Amazon の推奨テクノロジーの背後には、どのようなテクノロジーが使われているのでしょうか? Amazon の推奨は現在市場で最高のものだと私は信じていますが、どのようにしてこのような関連性の高い推奨を提供しているのでしょうか?
最近、私たちは同様の推奨プロジェクトに関わっていますが、技術的な観点から Amazon の推奨テクノロジーの詳細をぜひ知りたいと思います。
ご意見をいただければ幸いです。
アップデート:
これ特許パーソナライズされた推奨事項がどのように行われるかが説明されていますが、あまり技術的ではないので、何らかの洞察が提供されると非常にありがたいです。
デイブのコメントから、親和性分析このような種類のレコメンデーションエンジンの基礎を形成します。また、このトピックに関する良い読み物がいくつかあります。
おすすめの読み物:
ベストアンサー1
これは芸術であると同時に科学でもあります。典型的な研究分野は、データ マイニングの分野のサブセットであるマーケット バスケット分析 (アフィニティ分析とも呼ばれる) を中心に展開されています。このようなシステムの典型的なコンポーネントには、主要な推進アイテムの特定とアフィニティ アイテム (アクセサリ アップセル、クロスセル) の特定が含まれます。
彼らが採掘しなければならないデータソースを念頭に置いてください...
- 購入されたショッピングカート = 実際の人々が実際の商品に費やした実際のお金 = 強力なデータ、そしてその量。
- カートに追加されたが放棄されたアイテム。
- オンラインで価格設定の実験(A/Bテストなど)を行い、同じ商品を異なる価格で提供して結果を確認する
- さまざまな製品をさまざまな「バンドル」で提供したり、さまざまなアイテムの組み合わせを割引したりするパッケージング実験(A/B テストなど)
- ウィッシュリスト - あなた専用のもの - 全体としては、バスケット分析データの別のストリームと同様に扱うことができます
- 紹介サイト(どこからアクセスしたかがわかると、他の興味のある項目がわかる場合があります)
- 滞在時間(戻って別のアイテムを選択するまでの時間)
- あなたやあなたのソーシャル ネットワーク/購買サークル内の人々による評価 - 気に入ったものを評価すると、気に入ったものがさらに増え、「すでに所有しています」ボタンで確認すると、あなたの完全なプロフィールが作成されます。
- 人口統計情報(配送先住所など) - 彼らは、あなたのお住まいの地域で、あなたの子供、あなた自身、配偶者などに何が人気があるかを知っています。
- ユーザー セグメンテーション = 幼児向けに別々の月に 3 冊の本を購入しましたか? おそらく子供が 1 人かそれ以上いる... など。
- ダイレクト マーケティングのクリックスルー データ - 彼らからメールを受け取ってクリックスルーしましたか? 彼らは、それがどのメールだったか、何をクリックしたか、そしてその結果購入したかどうかを把握しています。
- セッション中のクリックパス - カートに入れたかどうかに関係なく、何を閲覧したか
- 最終購入前に商品を閲覧した回数
- 実店舗を相手にしている場合は、実店舗での購入履歴も参考にできるかもしれません(例:Toys R Us や、オンラインでも実店舗でもあるお店など)。
- などなどなど。
幸いなことに、人々は全体として同じように行動するため、購買層全体について知れば知るほど、何が売れて何が売れないかをよりよく把握し、すべての取引や評価/ウィッシュリストへの追加/閲覧から、より個人的に推奨をカスタマイズする方法を知っています。これは、推奨などに最終的に影響するすべての要素のほんの一部にすぎない可能性が高いことに注意してください。
私には Amazon のビジネスについて内部の知識はありません (そこで働いたことはありません)。オンライン コマースの問題に対する従来のアプローチについて話しているだけです。以前は、Commerce Server という Microsoft 製品のデータ マイニングと分析を担当する PM でした。Commerce Server では、同様の機能を備えたサイトを構築できるツールを出荷していましたが、販売量が大きくなるほど、データの品質が上がり、モデルの品質も上がります。Amazon は巨大です。コマース主導のサイトで、これほど大量のデータを持つモデルを操作したら、どれほど楽しいことか、想像するしかありません。現在、これらのアルゴリズムの多くは (Commerce Server で始まった予測子など)、直接内部で実行されるようになっています。マイクロソフトSQL。
覚えておくべき 4 つの大きなポイントは次のとおりです。
- Amazon (または他の小売業者) は、膨大な数の取引と膨大な数の人々の集計データを調べています...これにより、サイト上の匿名ユーザーに対しても非常に適切な推奨を行うことができます。
- Amazon (またはあらゆる洗練された小売業者) は、ログインしているユーザーの行動と購入を追跡し、それを使用して大量の集計データをさらに精査しています。
- 多くの場合、蓄積されたデータを上書きし、特定のラインの製品マネージャー(「デジタルカメラ」部門や「恋愛小説」部門などを所有する人物など)の提案を「編集」的に管理する手段があり、彼らは本当に専門家です。
- 多くの場合、販促キャンペーン (ソニー、パナソニック、ニコン、キヤノン、スプリント、ベライゾンが小売業者に追加の金額を支払ったり、大量購入時に割引率を高く設定したり、その他そうしたキャンペーン) により、特定の「提案」が他の提案よりも頻繁に上位に表示されるようになります。これには、各取引でより多くの利益を得たり、卸売コストを削減したりすることを目的とした、常に何らかの合理的なビジネス ロジックとビジネス上の理由があります。
実際の実装についてはどうでしょうか? ほぼすべての大規模なオンライン システムは、何らかのビジネス ロジックを適用する一連のモジュールによってコンテキストを評価できるパイプラインのセット (またはフィルター パターンの実装やワークフローなど、呼び方は自由です) に要約されます。
通常、ページ上の各タスクには異なるパイプラインが関連付けられます。推奨される「パッケージ/アップセル」(つまり、見ているアイテムと一緒にこれを購入する) を実行するパイプラインと、「代替品」(つまり、見ているアイテムの代わりにこれを購入する) を実行するパイプライン、およびウィッシュリストから最も関連性の高いアイテム (製品カテゴリ別など) を取得するパイプラインがある場合があります。
これらのパイプラインの結果は、ページのさまざまな部分 (スクロール バーの上、スクロールの下、左側、右側、さまざまなフォント、さまざまなサイズの画像など) に配置して、どの部分のパフォーマンスが最も優れているかをテストできます。これらのパイプラインのビジネス ロジックを定義する、プラグ アンド プレイが簡単な優れたモジュールを使用しているため、別のパイプラインを構築するときに適用するビジネス ロジックを簡単に選択できるレゴ ブロックと同等の結果が得られ、イノベーションの迅速化、実験の増加、そして最終的には利益の増加につながります。
少しでもお役に立てましたか? Amazon だけでなく、ほぼすべての e コマース サイトでこれが一般的にどのように機能するかについて、少しでも理解していただけたと思います。Amazon (そこで働いたことがある友人との話によると) は非常にデータ主導型で、ユーザー エクスペリエンスや価格設定、プロモーション、パッケージングなどの有効性を継続的に測定しています。Amazon は非常に洗練されたオンライン小売業者であり、利益を最適化するために使用する多くのアルゴリズムの最先端にいると思われます。そして、それらはおそらく独自の秘密 (KFC の秘密のスパイスの配合など) であり、そのように保護されています。