Holiday Shopping Shop Cerdas Dengan Mesin Rekomendasi Amazon
Pada waktu Natal, banyak dari kita yang berjuang untuk memilih hadiah yang paling cocok untuk orang yang kita cintai. Perburuan hadiah untuk Natal mungkin memerlukan perencanaan berhari-hari, terkadang berminggu-minggu. Terlepas dari bagian yang menyenangkan dan menyenangkan, Belanja Natal bisa menjadi pengalaman yang menghabiskan waktu dan membuat stres.
Untungnya di zaman teknologi canggih, ada alat yang tersedia secara bebas yang dapat membuat proses belanja jauh lebih efisien dan produktif. Dalam posting ini saya akan menunjukkan kepada Anda bagaimana salah satu situs pengecer terbesar di dunia, Amazon.com dapat membantu Anda menemukan hadiah terbaik untuk teman dan keluarga Anda dalam jangka waktu yang wajar dengan bantuan mesin rekomendasi cerdasnya.
Pengalaman Pengguna yang Dipersonalisasi
Situs web paling sukses di dunia seperti Amazon, Facebook, dan Youtube sangat populer karenanya mereka menawarkan pengalaman pengguna yang dipersonalisasi untuk semua orang.
Personalisasi pengalaman pengguna pada dasarnya berarti perusahaan amati pengguna mereka saat mereka menavigasi melalui situs mereka dan melakukan tindakan yang berbeda di atasnya. Mereka mengumpulkan data ke dalam basis data yang rapi, dan menganalisisnya.
Bukankah itu berbahaya untuk privasi? Dari sudut pandang tertentu, ya itu; perusahaan-perusahaan ini mungkin tahu lebih banyak tentang kita daripada teman-teman terdekat kita atau bahkan diri kita sendiri. Di samping itu, mereka menawarkan layanan yang dapat membuat hidup kita lebih mudah, dan keputusan kami memiliki informasi yang lebih baik.
Jika kami melihatnya dari sudut pandang transaksional, kami "membayar" untuk pengalaman dan kenyamanan pengguna yang ditingkatkan, dengan bagian dari privasi kami.
Tentu saja, pertarungan hukum antara penyedia konten online dan pihak berwenang adalah konstan, pikirkan saja tentang undang-undang cookie Uni Eropa yang tidak begitu dicintai, tetapi karena memilih keluar semakin sedikit pilihan yang realistis bagi seseorang yang ingin menikmati gaya hidup abad ke-21, itu bisa menjadi berguna untuk memahami bagaimana rekomendasi yang dipersonalisasi bekerja di belakang layar.
Teknologi di Balik Rekomendasi Amazon
Saat menavigasi melalui situs web Amazon, kami dapat menemukan rekomendasi yang dipersonalisasi di mana-mana di bawah judul seperti “Baru untukmu”, “Rekomendasi Untuk Anda di Kindle Store”, “Rekomendasi Unggulan”, “Pelanggan yang membeli barang ini juga membeli”, dan banyak lagi.
Rekomendasi telah diintegrasikan ke dalam setiap bagian dari proses pembelian dari pencarian produk ke kasir. Rekomendasi khusus didukung oleh mesin rekomendasi cerdas yang mengenal pengguna dengan lebih baik dan lebih baik saat mereka menggunakan situs ini.
Untuk memahami sistem rekomendasi dengan lebih baik, Anda sebaiknya memikirkannya versi lanjutan dari mesin pencari. Ketika kami mencari item di Amazon, itu tidak hanya mengembalikan hasilnya, tetapi juga membuat prediksi tentang produk yang mungkin kita butuhkan, dan menunjukkan rekomendasinya bagi kami.
Sistem rekomendasi menggunakan berbagai jenis algoritma pembelajaran mesin, dan mereka menjadi dapat diterapkan secara komersial dengan evolusi teknologi big data. Mesin rekomendasi adalah produk berbasis data, sebagai mereka perlu menemukan dataset kecil yang paling relevan di lautan besar data besar.
Tugas komputasi yang perlu dipecahkan oleh sistem rekomendasi adalah kombinasi dari analisis prediktif dan penyaringan
Mereka menggunakan salah satu pendekatan berikut:
(1) Penyaringan Kolaboratif, yang mencari kesamaan antara data kolaboratif seperti pembelian, peringkat, suka, naik turun, turun di:
- baik itu matriks pengguna-pengguna, di mana rekomendasi dihasilkan berdasarkan pilihan pelanggan lain yang menyukai, membeli, memberi peringkat, dll. produk serupa,
- atau matriks produk-produk, di mana mesin rekomendasi mengembalikan produk yang serupa dalam pembelian, suka, peringkat, dll. ke produk yang telah dibeli, dinilai, disukai, ditingkatkan oleh pengguna saat ini sebelum
Amazon menggunakan yang terakhir, karena lebih maju (lihat secara rinci di bagian selanjutnya).
(2) Penyaringan Berbasis Konten, yang membuat prediksi berdasarkan kesamaan karakteristik obyektif dari produk seperti spesifik, deskripsi, penulis, dan juga pada preferensi pengguna sebelumnya (yang di sini tidak dibandingkan dengan preferensi pengguna lain).
(3) Penyaringan Hibrid, yang menggunakan semacam kombinasi pemfilteran kolaboratif dan berbasis konten.
Matriks Produk-Produk
Cara tradisional penyaringan kolaboratif memanfaatkan matriks pengguna-pengguna, dan di atas sejumlah data tertentu ia memiliki masalah kinerja yang serius.
Untuk mencocokkan preferensi, peringkat, pembelian semua pengguna, dan temukan orang-orang yang paling dekat dengan pengguna aktif, mesin rekomendasi harus dianalisis setiap pengguna dalam database dan mencocokkannya dengan yang saat ini.
Jika kita berpikir tentang ukuran Amazon, jelas bahwa penyaringan semacam ini tidak layak untuk mereka, jadi insinyur Amazon mengembangkan versi peningkatan dari metode sebelumnya, dan menyebutnya pemfilteran kolaboratif item-ke-item.
Penyaringan kolaboratif item-ke-item tetap ada kesuksesan kolaboratif sebagai tolok ukur alih-alih kualitas objektif suatu produk (lihat penyaringan berbasis konten di atas), tetapi jalankan kueri dalam matriks produk-produk yang berarti tidak membandingkan pengguna, alih-alih membandingkan produk.
Mesin rekomendasi melihat produk-produk yang telah kami beli, beri peringkat, masukkan ke daftar keinginan kami, berkomentar, dll. Sejauh ini, kemudian mencari item-item lain dalam database yang memiliki harga dan pembelian yang sama, mengumpulkannya, kemudian mengembalikan paling cocok sebagai rekomendasi.
Cara Mendapatkan Rekomendasi yang Lebih Baik
Kembali ke belanja Natal, mungkin saja latih mesin rekomendasi Amazon untuk mendapatkan hasil yang lebih baik. Jika Anda hanya memiliki gagasan yang kabur tentang apa yang harus dibeli untuk orang yang Anda cintai, Anda tidak perlu melakukan apa pun selain meninggalkan jejak di situs web saat menjelajah..
Demi posting ini saya sudah mencoba ini sendiri.
Titik awal saya adalah saya ingin mencari beberapa perabot kantor yang lebih kecil, tetapi tidak tahu persis apa. Jadi saya memasukkan beberapa kata kunci terkait ke bilah pencarian, dan mulai menelusuri hasilnya. Saya memasukkan barang-barang yang saya sukai ke daftar keinginan saya, memberi peringkat beberapa ulasan “Bermanfaat”, menjatuhkan beberapa perabot kantor ke keranjangku.
Jika saya pernah membeli barang serupa di Amazon, akan sangat berguna untuk menulis ulasan tentang barang itu, tetapi sebenarnya saya tidak bisa melakukan itu (Anda hanya bisa menulis ulasan tentang produk yang sudah Anda beli).
Setelah sekitar 10-15 menit saya berhenti, dan mengklik halaman Rekomendasi saya (yang dapat ditemukan di bawah “Amazon [Nama Anda]” titik menu). Sebelum percobaan saya hanya punya buku di halaman ini, karena itulah yang biasanya saya beli di Amazon. Setelah pencarian ekstensif saya, buku-buku telah menghilang dan telah digantikan oleh perabot kantor yang keren, seperti yang Anda lihat di bawah.
Tweaking The Engine
Anda dapat melatih mesin rekomendasi lebih lanjut, seperti di bawah setiap rekomendasi ada “Kenapa disarankan?” link. Di antara rekomendasi saya, Anda dapat melihat bin liner (item terakhir), yang bukan produk perabot kantor dan yang saya tidak ingin beli untuk Natal.
Jadi mari kita lihat mengapa itu ada di sini.
Setelah mengklik tautan, Amazon memberi tahu saya bahwa itu direkomendasikan karena saya memasukkan kursi komputer kantor tertentu ke keranjang saya. Ya, itu koneksi yang menarik, tetapi saya masih tidak membutuhkannya.
Saya punya dua opsi di sini, saya bisa mencentang “Tidak tertarik” kotak centang di sebelah liner bin, atau “Jangan gunakan untuk rekomendasi” di sebelah kursi kantor. Saya mencentang “Tidak tertarik” kotak centang.
Dan pada titik ini bin liner telah menghilang, diganti dengan produk lain yang direkomendasikan, yang berarti saya selangkah lebih dekat dengan hadiah yang sempurna.
Sayang sekali jika saya membutuhkan bin liner yang tepat di masa depan. Oh tunggu. Saya telah menemukan solusi untuk itu. Di bawah “Tingkatkan Rekomendasi Anda” titik menu, saya dapat mengedit item yang saya tandai dengan “Tidak tertarik” label
Ketika saya telah menemukan perburuan hadiah yang saya bayangkan, saya cukup menghapus centang produk yang mungkin ingin saya lihat di antara rekomendasi saya di masa depan.
