Loja de Compras de Férias Inteligente com o Motor de Recomendação da Amazon

Na época do Natal, muitos de nós estão lutando para escolher o presente mais adequado para nossos entes queridos. A caça de presentes para o Natal pode exigir dias de planejamento, às vezes semanas. Além de sua parte divertida e alegre, As compras de Natal podem ser uma experiência demorada e estressante.

Felizmente, na era da tecnologia avançada, existem ferramentas disponíveis gratuitamente que podem tornar o processo de compra muito mais eficiente e produtivo. Neste post vou mostrar-lhe como um dos maiores sites de varejo do mundo, Amazon.com pode ajudá-lo em encontrar os melhores presentes para seus amigos e familiares dentro de um prazo razoável com a ajuda de seu mecanismo de recomendação inteligente.

Experiência Personalizada do Usuário

Os sites mais bem sucedidos do mundo, como Amazon, Facebook e Youtube são tão populares porque eles oferecem uma experiência de usuário personalizada para todos.

Personalizar a experiência do usuário basicamente significa que as empresas observe seus usuários enquanto eles navegam pelo site e realizam ações diferentes nele. Eles coletam os dados em bancos de dados limpos e os analisam.

Isso não é prejudicial para a privacidade? De certo ponto de vista, sim é; essas empresas podem saber mais sobre nós do que nossos amigos mais próximos ou até nós mesmos. Por outro lado, eles nos oferecem um serviço que pode facilitar nossas vidas, e nossas decisões melhor informadas.

Se olharmos para ele de um ponto de vista transacional, "pagamos" por uma experiência de usuário e conforto aprimorados, com uma parte de nossa privacidade.

Claro, batalhas legais entre provedores de conteúdo online e autoridades são constantes, basta pensar na não tão amada lei de cookies da UE, mas como optar por fora é cada vez menos uma opção realista para alguém que quer desfrutar de um estilo de vida do século 21, pode ser útil para entender como as recomendações personalizadas funcionam nos bastidores.

A tecnologia por trás das recomendações da Amazon

Ao navegar pelo site da Amazon, podemos encontrar recomendações personalizadas em todos os lugares sob títulos como “Novo para você”, “Recomendações para você na Kindle Store”, “Recomendações em destaque”, “Clientes que compraram este item também compraram”, e muitos outros.

As recomendações foram integrado em cada parte do processo de compra do pesquisa de produtos para o checkout. As recomendações personalizadas são fornecidas por um mecanismo de recomendação inteligente que conhece os usuários melhor e melhor conforme eles usam o site.

Para entender melhor os sistemas de recomendação, é uma boa ideia pensar neles como versões avançadas de mecanismos de pesquisa. Quando procuramos um item na Amazon, ele não apenas retorna os resultados, mas também faz previsões sobre os produtos que podemos precisar, e mostra suas recomendações para nós.

Os sistemas de recomendação usam diferentes tipos de algoritmos de aprendizado de máquina, e eles se tornaram comercialmente implementáveis ​​com a evolução da tecnologia de Big Data. Motores de recomendação são produtos orientados por dados, Como eles precisam encontrar o conjunto de dados pequeno mais relevante no enorme oceano de big data.

A tarefa computacional que os sistemas de recomendação precisam resolver é a combinação de análise preditiva e filtragem

Eles usam uma das seguintes abordagens:

(1) Filtragem colaborativa, que procura semelhanças entre dados colaborativos tais como compras, avaliações, gostos, upvotes, downvotes em:

• ou o matriz usuário-usuário, onde as recomendações são geradas com base nas escolhas de outros clientes que gostaram, compraram, avaliaram, etc. produtos similares,
• ou o matriz produto-produto, onde o mecanismo de recomendação retorna produtos similares em compras, curtidas, classificações, etc. aos produtos que o usuário atual comprou, classificou, gostou, votou antes

A Amazon usa o último, como é mais avançado (veja em detalhes na próxima seção).

(2) Filtragem Baseada em Conteúdo, que faz previsões baseadas nas semelhanças de características objetivas de produtos como especificidades, descrições, autores e também nas preferências anteriores do usuário (que aqui não são comparadas com as preferências de outros usuários).

(3) Filtragem Híbrida, que usa algum tipo de combinação de filtragem colaborativa e baseada em conteúdo.

A Matriz Produto-Produto

A maneira tradicional de filtragem colaborativa faz uso da matriz usuário-usuário e, acima de uma certa quantidade de dados, apresenta sérios problemas de desempenho..

Para corresponder às preferências, classificações, compras de todos os usuários e encontre aqueles que são os mais próximos do usuário ativo, o mecanismo de recomendação tem que analisar todo usuário no banco de dados e combiná-los com o atual.

Se pensarmos no tamanho da Amazon, é claro que esse tipo de filtragem não é viável para eles, então os engenheiros da Amazon desenvolveram uma versão atualizada do antigo método e chamaram Filtragem colaborativa item a item.

A filtragem colaborativa de item a item mantém sucesso colaborativo como referência em vez das qualidades objetivas de um produto (consulte a filtragem baseada em conteúdo acima), mas executa as consultas na matriz produto-produto, o que significa que ele não compara os usuários, em vez disso, compara os produtos.

O mecanismo de recomendação dá uma olhada nos produtos que compramos, classificamos, colocamos em nossa lista de desejos, comentamos, etc. até agora, então olhamos para outros itens no banco de dados que têm taxas e compras semelhantes, os agrega e, em seguida, retorna melhores correspondências como recomendações.

Como obter melhores recomendações

De volta às compras de Natal, é possível treinar o mecanismo de recomendação da Amazon para obter melhores resultados. Se você tem apenas uma vaga idéia sobre o que comprar para um ente querido, você não precisa fazer nada além de deixar vestígios no site enquanto navega.

Por causa deste post eu tentei isso sozinho.

Meu ponto de partida foi que eu queria encontrar alguns móveis de escritório menores, mas não sabia exatamente o quê. Então, inseri algumas palavras-chave relacionadas na barra de pesquisa e comecei a procurar os resultados. Eu coloquei os itens que eu gostei na minha lista de desejos, avaliei alguns comentários como “Útil”, caiu alguns móveis de escritório em minha cesta.

Se eu já comprei um item similar na Amazon, teria sido útil escrever um comentário sobre ele, mas na verdade eu não poderia fazer isso (você só pode escrever resenhas em produtos que você já comprou).

Após cerca de 10-15 minutos, parei e cliquei nas minhas páginas de Recomendação (que podem ser encontradas “Amazon [do seu nome]” ponto de menu). Antes do experimento, eu só tinha livros nessa página, como é o que costumo comprar na Amazon. Depois da minha extensa pesquisa, os livros desapareceram e foram substituídos por móveis de escritório legais, como você pode ver abaixo.

Ajustando o motor

É possível treinar ainda mais o mecanismo de recomendação, conforme abaixo de cada recomendação há um “Por que recomendado?” ligação. Entre as minhas recomendações, você pode ver um revestimento de lixo (último item), que não é um produto de mobiliário de escritório e que eu não quero comprar para o Natal.

Então vamos ver porque está aqui.

Depois de clicar no link, a Amazon me informa que isso foi recomendado porque coloquei uma certa cadeira de computador no meu carrinho. Bem, essa é uma conexão interessante, mas eu ainda não preciso disso.

Eu tenho duas opções aqui, eu posso marcar o “Não interessado” caixa de seleção ao lado do revestimento do silo ou “Não use para recomendações” ao lado da cadeira do escritório. Eu marquei o “Não interessado” caixa de seleção.

E nesse ponto o revestimento do lixo desapareceu, substituído por outro produto recomendado, o que significa que estou um passo mais perto do presente perfeito..

Muito ruim se eu vou precisar desse forro de lixo exato no futuro, no entanto. Oh espere. Eu encontrei a solução para isso. Debaixo de “Melhore suas recomendações” ponto de menu, eu posso editar os itens que eu marquei com o “Não interessado” rótulo

Quando eu tiver encontrado a minha caça de presentes imaginada, posso simplesmente desmarcar os produtos que talvez queira ver entre minhas recomendações no futuro.