عطلة تسوق تسوق ذكي مع محرك توصية أمازون
في وقت عيد الميلاد ، يكافح الكثير منا في اختيار الهدية الأنسب لأحبائنا. قد يتطلب البحث عن هدايا لعيد الميلاد أيامًا من التخطيط ، وأحيانًا أسابيع. بصرف النظر عن متعة معينة وجزء بهيجة, يمكن أن يكون التسوق في عيد الميلاد تجربة تستغرق وقتًا طويلاً ومجهدة.
لحسن الحظ في عصر التكنولوجيا المتقدمة ، هناك أدوات متاحة مجانًا يمكنها أن تجعل عملية التسوق أكثر كفاءة وإنتاجية. في هذا المنشور ، سأريك كيف يمكن لموقع Amazon.com مساعدتك في أحد أكبر متاجر التجزئة على مستوى العالم العثور على أفضل الهدايا لأصدقائك وعائلتك ضمن إطار زمني معقول بمساعدة محرك التوصية الذكية.
تجربة المستخدم الشخصية
مواقع الويب الأكثر نجاحًا في العالم مثل Amazon و Facebook و Youtube شائعة جدًا أنها توفر تجربة مستخدم مخصصة للجميع.
إضفاء الطابع الشخصي على تجربة المستخدم يعني في الأساس أن الشركات لاحظ مستخدميها أثناء تنقلهم عبر موقعهم وتنفيذ إجراءات مختلفة عليه. يقومون بجمع البيانات في قواعد بيانات أنيقة ، وتحليلها.
ليس هذا ضارا للخصوصية؟ من وجهة نظر معينة ، نعم هو ؛ قد تعرف هذه الشركات عنا أكثر من أصدقائنا المقربين أو حتى أنفسنا. من ناحية أخرى, يقدمون لنا خدمة يمكن أن تجعل حياتنا أسهل, و قراراتنا مطلعة.
إذا نظرنا إليها من وجهة نظر معاملات ، فإننا "ندفع" مقابل تجربة مستخدم محسّنة وراحة ، مع جزء من خصوصيتنا.
بطبيعة الحال ، المعارك القانونية بين مزودي المحتوى عبر الإنترنت والسلطات مستمرة ، ما عليك سوى التفكير في قانون ملفات تعريف الارتباط غير المحبوب في الاتحاد الأوروبي ، ولكن نظرًا لأن خيار الانسحاب هو خيار واقعي بالنسبة لشخص يريد الاستمتاع بأسلوب حياة القرن الحادي والعشرين ، فقد يكون من المفيد أن نفهم كيف تعمل التوصيات الشخصية وراء الكواليس.
التكنولوجيا وراء توصيات أمازون
أثناء التنقل عبر موقع أمازون على الويب ، يمكننا العثور على توصيات مخصصة في كل مكان تحت عناوين مثل “جديد بالنسبة لك”, “توصيات لك في كيندل ستور”, “توصيات مميزة”, “الزبائن الذين اشتروا هذا المنتج اشتروا أيضا”, وغيرها الكثير.
كانت التوصيات دمجها في كل جزء واحد عملية الشراء من البحث عن المنتج إلى الخروج. يتم تشغيل التوصيات المخصصة بواسطة محرك توصيات ذكي يتعرف على المستخدمين بشكل أفضل وأفضل أثناء استخدامهم للموقع.
لفهم أنظمة التوصية بشكل أفضل ، من الجيد التفكير فيها الإصدارات المتقدمة من محركات البحث. عندما نبحث عن عنصر في Amazon ، فإنه لا يُرجع النتائج فقط ، ولكن أيضًا يجعل التنبؤات حول المنتجات التي قد نحتاجها, ويظهر توصياته لنا.
تستخدم أنظمة التوصية أنواعًا مختلفة من خوارزميات التعلم الآلي ، وقد أصبحت قابلة للتطبيق تجاريًا مع تطور تكنولوجيا البيانات الكبيرة. محركات التوصية هي منتجات يحركها البيانات, مثل يحتاجون إلى العثور على مجموعة البيانات الصغيرة الأكثر صلة في المحيط الضخم للبيانات الضخمة.
المهمة الحسابية التي تحتاج أنظمة التوصية إلى حلها هي الجمع بين التحليل التنبئي والتصفية
يستخدمون أحد الأساليب التالية:
(1) تصفية التعاونية, الذي يبحث عن أوجه التشابه بين البيانات التعاونية مثل المشتريات ، التصنيفات ، الإعجابات ، الأصوات الزائدة ، تخفيضات الأسعار في:
- إما مصفوفة المستخدم, حيث يتم إنشاء التوصيات بناءً على اختيارات العملاء الآخرين الذين أعجبهم ، أو اشتروا ، أو تم تقييمهم ، إلخ,
- أو ال مصفوفة المنتج-المنتج, حيث يقوم محرك التوصية بإرجاع المنتجات المتشابهة في عمليات الشراء ، أو الإعجابات ، أو التصنيفات ، إلخ. إلى المنتجات التي قام المستخدم الحالي بشرائها ، أو تقييمها ، أو إعجابها ، أو اقتناؤها قبل
يستخدم أمازون الأخير ، لأنه أكثر تقدمًا (انظر بالتفصيل في القسم التالي).
(2) تصفية المحتوى, يجعل التنبؤات بناءً على أوجه التشابه في الخصائص الموضوعية للمنتجات مثل التفاصيل والأوصاف والمؤلفين وأيضًا التفضيلات السابقة للمستخدم (والتي لا تتم مقارنتها هنا بتفضيلات المستخدمين الآخرين).
(3) تصفية الهجين, يستخدم نوعًا من مزيج من التصفية التعاونية والقائمة على المحتوى.
مصفوفة المنتج-المنتج
تستخدم الطريقة التقليدية للتصفية التعاونية مصفوفة المستخدم ، وفوق مقدار معين من البيانات ، توجد مشكلات خطيرة في الأداء.
لمطابقة التفضيلات والتقييمات ومشتريات جميع المستخدمين و العثور على أولئك الذين هم الأقرب إلى المستخدم النشط, محرك التوصية لديه لتحليل كل مستخدم في قاعدة البيانات ومطابقتها ضد الحالية.
إذا فكرنا في حجم Amazon ، فمن الواضح أن هذا النوع من التصفية غير ممكن بالنسبة لهم ، لذلك طور مهندسو Amazon نسخة مطورة من الطريقة السابقة ، وأطلقوا عليها التصفية التعاونية من عنصر إلى عنصر.
يحتفظ التصفية التعاونية من عنصر إلى عنصر النجاح التعاوني كمعيار بدلاً من الصفات الموضوعية للمنتج (انظر التصفية القائمة على المحتوى أعلاه) ، لكنه يدير الاستعلامات في مصفوفة المنتج-المنتج مما يعني أنه لا يقارن المستخدمين ، بل إنه يقارن المنتجات.
يقوم محرك التوصية بإلقاء نظرة على المنتجات التي اشتريناها وتقييمها ووضعها في قائمة رغباتنا والتعليق عليها وما إلى ذلك حتى الآن ، ثم يبحث عن العناصر الأخرى في قاعدة البيانات التي لها معدلات وشراء متشابهان ، ويقوم بتجميعها ، ثم يعرض أفضل المباريات كتوصيات.
كيفية الحصول على توصيات أفضل
العودة إلى التسوق عيد الميلاد ، فمن الممكن أن تدريب محرك توصية أمازون للحصول على نتائج أفضل. إذا كانت لديك فكرة غامضة حول ما يمكنك شراؤه لأحد أفراد أسرته ، فلا يتعين عليك فعل أي شيء آخر سوى ترك آثار على الموقع أثناء التصفح.
من أجل هذا المنصب ، جربت ذلك بنفسي.
كانت نقطة البداية أنني أردت العثور على بعض أثاث المكاتب الأصغر ، لكنني لم أكن أعرف بالضبط ما. لذلك قمت بإدخال بعض الكلمات الرئيسية ذات الصلة في شريط البحث ، وبدأت في تصفح النتائج. أضع العناصر التي أعجبتني في قائمة أمنياتي ، وصنفت بعض المراجعات كـ “معاون، مساعد، مفيد، فاعل خير”, أسقطت بعض أثاث المكاتب في سلتي.
إذا اشتريت عنصرًا مماثلًا على Amazon ، فكان من المفيد جدًا كتابة مراجعة عليه ، لكن في الواقع لم أستطع القيام بذلك (يمكنك فقط كتابة مراجعات على المنتجات التي اشتريتها بالفعل).
بعد حوالي 10-15 دقيقة توقفت ، ثم قمت بالنقر فوق صفحات التوصية الخاصة بي (والتي يمكن العثور عليها أسفل “[اسمك] الامازون” نقطة القائمة). قبل التجربة كان لديّ كتب في هذه الصفحة فقط ، وهذا ما أشتريه عادةً من Amazon. بعد بحثي الشامل ، اختفت الكتب وتم استبدالها بأثاث مكتبي رائع ، كما ترون أدناه.
التغيير والتبديل في المحرك
من الممكن تدريب محرك التوصية ، كما هو موضح أدناه هناك “لماذا الموصى بها?” حلقة الوصل. من بين توصياتي ، يمكنك رؤية حاوية بن (العنصر الأخير) ، وهو ليس منتج أثاث مكتبي ولا أريد شراؤه في عيد الميلاد.
لذلك دعونا نرى لماذا هو هنا.
بعد النقر على الرابط ، تبلغني أمازون بأنه موصى به لأنني وضعت كرسي كمبيوتر مكتبي معين في سلتي. حسنًا ، هذا اتصال مثير للاهتمام ، لكن ما زلت لا أحتاج إليه.
لدي خياران هنا ، يمكنني إما تحديد “غير مهتم” مربع الاختيار بجانب بطانة بن ، أو مربع الاختيار “لا تستخدم للتوصيات” بجانب كرسي المكتب. أنا وضع علامة على “غير مهتم” مربع.
وعند هذه النقطة ، اختفت بطانة الصندوق ، واستبدلت بمنتج آخر موصى به ، مما يعني أنني أقترب من الهدية المثالية.
سيء جدًا إذا كنت سأحتاج إلى ذلك بالضبط في بطانة بن في المستقبل. اه انتظر. لقد وجدت الحل لذلك. تحت “تحسين توصياتك” نقطة القائمة ، يمكنني تحرير العناصر التي قمت بتمييزها باستخدام “غير مهتم” ضع الكلمة المناسبة
عندما أجد بحثًا عن هدية متخيلة ، يمكنني ببساطة إلغاء تحديد المنتجات التي قد أرغب في رؤيتها بين توصياتي في المستقبل.