웹사이트 추천 시스템 분석: 추천 시스템은 당신에 게 아무것도 추천 하지

중간 거래 SEO 진단 Taobao 게스트 클라우드 호스트 기술 홀

생각 하지 당신이 Taobao "몰래" 봐로 항목 수, 당신은 사이트에 모든 시스템의 눈을 탈출 하지 않습니다. 당신의 마음을 추측, 권장된 알고리즘 당신이 당신이 정말로 원하는 결정을 할 수 있는 많은 데이터 수집 필요 합니다. 물론, 이것은 당신의 신뢰를 승리 하 고 더 많은 돈을 온라인 소매 업체를.

출처: yoochoose.com

(/ 조셉 A. Konstan & 존 Riedl) 권장된 알고리즘은 방법 "추측 무엇 처럼", 지금 당신은 어떻게 온라인의 기본 개념 소매 봐 당신이 때마다 인터넷을 서핑 하 고 일치 하는 타인의 사용자 기본 설정을 하려고.

추천 시스템은 두 개의 다른 기능, 그리고 그것이 추천의 끝에 참조 하는 결과에 큰 영향: 첫째, 당신이 다른 구매자에 게는 얼마나 비슷한 알아내는, 전에 추천 시스템 먼저 알아내야 당신이 정말 좋아하는, 추천 시스템 권장된 결과 당신에 게 유용 하도록 비즈니스 규칙 집합에 따라 실행 하는 두 번째, 또한 사업 수익성이 확인 합니다.

어떻게 합니까 권장된 알고리즘 귀하의 신뢰를 승리 하 고 비즈니스 풍부한?

인터넷 데이터 수집

예를 들어 아마존의 예술이 게에서 찾고, 마지막으로 우리가, 그것을 보고가 서 있었다 900多万册 인쇄 및 판매 포스터. 아마존의 예술 저장소 설정을 평가 하는 여러 방법이 있다. 그것은 수 있습니다 학년에서 1 ~ 5 개 작품, 그것은 또한 어떤 그림 어떤 그림 당신이 작을 반복 여러 번, 당신이 위시 리스트에 넣어 그리고 당신이 마지막으로 보기를 확대 하려면 클릭 하면 실제로 구매 기록할 것 이다. 그것은 또한 어떤 그림 검색 모든 페이지에 표시 되는 추적 합니다. 온라인 소매 업체는 그들의 웹사이트 (당신은 탐색 했습니다 페이지와 클릭 한 링크)에 만들어 놓은 경로 사용 합니다에 연결 하는 항목을 추천. 또한, 그것은 당신의 장기 구매 환경 설정 파일을 만드는 득점 정보 귀하의 구매 기록을 결합 합니다.

아마존 같은 회사는 많은 고객에 대 한 이러한 데이터를 수집합니다. 에 로그인 할 거의 모든 행동의 사이트에 적어 고 나중을 위해 예약 됩니다. 브라우저 쿠키 덕분에 심지어 익명 구매자 것입니다 결국에 연결 된 고객 프로필 쇼핑객 익명 계정을 만들거나 로그온 온라인 레코드를 유지할 수 있습니다. 폭발적인 데이터 수집의이 유형은 온라인 기업에 고유 하지 않습니다 그리고 월마트-마트는 현금 영수증의 깊이 있는 그 광산에 대 한 유명한. 그러나, 온라인 상점 보기 및 기록, 아니라 소비자 구매, 뿐만 아니라 무엇 고려, 탐색, 그리고 구매 하지 않기로 결정 더 나은 위치에 있습니다. 세계의 대부분 지역에서 이러한 모든 활동은 모니터링는 사람에 의해 기록 그리고 유럽에서 서만 데이터 개인 정보 보호 법률 제한 어느 정도 작업.

물론, 법은, 아무리 고객 사람에 의해 학대 하는 그들의 데이터를 찾을 그리고 그들은 강한 저항을 해야 합니다. 빠르면 9 월 2000, 아마존 고통을 고통 스러운: 일부 고객 그들은 높은 가격을 받았다 사이트 것으로 오래 된 고객 보다는 익명 액세스 하거나 비교 사이트에서 전송 들어오는 고객을 식별 하기 때문에 발견. 이것은 그냥 임의의 가격 테스트, 그리고 그것은 우연의 일치를 주장 하는 아마존 결과 오래 된 고객의 id에 연결 됩니다. 즉, 작업 중지.

비즈니스 규칙에서 실행

추천된 알고리즘에 추가 비즈니스 규칙 바보 같은 권고를 주는 알고리즘을 방지 하 고 귀하의 신뢰를 잃지 않고 그들의 회전율을 극대화 하는 온라인 소매 업체를 위해 설계 되었습니다. 아주 최소한, 추천자에 시스템 사람들이 슈퍼마켓 역설 (Paradox 슈퍼마켓)에 대해 무슨 말을 피해 야 한다. 예를 들어 거의 모든 슈퍼마켓에가 바나나를 먹고 싶어한다 고 종종 일부 구입. 그래서 안 추천 시스템 추천 바나나 모든 고객? 대답은 아니오--그것은 고객을 도움이 되지 않습니다, 그것은 바나나의 판매를 증가 하지 않습니다. 그래서 스마트 슈퍼마켓 추천 시스템은 항상 명시적으로 권장된 결과에서 바나나를 제외 하는 규칙을 포함 합니다.

이 예에서는 아무것도 처럼 들릴지 모르지만 우리의 초기 프로젝트 중 하나에, 우리의 추천 시스템은 우리의 사이트를 방문 하는 거의 모든 사람에 게 비틀즈 화이트 앨범 앨범을 권장. 통계적으로 말하면, 이것은 훌륭한 추천: 고객 이전이 전자 상거래 사이트에서이 앨범을 구입 하지 않은 그리고 대부분 고객 화이트 앨범에 대 한 높은 평가. 아직도, 추천은 효과가 없습니다-화이트 앨범에 관심이 있는 한 이미.

물론, 권장된 규칙의 대부분은 더 미묘한. 예를 들어 존 9 월에 비디오 넷 플 릭 스의 행동에 있을 때, Avengers 하지 보였다는 결과에 블록 버스터에, 임대 버전 없 추천 넷 플 릭 스 부자로 만들어 것 때문에. 그래서 존 "아이언 맨 2"을 주도 했다 (철 남자 2), 스트리밍 미디어에서 사용할 수 있는 이미입니다.

다른 규칙 集 (손실 지도자) 손실에 판매 하 고, 반대로, unsalable 상품의 추천 장려 상품의 추천 금지 포함 됩니다. Net 인식의 작업 중 우리 고객 추천 시스템을 사용 하는 재고 백로그의 잠재 고객을 식별 하 고 상당한 성공을 달성 했습니다.

당신의 신뢰를 승리.

그러나, 이런이 종류의 일 곧 힘들 될 것입니다. 수익성 높은 상품을 판매에 대 한 권장된 알고리즘 고객의 신뢰를 이길 하지 것입니다. 그것은 레스토랑 웨이터는 당신에 게 물고기를 추천 하려고가 것 같아입니다. 이 생선은 정말 그가 생각 하는 최고는? 또는 요리사 물고기 나쁜 전에 그것을 판매 하 하단 사람 촉구?

신뢰를 구축, 더 복잡 한 추천 알고리즘 고객 시스템, 자신에 게 제품을 권장 하는 이유의 일반 아이디어를 주는 어느 정도의 투명도 유지 하려고 할 것입니다과 권장된 결과 싫어 할 때 자신의 프로필을 변경할 수 있습니다. 예를 들어 아마존에서 구입 하는 쇼핑 레코드를 삭제할 수 있습니다; 결국, 그런 것 들이 귀하의 개인 환경 설정 반영 되지 않습니다. 또한 시스템이 당신에 게 특정 제품을 권장 하는 이유를 볼 수 있습니다. 아마존 요나 단 Franzen의 소설 자유 선택, 존 "왜 권장 합니까 그것은 나에 게?" 태그에 있는 링크 클릭 간략 한 설명 즉시 표시 했다, 그리고 알고 보 니 그가 그의 위시 리스트에 배치 했다 책 추천을 실행. 그러나, 때문에 그가 소원의 목록에 책 읽을 수 없 었, 존 하지는 것 자유의 추천 담당. 이 같은 설명 권장된 결과 유용한 사용자 수 있게 된다.

그러나, 개인 데이터를 완성 하 고 해석 추천 결과 충분 하지 않습니다 종종 시스템을 잘못. 최근, 아마존은 hd 큰 화면 텔레비전 (HDTV)--3 주 및 1 개월 연속에서에서 프로 모션 이메일 조를 폭격. 조에 너무 많은 이메일을 보내고, 소매 조 그의 아내의 계정으로 설정 하는 텔레비전을 구입 했다 실감 하지 않았다. 또한, 이러한 이메일에는 "감사 합니다, 하지만 난 관심이 아니에요" 라고 조에 대 한 확실 한 방법은 제공 하지 않습니다. 결국, 조 일부 아마존에서 그의 이메일 구독을 취소; 그는 모든 종류의 정보를 받고 걱정 하지 않았다 고 그가 정말 그의 TV를 보고 더 많은 시간을 했다.

얼마나 많은 추천 알고리즘 작동 합니까?

alumni.berkeley.edu

글쎄, 얼마나 많은 추천 알고리즘 정말 합니까? 그들은 확실히 증가 하고있다 온라인 판매, 잭 Aaronson에 따르면, 애 널 리스트 Aaronson 그룹, 누가 견적 추천 알고리즘에서 투자 권장된 알고리즘에 의해 생성 된 판매에서 성장 때문에 10% 일 수 있다. -30% 진행입니다. 그리고 그들은 단지 시작. 지금, 사람들 추천 시스템 연구, 대 한 가장 큰 도전은 일어났나 이다 가장 새로운 방법 및 알고리즘을 판단 하는 방법. 이것은 다른 추천자 시스템 매우 다른 목표를가지고 있기 때문에 마이크로프로세서를 벤치마킹으로 간단입니다.

알고리즘을 평가 하는 가장 간단한 방법은 거기 얼마나 많은 차이 그것의 예측 및 사용자의 실제 평가 사이 볼 수 있다. 예를 들어 만약 존 준 로맨틱 소설 황혼 (황혼) A 스타, 아마존 챘 알고리즘 존 2 개 줄 고 별 편차 있을 것 다른 유사한 사용자에 의해 예측. 그러나, 판매인은 더 잘못에 높은 상품의 사용자 평가에 알고리즘에 대 한 우려 때문에 상품의 더 많은 칭찬 고객 구매 더 높습니다; 존 황혼 도시를 어쨌든 사지 않을 것 이다. 그래서, 고려 사항으로이 평가가지고 얼마나 많은 추천 알고리즘 이해에 도움이 되지 않습니다.

또 다른 일반적인 방법은 제안된 결과 어떤 고객이 실제로 구입 사이 일치의 높은 수를 볼 수 있다. 그러나,이 방법은 수 있습니다 또한 오해의 소지가 될,이 분석 사용자 자신이 제대로 하지 권장된 알고리즘의 머리에 계산 하는 제품을 찾을 수 될 것입니다 때문에 사용자 자신을 찾는 것은 가장 바람직하지 한다!이 방법의 결점에 비추어 연구 공부 하 고 새로운 평가 지표, 그냥 정밀, 그것은 또한 예상치 못한 놀라움과 다양성 발견 같은 다른 특성에 초점을 맞추고.

예기치 않은 놀라움 (세 렌)의 발견이 중된 특이 한 권고, 특히 그를 특정 사용자에 게 가치 있는 같은 종류의 다른 사용자에 게 쓸모 없는 것입니다. 예상치 못한 놀라움 노트는 화이트 앨범, 거의 모두를 위한 좋은 추천 고 따라서는 보다 적게 일반적인 옵션-아마도 조 안 획득 했다고 하 여의 사랑과 애정에 대 한 보이는 대신 찾을 수 알고리즘을 조정 합니다. 이 덜 인기 있는 추천, 공격할 것 이지만 일단 발생 그것 사용자에 게 훨씬 더 큰 놀람을 가져올 것 이다.

권장된 결과의 다양성을 보고 문제의 좋은 그림 이기도 합니다. 예를 들어 딕 프랜시스의 미스터리 소설 보고 사랑 하는 사용자 그 모든 추천 형태로 딕 프랜시스의 작품을 볼 때 실망 여전히 수 있습니다. 권장 형태의 실로 다양 한 목록 다른 저자 및 책, 뿐 아니라 영화, 게임 및 다른 제품의 다른 종류를 포함 됩니다.

추천 시스템 연구를 통해 다양 한 장애물, 많은 이상 미세 조정 기존 시스템에 필요 합니다. 연구원은 지금 어떻게 권장된 알고리즘 사용자가 사이트의 콘텐츠 컬렉션에 대해 모르는 무엇을 발견 도움이 될 고려 됩니다. 예를 들어 몇 가지 안전 하 고, 고객 허용 권장 사항 보다는 아마존에서 복 부에도 서를 구입 하는 사람을 보냅니다. 소매 밖 세계, 알고리즘을 권장 새로운 아이디어를 연락 하는 사람들을 도울 수 있다; 우리는 그들 중 일부에 동의 한다, 하는 경우에 전반적인 효과 아마 긍정적인 것 이다 때문에 그것은 사회적 발칸 (Balkanization, 즉, 조각화)을 줄이는 데 도움이 됩니다. 그것은 여부 추천된 알고리즘이 할 수 있는, 하는 것을 볼 수 있다 또는 그것이 짜증나 거 나 의심.

하지만 한 가지는 분명 하다: 추천 시스템만 더 나은, 당신에 대해 점점 더 많은 데이터를 수집 되며 다른, 예상치 못한 장소에서 그것을 표시. 이 기사를 좋아하는 경우 아마존 추천 모든 다른 책 추천 시스템에 대 한 것 같아서 기쁠 것 이다.

조셉 A. Konstan와 존 Riedl 미네소타 대학에서 컴퓨터 과학 교수 모두 있습니다. Konstan, IEEE 수석 회원 및 IEEE Riedl Movielens 추천 시스템의 제작에 참여 했습니다. "추측 무엇 처럼" 당신은 당신의 마음을 짐작 하는 어떻게 이다? 이 문서의 첫 번째 절반이 이다.

컴파일된: IEEE 기술 개요 Deconstructing 추천자 시스템

네 빈 사진: yoochoose.com;alumni.berkeley.edu

제 제목: netregistry.com.au