hideout-lastation.com
Paradis Pour Les Concepteurs Et Les Développeurs


Magasinage de vacances: Magasinez intelligemment avec le moteur de recommandation d'Amazon

À Noël, beaucoup d'entre nous luttent pour choisir le cadeau le plus approprié pour nos proches. La chasse au cadeau 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 longue et stressante .

Heureusement, à l'ère de la technologie de pointe, il existe des outils disponibles gratuitement qui peuvent rendre le processus d'achat beaucoup plus efficace et productif. Dans ce post, 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 au monde tels qu'Amazon, Facebook et Youtube sont si populaires car ils offrent une expérience utilisateur personnalisée à tous .

La personnalisation de l'expérience utilisateur signifie essentiellement que les entreprises observent leurs utilisateurs lorsqu'ils naviguent sur leur site et y effectuent différentes actions . Ils collectent les données dans des bases de données soignées et les analysent.

N'est-ce pas dangereux pour la vie privée? D'un certain point de vue, oui c'est; ces entreprises peuvent en savoir plus sur nous que nos amis les plus proches ou même nous-mêmes. D'un autre côté, ils nous offrent un service qui peut nous faciliter la vie, et nos décisions mieux éclairées.

Si nous regardons cela d'un point de vue transactionnel, nous "payons" pour une expérience utilisateur et un confort améliorés, 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, mais comme opter pour l'option est de moins en moins réaliste pour quelqu'un qui veut profiter du XXIe siècle, utile pour comprendre comment les recommandations personnalisées fonctionnent dans les coulisses.

Le Tech derrière les recommandations d'Amazon

Tout en naviguant sur le site Web d'Amazon, nous pouvons trouver des recommandations personnalisées partout sous des rubriques comme "Nouveau pour vous", "Recommandations pour vous dans le magasin Kindle", "Recommandations recommandées", et bien d'autres.

Des recommandations ont été intégrées dans chaque partie du processus d'achat, de la recherche de produit à la caisse . Les recommandations personnalisées sont alimentées par un moteur de recommandation intelligent qui apprend à mieux connaître les utilisateurs lorsqu'ils utilisent le site.

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

Les systèmes de recommandation utilisent différents types d'algorithmes d'apprentissage automatique, et ils sont devenus commercialement réalisables avec l'évolution de la technologie Big Data. Les moteurs de recommandation sont des produits axés sur les données, car ils doivent trouver le petit ensemble de données le plus pertinent dans l'immense océan de données volumineuses .

La tâche de calcul que les systèmes de recommandations doivent résoudre est la combinaison de l'analyse prédictive et du filtrage

Ils utilisent l'une des approches suivantes:

(1) Filtrage collaboratif, qui recherche les similitudes entre les données collaboratives telles que les achats, les notations, les mentions J'aime, les upvotes, les downvotes dans:

  • soit la matrice utilisateur-utilisateur, où les recommandations sont générées en fonction des choix des 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 goûts, de notes, etc. aux produits que l'utilisateur actuel a achetés, notés, aimés, mis à jour avant

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

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

(3) le 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-delà d'une certaine quantité de données, elle présente de sérieux problèmes de performance.

Pour faire correspondre les préférences, les notations, 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 faire correspondre à celui en cours.

Si nous réfléchissons à la taille d'Amazon, il est clair que ce type de filtrage n'est pas réalisable pour eux, donc les ingénieurs d'Amazon ont développé une version améliorée de la première méthode, et l'ont appelée filtrage collaboratif item-to-item .

Le filtrage collaboratif point à point maintient le succès collaboratif comme référence plutôt que comme qualité objective d'un produit (voir Filtrage basé sur le contenu ci-dessus), mais exécute les requêtes dans la matrice produit-produit, ce qui signifie qu'il ne compare pas les utilisateurs. il compare les produits.

Le moteur de recommandation jette un coup d'œil sur les produits que nous avons achetés, notés, mis sur notre liste de souhaits, commentés, etc jusqu'à présent, puis regarde d'autres articles dans la base de données qui ont des taux et des achats similaires, les meilleures correspondances en tant que recommandations.

Comment obtenir de meilleures recommandations

Retour aux achats de Noël, il est possible de former le moteur de recommandation d'Amazon pour obtenir de meilleurs résultats . Si vous avez seulement une vague idée de ce qu'il faut acheter pour un être cher, vous n'avez rien d'autre à faire que de laisser des traces sur le site pendant la navigation.

Pour l'amour de ce post, j'ai essayé par moi-même.

Mon point de départ était que je voulais trouver des meubles de bureau plus petits, mais je ne savais pas exactement quoi. J'ai donc entré quelques mots-clés connexes dans la barre de recherche, et a commencé à parcourir les résultats. J'ai mis les articles que j'aimais dans ma liste de souhaits, j'ai noté certains commentaires comme «utiles», j'ai déposé des meubles de bureau dans mon panier.

Si j'ai déjà acheté un article similaire sur Amazon, il aurait été très utile d'écrire une critique dessus, mais en fait je ne pouvais pas le faire (vous pouvez seulement écrire des critiques sur les 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 peuvent être trouvées sous le point de menu "[Votre nom] Amazon"). Avant l'expérience, je n'avais que des livres sur cette page, car 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 cool, comme vous pouvez le voir ci-dessous.

Ajuster le moteur

Il est possible de former davantage le moteur de recommandation, car en dessous de chaque recommandation, il y a un lien "Pourquoi recommandé?" . Parmi mes recommandations, vous pouvez voir une poubelle (dernier article), qui n'est pas un produit de bureau et que je ne veux pas acheter pour Noël.

Voyons donc pourquoi c'est ici.

Après avoir cliqué sur le lien, Amazon m'informe qu'il a été recommandé parce que j'ai mis une certaine chaise d'ordinateur de bureau dans mon panier. Eh bien, c'est une connexion intéressante, mais je n'en ai toujours pas besoin.

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

Et à ce moment, le bac a disparu, remplacé par un autre produit recommandé, ce qui signifie que je suis un pas de plus vers le cadeau parfait.

Dommage si je vais avoir besoin de ce paquebot à l'avenir. Oh, attendez. J'ai trouvé la solution pour ça. Sous le point de menu "Améliorer vos recommandations", je peux modifier les éléments que j'ai marqués avec le libellé "Pas intéressé".

Quand j'ai trouvé ma chasse aux cadeaux imaginée, je peux simplement décocher les produits que je pourrais vouloir voir parmi mes recommandations à l'avenir.

Vecteezy a un éditeur de vecteur basé sur navigateur assez cool et c'est gratuit

Vecteezy a un éditeur de vecteur basé sur navigateur assez cool et c'est gratuit

Les sites de vecteurs gratuits ne manquent pas pour aider les concepteurs à trouver des graphiques évolutifs de qualité . Mais il y a une ressource, Vecteezy, qui vient d'aller encore plus loin avec son propre outil d'édition de vecteurs dans le navigateur .Avec l'éditeur Vecteezy, vous pouvez créer n'importe quel vecteur que vous voulez depuis votre navigateur web, et surtout c'est gratuit .Il n&

(Conseils techniques et de conception)

Les applications de messagerie s'affrontent: Google Allo contre Messenger et Skype

Les applications de messagerie s'affrontent: Google Allo contre Messenger et Skype

Internet of Things change nos vies avec des milliards d'appareils intelligents connectés à Internet. Les produits et les applications se transforment en bots intelligents intelligents, toujours connectés et intelligents, alimentés par des plateformes d' intelligence artificielle .Les applications de messagerie et de communication ne sont pas différentes - elles utilisent maintenant la technologie d'intelligence artificielle pour mieux comprendre leurs utilisateurs et fournir des services plus intelligents . Si

(Conseils techniques et de conception)