Holiday Shopping Shop Smart avec le moteur de recommandation d'Amazon

Au moment de Noël, beaucoup d’entre nous ont du mal à choisir le cadeau qui leur convient le mieux. La chasse aux cadeaux pour Noël peut nécessiter des jours de planification, parfois des semaines. En dehors de sa partie amusante et joyeuse, Les achats de Noël peuvent être une expérience fastidieuse et stressante.

Heureusement, à l'ère des technologies de pointe, il existe des outils librement disponibles qui peuvent rendre le processus d'achat beaucoup plus efficace et productif. Dans cet article, je vais vous montrer comment l'un des plus grands sites de détaillants au monde, Amazon.com, peut vous aider à trouver les meilleurs cadeaux pour vos amis et votre famille dans un délai raisonnable avec l'aide de son moteur de recommandation intelligent.

Expérience utilisateur personnalisée

Les sites Web les plus populaires tels que Amazon, Facebook et Youtube sont si populaires parce que ils offrent une expérience utilisateur personnalisée à tous.

Personnaliser l'expérience utilisateur signifie essentiellement que les entreprises observer leurs utilisateurs pendant qu'ils naviguent sur leur site et effectuer différentes actions dessus. Ils collectent les données dans de bonnes bases de données et les analysent.

N'est-ce pas nocif pour la vie privée? D'un certain point de vue, oui ça l'est; ces sociétés peuvent en savoir plus sur nous que nos amis les plus proches ou même nous-mêmes. D'autre part, ils nous offrent un service qui peut nous rendre la vie plus facile, et nos décisions mieux informées.

Si nous examinons la situation d'un point de vue transactionnel, nous "payons" pour une expérience utilisateur améliorée et un confort accru, avec une partie de notre vie privée..

Bien sûr, les batailles juridiques entre les fournisseurs de contenu en ligne et les autorités sont constantes, il suffit de penser à la loi européenne sur les cookies pas si aimée, mais le fait de ne pas choisir est une option de moins en moins réaliste pour ceux qui souhaitent profiter du style de vie du 21e siècle. utile pour comprendre le fonctionnement des recommandations personnalisées en coulisses.

La technologie derrière les recommandations d'Amazon

Tout en naviguant sur le site Web d'Amazon, nous pouvons trouver des recommandations personnalisées partout sous des rubriques telles que “Nouveau pour toi”, “Recommandations pour vous dans la boutique Kindle”, “Recommandations en vedette”, “Les clients ayant acheté cet article ont également acheté”, et plein d'autres.

Les recommandations ont été intégré dans chaque pièce du processus d'achat de la recherche de produit à la caisse. Les recommandations personnalisées sont optimisées par un moteur de recommandation intelligent qui permet de mieux connaître les utilisateurs au fur et à mesure de leur utilisation du site..

Pour mieux comprendre les systèmes de recommandation, il est judicieux de les considérer comme versions avancées des moteurs de recherche. Lorsque nous recherchons un élément sur Amazon, il ne renvoie pas seulement les résultats, mais également fait des prédictions sur les produits dont nous pourrions avoir besoin, et montre ses recommandations pour nous.

Les systèmes de recommandation utilisent différents types d’algorithmes d’apprentissage automatique et sont devenus commercialement applicables avec l’évolution de la technologie Big Data. Les moteurs de recommandation sont produits axés sur les données, comme ils ont besoin de trouver le petit ensemble de données le plus pertinent dans le vaste océan de données volumineuses.

La tâche de calcul que les systèmes de recommandation doivent résoudre est la combinaison de analyse prédictive et filtrage

Ils utilisent l'une des approches suivantes:

(1) Filtrage collaboratif, qui cherche des similitudes entre données collaboratives tels que les achats, les notes, les goûts, les votes positifs, les votes positifs en:

• soit le matrice utilisateur-utilisateur, où les recommandations sont générées en fonction des choix d'autres clients qui ont aimé, acheté, évalué, etc. produits similaires,
• ou la matrice produit-produit, où le moteur de recommandation renvoie des produits similaires en termes d'achats, de préférences, de notes, etc., aux produits que l'utilisateur actuel a achetés, notés, appréciés, votés avant

Amazon utilise ce dernier, car il est plus avancé (voir plus en détail dans la section suivante).

(2) Filtrage basé sur le contenu, qui fait des prédictions basées sur les similitudes de caractéristiques objectives de produits telles que les spécificités, les descriptions, les auteurs, ainsi que sur les préférences précédentes de l'utilisateur (qui ne sont pas comparées ici aux préférences d'autres utilisateurs).

(3) Filtrage hybride, qui utilise une sorte de combinaison de filtrage collaboratif et basé sur le contenu.

La matrice produit-produit

La méthode traditionnelle de filtrage collaboratif utilise la matrice utilisateur-utilisateur et, au-dessus d’une certaine quantité de données, pose de sérieux problèmes de performances..

Pour faire correspondre les préférences, les évaluations, les achats de tous les utilisateurs et trouver ceux qui sont les plus proches de l'utilisateur actif, le moteur de recommandation doit analyser chaque utilisateur dans la base de données et les comparer à l'actuel.

Si nous pensons à la taille d'Amazon, il est clair que ce type de filtrage n'est pas réalisable pour eux. Les ingénieurs d'Amazon ont donc mis au point une version mise à niveau de l'ancienne méthode et l'ont appelée Filtrage collaboratif article par article.

Le filtrage collaboratif entre éléments est conservé succès collaboratif en tant que référence au lieu des qualités objectives d'un produit (voir Filtrage basé sur le contenu ci-dessus), mais elle exécute les requêtes dans la matrice produit-produit, ce qui signifie qu'elle ne compare pas les utilisateurs, mais compare les produits..

Le moteur de recommandation examine les produits que nous avons achetés, notés, ajoutés à notre liste de souhaits, commentés, etc. jusqu'à présent, puis recherche d'autres éléments de la base de données ayant des taux et des achats similaires, les regroupe, puis renvoie les meilleurs matchs en tant que recommandations.

Comment obtenir de meilleures recommandations

De retour aux achats de Noël, il est possible de former le moteur de recommandation d'Amazon pour obtenir de meilleurs résultats. Si vous n’avez qu’une vague idée de ce qu’il faut acheter pour un être cher, vous ne devez rien faire d’autre que de laisser des traces sur le site Web lorsque vous naviguez..

Pour le plaisir de cet article, j'ai essayé cela par moi-même.

Mon point de départ était que je voulais trouver du mobilier de bureau plus petit, mais je ne savais pas exactement quoi. J'ai donc entré des mots clés dans la barre de recherche et commencé à parcourir les résultats. Je mets les articles qui me plaisaient dans ma liste de souhaits en notant certains commentaires comme “Utile”, laissé tomber des meubles de bureau dans mon panier.

Si j'avais déjà acheté un article similaire sur Amazon, il aurait été très utile de rédiger une critique, mais je ne pouvais pas le faire (vous pouvez uniquement rédiger des critiques sur des produits que vous avez déjà achetés)..

Après environ 10-15 minutes, je me suis arrêté et j'ai cliqué sur mes pages de recommandation (qui se trouvent sous le “Amazone [Votre nom]” point de menu). Avant l'expérience, je n'avais que des livres sur cette page, c'est ce que j'achète habituellement sur Amazon. Après ma longue recherche, les livres ont disparu et ont été remplacés par des meubles de bureau, comme vous pouvez le voir ci-dessous..

Mise au point du moteur

Il est possible de perfectionner le moteur de recommandation, comme ci-dessous chaque recommandation il y a un “Pourquoi recommandé?” lien. Parmi mes recommandations, vous pouvez voir un sac poubelle (dernier article), qui n'est pas un produit de mobilier de bureau et que je ne veux pas acheter pour Noël.

Voyons donc pourquoi c'est ici.

Après avoir cliqué sur le lien, Amazon me dit que cela avait été recommandé, car j’ai mis un certain fauteuil d’ordinateur de bureau dans mon panier. C'est un lien intéressant, mais je n'en ai toujours pas besoin.

J'ai deux options ici, je peux cocher la case “Pas intéressé” case à cocher à côté du sac poubelle, ou le “Ne pas utiliser pour les recommandations” à côté de la chaise de bureau. Je coche la “Pas intéressé” case à cocher.

Et à ce stade, le sac poubelle a disparu, remplacé par un autre produit recommandé, ce qui signifie que je suis un peu plus près du cadeau parfait..

Dommage si je n'aurai jamais besoin de cette doublure exacte à l’avenir. Oh, attendez. J'ai trouvé la solution pour ça. Sous le “Améliorez vos recommandations” point de menu, je peux modifier les éléments que j'ai marqués avec le “Pas intéressé” étiquette

Lorsque j'ai trouvé ma chasse aux cadeaux imaginée, je peux simplement décocher les produits que je souhaiterais voir figurer dans mes recommandations à l'avenir..