Einkaufen mit Smart Shopping-Empfehlungen von Amazon

Zur Weihnachtszeit kämpfen viele von uns mit der Wahl des am besten geeigneten Geschenks für unsere Lieben. Die Geschenkjagd zu Weihnachten kann Tage dauern, manchmal sogar Wochen. Abgesehen von seinem gewissen Spaß und freudigen Teil, Weihnachtseinkäufe können eine zeitraubende und anstrengende Erfahrung sein.

Glücklicherweise gibt es im Zeitalter fortschrittlicher Technologien frei verfügbare Tools, die den Einkaufsprozess wesentlich effizienter und produktiver gestalten können. In diesem Beitrag werde ich Ihnen zeigen, wie eine der weltweit größten Händlerseiten, Amazon.com, Ihnen dabei helfen kann die besten geschenke finden für deine Freunde und Familie innerhalb eines angemessenen Zeitrahmens mit Hilfe seiner intelligenten Empfehlungsmaschine.

Personalisierte Benutzererfahrung

Die weltweit erfolgreichsten Websites wie Amazon, Facebook und Youtube sind deshalb so beliebt Sie bieten allen eine personalisierte Benutzererfahrung.

Personalisierung der Benutzererfahrung bedeutet im Grunde, dass Unternehmen Beobachten Sie ihre Benutzer, während sie durch ihre Website navigieren und verschiedene Aktionen ausführen darauf Sie sammeln die Daten in übersichtlichen Datenbanken und analysieren sie.

Ist das nicht schädlich für die Privatsphäre? Unter einem bestimmten Gesichtspunkt ist es ja; Diese Unternehmen wissen vielleicht mehr über uns als unsere engsten Freunde oder auch wir. Auf der anderen Seite, Sie bieten uns einen Service, der uns das Leben erleichtern kann, und unsere Entscheidungen sind besser informiert.

Wenn wir es aus transaktionaler Sicht betrachten, "zahlen" wir für ein verbessertes Nutzererlebnis und mehr Komfort mit einem Teil unserer Privatsphäre.

Natürlich ist der Rechtsstreit zwischen Anbietern von Online-Inhalten und Behörden konstant. Denken Sie nur an das nicht so beliebte EU-Cookie-Gesetz. Da das Ausscheiden jedoch immer weniger eine realistische Option für jemanden ist, der einen Lebensstil des 21. Jahrhunderts genießen möchte, kann dies der Fall sein nützlich, um zu verstehen, wie personalisierte Empfehlungen im Hintergrund funktionieren.

Die Technik hinter den Empfehlungen von Amazon

Wenn Sie durch die Amazon-Website navigieren, finden Sie unter Überschriften wie überall personalisierte Empfehlungen “Neu für dich”, “Empfehlungen für Sie im Kindle Store”, “Empfohlene Empfehlungen”, “Kunden, die diesen Artikel kauften, kauften auch”, und viele andere.

Empfehlungen wurden in jeden einzelnen Teil integriert des Kaufvorgangs aus dem Produktsuche zur Kasse. Maßgeschneiderte Empfehlungen basieren auf einer intelligenten Empfehlungs-Engine, die die Benutzer bei der Nutzung der Website besser und besser kennt.

Um Empfehlungssysteme besser zu verstehen, ist es eine gute Idee, darüber nachzudenken erweiterte Versionen von Suchmaschinen. Wenn wir einen Artikel bei Amazon nachschlagen, werden nicht nur die Ergebnisse angezeigt, sondern auch macht Vorhersagen über die Produkte, die wir benötigen, und zeigt seine Empfehlungen für uns.

Empfehlungssysteme verwenden verschiedene Arten von Algorithmen für maschinelles Lernen, und sie sind mit der Entwicklung der Big-Data-Technologie kommerziell umsetzbar. Empfehlungsmaschinen sind datengetriebene Produkte, wie Sie müssen den relevantesten kleinen Datensatz im riesigen Ozean von Big Data finden.

Die Rechenaufgabe, die Empfehlungssysteme lösen müssen, ist die Kombination aus vorausschauende Analyse und Filterung

Sie verwenden einen der folgenden Ansätze:

(1) Kollaborative Filterung, das sucht nach Ähnlichkeiten zwischen kollaborative Daten wie Einkäufe, Bewertungen, Likes, Upvotes, Downvotes in:

• entweder Benutzer-Benutzer-Matrix, Hier werden Empfehlungen basierend auf den Entscheidungen anderer Kunden generiert, die ähnliche Produkte mochten, gekauft, bewertet usw.,
• oder der Produkt-Produkt-Matrix, Wenn die Empfehlungsmaschine Produkte, die in Bezug auf Einkäufe, Vorlieben, Bewertungen usw. ähnlich sind, an die Produkte zurücksendet, die der aktuelle Benutzer gekauft, bewertet, gemocht, angehoben hat Vor

Amazon verwendet Letzteres, da es fortgeschrittener ist (siehe ausführlich im nächsten Abschnitt)..

(2) Inhaltsbasierte Filterung, das macht Vorhersagen basierend auf den Ähnlichkeiten objektiver Merkmale von Produkten wie Besonderheiten, Beschreibungen, Autoren und auch auf den vorherigen Präferenzen des Benutzers (die hier nicht mit den Präferenzen anderer Benutzer verglichen werden).

(3) Hybridfilterung, das eine Kombination aus kollaborativer und inhaltsbasierter Filterung verwendet.

Die Produkt-Produkt-Matrix

Die herkömmliche Methode der kollaborativen Filterung verwendet die Benutzer-Benutzer-Matrix. Ab einer bestimmten Datenmenge treten gravierende Leistungsprobleme auf.

Um die Präferenzen, Bewertungen, Einkäufe aller Benutzer und Finden Sie diejenigen, die dem aktiven Benutzer am nächsten sind, Die Empfehlungsmaschine muss analysieren jeder Benutzer in der Datenbank und vergleichen Sie sie mit der aktuellen.

Wenn wir über die Größe von Amazon nachdenken, ist klar, dass diese Art der Filterung für sie nicht möglich ist. Deshalb haben die Ingenieure bei Amazon eine aktualisierte Version der früheren Methode entwickelt und diese Methode genannt kollaborative Filterung von Element zu Element.

Die kollaborative Filterung von Element zu Element bleibt erhalten gemeinsamer Erfolg als Benchmark anstelle der objektiven Qualitäten eines Produkts (siehe Inhaltsfilterung oben), führt jedoch die Abfragen in der Produkt-Produkt-Matrix aus, dh Benutzer werden nicht verglichen, sondern Produkte werden verglichen.

Die Empfehlungsmaschine betrachtet die bisher von uns gekauften, bewerteten, in unsere Wunschliste aufgenommenen, kommentierten usw. Produkte, sucht dann nach anderen Artikeln in der Datenbank mit ähnlichen Raten und Käufen, fasst sie zusammen und gibt sie zurück beste Übereinstimmungen als Empfehlungen.

So erhalten Sie bessere Empfehlungen

Zurück zum Weihnachtseinkauf ist es möglich Trainieren Sie die Empfehlungsmaschine von Amazon, um bessere Ergebnisse zu erzielen. Wenn Sie nur eine vage Vorstellung davon haben, was Sie für einen geliebten Menschen kaufen sollen, müssen Sie nichts anderes tun, als beim Surfen Spuren auf der Website zu hinterlassen.

Für diesen Beitrag habe ich es selbst ausprobiert.

Mein Ausgangspunkt war, dass ich kleinere Büromöbel finden wollte, aber nicht genau wusste, was. Also gab ich einige verwandte Schlüsselwörter in die Suchleiste ein und begann mit dem Durchsuchen der Ergebnisse. Ich habe die Artikel, die ich mochte, auf meine Wunschliste gesetzt und einige Bewertungen als bewertet “Hilfreich”, ließ einige Büromöbel in meinen Korb fallen.

Wenn ich jemals einen ähnlichen Artikel bei Amazon gekauft habe, wäre es sehr nützlich gewesen, eine Rezension darüber zu schreiben, aber eigentlich konnte ich das nicht tun (Sie können nur Bewertungen zu bereits gekauften Produkten schreiben).

Nach ungefähr 10-15 Minuten hörte ich auf und klickte auf meine Empfehlungsseiten (die unter dem Link zu finden sind) “[Dein Name] Amazon” Menüpunkt). Vor dem Experiment hatte ich nur Bücher auf dieser Seite, da ich dies normalerweise bei Amazon kaufe. Nach meiner umfangreichen Suche sind die Bücher verschwunden und durch coole Büromöbel ersetzt worden, wie Sie unten sehen können.

Den Motor optimieren

Es ist möglich, die Empfehlungsmaschine weiter zu trainieren, wie unter jeder Empfehlung Da ist ein “Warum empfohlen??” Verknüpfung. Unter meinen Empfehlungen finden Sie einen Müllbeutel (letzter Artikel), der kein Büromöbelprodukt ist und den ich nicht zu Weihnachten kaufen möchte.

Mal sehen, warum es hier ist.

Nachdem Sie auf den Link geklickt haben, teilt Amazon mir mit, dass es empfohlen wurde, weil ich einen bestimmten Bürostuhl in meinen Korb gelegt habe. Nun, das ist eine interessante Verbindung, aber ich brauche sie immer noch nicht.

Ich habe hier zwei Möglichkeiten, ich kann das entweder ankreuzen “Nicht interessiert” Kontrollkästchen neben dem Bin Liner oder das “Nicht für Empfehlungen verwenden” neben dem Bürostuhl. Ich kreuze das an “Nicht interessiert” Kontrollkästchen.

Und an diesem Punkt ist der Müllbeutel verschwunden und durch ein anderes empfohlenes Produkt ersetzt worden, was bedeutet, dass ich dem perfekten Geschenk einen Schritt näher bin.

Schade, wenn ich in Zukunft den genauen Müllbeutel brauchen werde. Oh, Moment mal. Ich habe die Lösung dafür gefunden. Unter dem “Verbessern Sie Ihre Empfehlungen” Menüpunkt kann ich die Elemente bearbeiten, die ich mit markiert habe “Nicht interessiert” Etikette

Wenn ich meine imaginäre Geschenkjagd gefunden habe, kann ich einfach die Produkte deaktivieren, die ich in der Zukunft unter meinen Empfehlungen sehen möchte.