Compras navideñas Compre de forma inteligente con el motor de recomendación de Amazon
En Navidad, muchos de nosotros estamos luchando para elegir el regalo más adecuado para nuestros seres queridos. La búsqueda de regalos para Navidad puede requerir días de planificación, a veces semanas. Aparte de su cierta parte divertida y alegre., Las compras navideñas pueden ser una experiencia estresante y que consume mucho tiempo..
Afortunadamente, en la era de la tecnología avanzada, existen herramientas gratuitas que pueden hacer que el proceso de compra sea mucho más eficiente y productivo. En esta publicación, le mostraré cómo Amazon.com puede ayudarlo en uno de los sitios de minoristas más grandes del mundo. encontrando los mejores regalos para tus amigos y familia dentro de un plazo razonable Con la ayuda de su motor de recomendación inteligente..
Experiencia de usuario personalizada
Los sitios web más exitosos del mundo como Amazon, Facebook y Youtube son tan populares porque Ofrecen una experiencia de usuario personalizada para todos..
Personalizar la experiencia del usuario significa básicamente que las empresas Observe a sus usuarios mientras navegan por su sitio y realizan diferentes acciones. en eso. Recolectan los datos en bases de datos limpias y los analizan..
¿No es eso perjudicial para la privacidad? Desde cierto punto de vista, sí lo es; Estas compañías pueden saber más sobre nosotros que nuestros amigos más cercanos o incluso nosotros mismos. Por otra parte, Nos ofrecen un servicio que puede hacer nuestra vida más fácil., y nuestras decisiones mejor informadas.
Si lo vemos desde un punto de vista transaccional, "pagamos" por una experiencia y comodidad mejoradas para el usuario, con parte de nuestra privacidad..
Por supuesto, las batallas legales entre los proveedores de contenido en línea y las autoridades son constantes, solo piense en la no tan querida ley de cookies de la UE, pero como optar por la exclusión es cada vez menos una opción realista para alguien que quiere disfrutar de un estilo de vida del siglo XXI, puede ser útil para entender cómo funcionan las recomendaciones personalizadas detrás de escena.
La tecnología detrás de las recomendaciones de Amazon
Mientras navega por el sitio web de Amazon, podemos encontrar recomendaciones personalizadas en todas partes bajo los encabezados como “Nuevo para ti”, “Recomendaciones para ti en Kindle Store”, “Recomendaciones destacadas”, “Los clientes que compraron este artículo también compraron”, y muchos otros.
Recomendaciones han sido Integrado en cada parte del proceso de compra desde el búsqueda de productos a la caja. Las recomendaciones personalizadas están impulsadas por un motor de recomendaciones inteligente que permite conocer mejor a los usuarios a medida que utilizan el sitio..
Para comprender mejor los sistemas de recomendación, es una buena idea pensar en ellos como Versiones avanzadas de motores de búsqueda.. Cuando buscamos un artículo en Amazon, no solo se obtienen los resultados, sino también Hace predicciones sobre los productos que podemos necesitar., y nos muestra sus recomendaciones..
Los sistemas de recomendación utilizan diferentes tipos de algoritmos de aprendizaje automático, y se han implementado comercialmente con la evolución de la tecnología de big data. Motores de recomendación son productos basados en datos, como Necesitan encontrar el dataset pequeño más relevante en el enorme océano de big data..
La tarea computacional que los sistemas de recomendación necesitan resolver es la combinación de Análisis predictivo y filtrado.
Usan uno de los siguientes enfoques:
(1) Filtración colaborativa, que busca similitudes entre datos colaborativos tales como compras, calificaciones, me gusta, upvotes, downvotes en:
- o bien el matriz usuario-usuario, donde se generan recomendaciones basadas en las opciones de otros clientes que les gustaron, compraron, calificaron, etc. productos similares,
- o la matriz producto-producto, donde el motor de recomendaciones devuelve productos que son similares en compras, me gusta, clasificaciones, etc. a los productos que el usuario actual ha comprado, calificado, me ha gustado, upvoted antes de
Amazon usa este último, ya que es más avanzado (ver en detalle en la siguiente sección).
(2) Filtrado basado en contenido, que hace predicciones basadas en las similitudes de las características objetivas de productos tales como detalles específicos, descripciones, autores y también en las preferencias previas del usuario (que aquí no se comparan con las preferencias de otros usuarios).
(3) Filtrado híbrido, que utiliza algún tipo de combinación de filtrado colaborativo y basado en contenido.
La matriz producto-producto
La forma tradicional de filtrado colaborativo hace uso de la matriz usuario-usuario y, por encima de cierta cantidad de datos, tiene serios problemas de rendimiento..
Para coincidir con las preferencias, calificaciones, compras de todos los usuarios, y Encuentra a los más cercanos al usuario activo., El motor de recomendación tiene que analizar. cada usuario En la base de datos y cotejalos con el actual..
Si pensamos en el tamaño de Amazon, está claro que este tipo de filtrado no es factible para ellos, por lo que los ingenieros de Amazon desarrollaron una versión mejorada del método anterior y lo llamaron Filtrado colaborativo de elemento a elemento.
El filtro colaborativo artículo a artículo se mantiene éxito colaborativo como punto de referencia en lugar de las cualidades objetivas de un producto (consulte el filtro basado en contenido más arriba), pero ejecuta las consultas en la matriz producto-producto, lo que significa que no compara usuarios, sino que compara productos.
El motor de recomendaciones analiza los productos que hemos comprado, calificado, incluido en nuestra lista de deseos, comentado, etc. hasta el momento, luego busca otros artículos en la base de datos que tienen tasas y compras similares, los agrega y luego devuelve el mejores coincidencias como recomendaciones.
Cómo obtener mejores recomendaciones
De vuelta a las compras navideñas, es posible Entrena el motor de recomendación de Amazon para obtener mejores resultados.. Si solo tiene una vaga idea sobre qué comprar para un ser querido, no tiene que hacer nada más que dejar huellas en el sitio web mientras navega.
Por el bien de este post, lo he probado por mi cuenta..
Mi punto de partida fue que quería encontrar algunos muebles de oficina más pequeños, pero no sabía exactamente qué. Así que ingresé algunas palabras clave relacionadas en la barra de búsqueda y comencé a buscar los resultados. Puse los artículos que me gustaban en mi lista de deseos, calificé algunas reseñas como “Servicial”, dejé caer algunos muebles de oficina en mi cesta.
Si alguna vez compré un artículo similar en Amazon, hubiera sido muy útil escribir un comentario sobre él, pero en realidad no podría hacerlo (solo puedes escribir comentarios sobre productos que ya hayas comprado).
Después de unos 10-15 minutos, paré y hice clic en mis páginas de Recomendaciones (que se pueden encontrar en el “Amazon de [su nombre]” punto del menú). Antes del experimento solo tenía libros en esta página, ya que eso es lo que generalmente compro en Amazon. Después de mi extensa búsqueda, los libros han desaparecido y han sido reemplazados por muebles de oficina, como puede ver a continuación..
Pellizcando el motor
Es posible seguir entrenando el motor de recomendaciones, como debajo de cada recomendación hay una “Por que recomendado?” enlazar. Entre mis recomendaciones, puedes ver un contenedor de basura (último artículo), que no es un producto de mobiliario de oficina y que no quiero comprar para Navidad.
Así que vamos a ver por qué está aquí.
Después de hacer clic en el enlace, Amazon me informa que me lo recomendaron porque puse una cierta silla de computadora de oficina en mi cesta. Bueno, esa es una conexión interesante, pero todavía no la necesito..
Tengo dos opciones aquí, puedo marcar la casilla “No interesado” casilla de verificación junto al contenedor de basura, o la “No usar para recomendaciones.” Junto a la silla de oficina. Marque el “No interesado” caja.
Y en este punto, el contenedor de basura ha desaparecido, reemplazado por otro producto recomendado, lo que significa que estoy un paso más cerca del regalo perfecto..
Aunque es una pena si alguna vez necesito ese contenedor de basura exacto en el futuro. Oh espera. He encontrado la solución para eso. Bajo la “Mejora tus recomendaciones” Punto del menú, puedo editar los elementos que he marcado con el “No interesado” etiqueta
Cuando haya encontrado mi búsqueda de regalos imaginado, simplemente puedo desmarcar los productos que deseo ver entre mis recomendaciones en el futuro.