Shopping per le vacanze: acquisti intelligenti con il motore di raccomandazione di Amazon

A Natale molti di noi stanno lottando con la scelta del regalo più adatto per i nostri cari. La caccia regalo per Natale può richiedere giorni di pianificazione, a volte settimane. Oltre alla sua parte divertente e gioiosa, lo shopping natalizio può essere un'esperienza lunga e stressante .

Fortunatamente nell'era della tecnologia avanzata, ci sono strumenti disponibili gratuitamente che possono rendere il processo di acquisto molto più efficiente e produttivo. In questo post ti mostrerò come uno dei più grandi siti di vendita al dettaglio al mondo, Amazon.com può aiutarti a trovare i migliori regali per i tuoi amici e parenti in tempi ragionevoli con l'aiuto del suo motore di raccomandazione intelligente.

Esperienza utente personalizzata

I siti Web di maggior successo del mondo come Amazon, Facebook e Youtube sono così popolari perché offrono un'esperienza utente personalizzata a tutti .

Personalizzare l'esperienza utente significa fondamentalmente che le aziende osservano i propri utenti mentre navigano attraverso il loro sito ed eseguono azioni diverse su di esso. Raccolgono i dati in database accurati e li analizzano.

Non è dannoso per la privacy? Da un certo punto di vista, sì lo è; queste aziende potrebbero sapere di più su di noi che i nostri amici più cari o anche noi stessi. D'altra parte, ci offrono un servizio che può rendere la nostra vita più facile e le nostre decisioni meglio informate.

Se lo consideriamo dal punto di vista della transazione, "paghiamo" per un'esperienza utente migliorata e il comfort, con una parte della nostra privacy.

Certo, le battaglie legali tra i fornitori di contenuti online e le autorità sono costanti, basti pensare alla legge sui cookie non tanto amata dall'UE, ma poiché optare per un'opzione sempre meno realistica per qualcuno che vuole godersi uno stile di vita del 21 ° secolo, può essere utile per capire come funzionano le raccomandazioni personalizzate dietro le quinte.

La tecnologia dietro le raccomandazioni di Amazon

Durante la navigazione attraverso il sito web di Amazon, possiamo trovare consigli personalizzati ovunque sotto intestazioni come "Nuovo per te", "Consigli per te nel Kindle Store", "Consigli consigliati", "I clienti che hanno acquistato questo oggetto hanno anche comprato" e molti altri.

I consigli sono stati integrati in ogni singola parte del processo di acquisto dalla ricerca del prodotto alla cassa . Le raccomandazioni personalizzate sono supportate da un motore di raccomandazione intelligente che consente di conoscere meglio gli utenti mentre utilizzano il sito.

Per comprendere meglio i sistemi di raccomandazione, è una buona idea pensarli come versioni avanzate dei motori di ricerca . Quando cerchiamo un oggetto su Amazon, non solo restituisce i risultati, ma fa anche previsioni sui prodotti di cui potremmo aver bisogno e mostra i suoi consigli per noi.

I sistemi di raccomandazione utilizzano diversi tipi di algoritmi di apprendimento automatico e sono diventati commercialmente implementabili con l'evoluzione della tecnologia dei big data. I motori di raccomandazione sono prodotti basati sui dati, in quanto hanno bisogno di trovare il dataset più rilevante nel grande oceano dei big data .

Il compito computazionale che i sistemi di raccomandazione devono risolvere è la combinazione di analisi predittiva e filtraggio

Usano uno dei seguenti approcci:

(1) Filtro collaborativo, che cerca le somiglianze tra dati collaborativi come acquisti, valutazioni, Mi piace, upvotes, downvotes in:

• o la matrice utente-utente, in cui le raccomandazioni sono generate in base alle scelte degli altri clienti che hanno gradito, acquistato, valutato, ecc. prodotti simili,
• o la matrice prodotto-prodotto, in cui il motore dei consigli restituisce prodotti simili negli acquisti, i Mi piace, le valutazioni, ecc. ai prodotti che l'utente corrente ha acquistato, valutato, apprezzato, svalutato prima

Amazon usa quest'ultimo, in quanto è più avanzato (vedi in dettaglio nella prossima sezione).

(2) Filtro basato sul contenuto, che fa previsioni basate sulle somiglianze delle caratteristiche oggettive di prodotti come specifiche, descrizioni, autori e anche sulle preferenze precedenti dell'utente (che qui non sono confrontate con le preferenze di altri utenti) .

(3) Filtro ibrido, che utilizza una sorta di combinazione di filtri collaborativi e basati sul contenuto.

La matrice prodotto-prodotto

Il metodo tradizionale di filtraggio collaborativo fa uso della matrice utente-utente e, al di sopra di una certa quantità di dati, presenta seri problemi di prestazioni.

Per abbinare le preferenze, le valutazioni, gli acquisti di tutti gli utenti e trovare quelli che sono i più vicini all'utente attivo, il motore dei consigli deve analizzare ogni utente nel database e confrontarli con quello corrente.

Se pensiamo alle dimensioni di Amazon, è chiaro che questo tipo di filtraggio non è fattibile per loro, così i tecnici di Amazon hanno sviluppato una versione aggiornata del precedente metodo e lo hanno chiamato filtraggio collaborativo articolo-articolo .

Il filtro collaborativo da articolo a articolo mantiene il successo collaborativo come benchmark invece delle qualità oggettive di un prodotto (vedere il filtro basato sul contenuto sopra), ma esegue le query nella matrice prodotto-prodotto, il che significa che non confronta gli utenti, confronta i prodotti.

Il motore dei consigli dà un'occhiata ai prodotti che abbiamo acquistato, valutato, inserito nella nostra lista dei desideri, commentato, ecc. Finora, quindi cerca altri elementi nel database che ha tassi e acquisti simili, li aggrega, quindi restituisce le migliori corrispondenze come raccomandazioni.

Come ottenere migliori consigli

Torna allo shopping natalizio, è possibile addestrare il motore di raccomandazione di Amazon per ottenere risultati migliori . Se hai solo una vaga idea di cosa comprare per una persona cara, non devi fare nient'altro se non lasciare tracce sul sito durante la navigazione.

Per il bene di questo post ho provato da solo.

Il mio punto di partenza era che volevo trovare alcuni mobili per ufficio più piccoli, ma non sapevo esattamente cosa. Così ho inserito alcune parole chiave correlate nella barra di ricerca e ho iniziato a sfogliare i risultati. Ho messo gli articoli che mi piacevano nella mia lista dei desideri, valutato alcune recensioni come "Utile", ho lasciato alcuni mobili per ufficio nel mio cestino.

Se avessi mai acquistato un oggetto simile su Amazon, sarebbe stato abbastanza utile scrivere una recensione su di esso, ma in realtà non potevo farlo (puoi solo scrivere recensioni sui prodotti che hai già acquistato).

Dopo circa 10-15 minuti mi sono fermato e ho fatto clic sulle mie pagine di raccomandazioni (che possono essere trovate sotto il punto di menu "[Tuo nome] Amazon"). Prima dell'esperimento avevo solo libri su questa pagina, in quanto è quello che compro di solito su Amazon. Dopo la mia ampia ricerca, i libri sono scomparsi e sono stati sostituiti da mobili da ufficio, come potete vedere qui sotto.

Tweaking The Engine

È possibile addestrare ulteriormente il motore dei consigli, come sotto ogni raccomandazione c'è un link "Perché consigliato?" . Tra i miei consigli puoi vedere un raccoglitore (ultimo elemento), che non è un prodotto per ufficio e uno che non voglio comprare per Natale.

Quindi vediamo perché è qui.

Dopo aver cliccato sul link, Amazon mi informa che è stato consigliato perché ho messo una certa sedia da ufficio nel mio carrello. Bene, questa è una connessione interessante, ma non ne ho ancora bisogno.

Ho due opzioni qui, posso spuntare la casella di controllo "Non è interessato" accanto al contenitore del raccoglitore, o il "Non usare per raccomandazioni" accanto alla sedia dell'ufficio. Spunta la casella di controllo "Non interessato".

E a questo punto il rivestimento è scomparso, sostituito con un altro prodotto consigliato, il che significa che sono un passo avanti verso il regalo perfetto.

Peccato, se in futuro avrò mai bisogno di quella pattumiera esatta. Oh aspetta. Ho trovato la soluzione per questo. Sotto il punto "Migliora i tuoi consigli", posso modificare gli elementi che ho contrassegnato con l'etichetta "Non interessato"

Quando ho trovato la mia immaginaria caccia al regalo, posso semplicemente deselezionare i prodotti che potrei voler vedere tra i miei consigli in futuro.