一樣?

根據學習邏輯歸類,如果在機器學習階段考慮一些跟人相關的因素(特徵),那這個因素的不同值就會影響結果輸出。

比如我們現在根據使用者對他購物的商品的評分資料,來預測一個他從未買過的商品的評分,背後影響使用者評分的因素可能包括以下幾個:價格,售前/後,物流,商家主營類目是否和使用者購買的類目相同,其它使用者的評分(如果其他使用者評分高則一定程度上代表了這個商品的好壞)等等。

比如物流和價格這類因素(特徵),如果和使用者這個特徵做交叉後,其實會有非常迥異的權重值,而這一切是每個使用者的購買力和使用者體驗耐受力等不同帶來的。所以如果你考慮了使用者的特徵則這就會影響每個人的推薦結果不一樣。

四、個性化推薦的核心使命

可以打破80%的使用者只買20%的商品的規律,更好地降低長尾商品的比例,因為在電商產品中,在非個性化的商品展示過程中,往往爆款商品擁有更多的流量,這樣其實不能很好的照顧到高質量長尾使用者和高質量長尾商品。

舉個例子,在淘寶的某個頻道,有很多褲子,A褲子100元近5天的銷量可能1w件,B褲子1000元近5天的銷量是100件,在不考慮其它因素的情況下,非個性化模型(或運營排序)一般會偏向於A褲子在B褲子前面,但是如果這個使用者在平臺歷史購物行為都是集中在高價格商品(名牌包包等),則如果你個性化的考慮每個人的這個偏好,那麼有可能B褲子就在前面了,而且使用者可能真的更喜歡B褲子。

上一篇:女子在高鐵上... 下一篇:1000億美元!...
猜你喜歡
熱門閱讀
同類推薦