SocialHub.AI
← بنية البيانات
نموذج التشابه

تحوّل خاصية التقارب والتشابه سلال التسوق والسلوكيات الحقيقية إلى تشابه يمكنك اتخاذ إجراء بناءً عليه.

مكوّن فرعي من طبقة التجريد يُجيب على سؤال مختلف عن سؤال رسم العلاقات: ليس من يرتبط بمن، بل ما الذي يُشابه ماذا. يحسب هذا المكوّن ثلاثة أنواع من التشابه الإحصائي، جميعها من بيانات حقيقية. يأتي تشابه المنتجات من سلال التسوق الحقيقية - أي المنتجات التي تظهر معًا في نفس الطلبات (اشترى X، واشترى أيضًا Y). يُحدد تقارب الفئات لكل عضو الفئات التي يميل إليها كل عضو، من خلال سجل مشترياته وتصفحه. أما تشابه الأعضاء والوسوم - أو ما يُعرف بالأشخاص المتشابهين - فيُصنّف الأعضاء الذين تتشابه وسومهم وسلوكهم، بحيث يُمكن توسيع نطاق الجمهور المُثبت ليشمل أشخاصًا يُشبهونهم بالفعل. لا شيء من هذا مُختلق: كل نتيجة مُستمدة من الطلبات والسلوكيات المُلاحظة، ولا تتجاوز أبدًا حدود الهوية أو الخصوصية للوصول إليها.

الطبقة
التقارب والتشابه

يستخلص التشابه الإحصائي من بيانات حقيقية - المنتجات التي يتم شراؤها معًا، والفئات التي يميل إليها العضو، والأعضاء المتشابهون - لذا فإن التوصيات وتوسيع نطاق العملاء المتشابهين يعتمدان على أنماط حقيقية، وليس على الشعبية. يستمد التشابه الإحصائي من بيانات حقيقية - المنتجات التي يتم شراؤها معًا، والفئات التي يميل إليها العضو، والأعضاء المتشابهون - لذا فإن التوصيات وتوسيع نطاق العملاء المتشابهين يعتمدان على أنماط حقيقية، وليس على الشعبية.

طبقة التقارب · نموذج التشابه

التشابه مُستمد من بيانات حقيقية - وليس من الشعبية أو التخمين.

لا تُجدي التوصيات وتوسيع نطاق الجمهور نفعًا إلا بقدر التشابه الذي تستند إليه. تحسب هذه الطبقة هذا التشابه بناءً على ما حدث بالفعل - سلال التسوق الحقيقية، والميل الحقيقي للفئات، والتشابه الحقيقي في الملفات الشخصية - وتُسلمه إلى قاعدة البيانات ومحرك التوصيات كناتج مُدار، بحيث تكون كل إجابة "مشابهة لـ" موثوقة وقابلة للتكرار.

مشتريات مشتركة (من سلال حقيقية)ABCDABCDمنتجات مماثلة (مجموعة)ABCD
  • يتم شراؤها معًا بشكل متكرر
  • يتم شراؤها معًا أحيانًا
  • المنتج الأساسي
  • منتج مشابه
مثال توضيحي - قيم التواجد المشترك المُختلقة، وليست بيانات عملاء حقيقية

ثلاثة أنواع من التشابه، جميعها مستمدة من بيانات حقيقية

التشابه هنا يُجيب دائمًا على سؤال "ما الذي يُشابه ماذا؟"، وهو مُستمد دائمًا من الطلبات والسلوكيات الملحوظة - وليس مُختلقًا، ولا يتجاوز حدود الهوية أو الخصوصية.

  • مقارنة المنتجات - الشراء المشترك من سلال حقيقية: المنتجات التي تظهر معًا في نفس الطلبات (اشترى X، واشترى أيضًا Y)، يتم تحويلها إلى تشابه بين المنتجات.
  • ميل كل عضو للفئات - الفئات التي يميل إليها العضو، محسوبة من سجل مشترياته وتصفحه الشخصي وليس من متوسط ​​المتجر ككل.
  • تشابه الأعضاء والوسوم (متشابهون) - أعضاء تتشابه وسومهم وسلوكياتهم، مما يسمح بتوسيع قاعدة الجمهور المستهدف لتشمل أشخاصًا يشبهونهم فعلاً.

ما يمكنك حسابه من خلال التشابه

بمجرد تجسيد التشابه كمخرج مُدار، يصبح شيئًا يمكن لمنصة التوصيات والوكيل قراءته ببساطة - نفس الإجابة في كل مرة.

  • المنتج الأمثل التالي - قائم على أنماط الشراء المشترك والفئات الحقيقية للعضو، بدلاً من الشعبية العامة.
  • التوسع من خلال الجمهور المشابه - تنمية جمهور عالي الأداء من خلال التشابه مع ملف شخصي حقيقي، وليس من خلال شريحة ديموغرافية واسعة.
  • إجابة "مشابهة لـ" متسقة - محرك التوصيات، وجمهور الحملة، وخطوة استدلال الوكيل، جميعها تقرأ معيار تشابه واحد، لذا فهي تتفق.

التشابه مقابل مخطط العلاقات

هذه الطبقة تُكمّل مخطط العلاقات، والفرق بينهما مهم: التشابه هو تماثل إحصائي (متشابه في الشكل، متشابه في الشراء)، بينما مخطط العلاقات هو ميزة اجتماعية واضحة (إحالة فعلية أو أسرة محتملة). إنهما متكاملان ويُقرأان معًا - لا يُخلط بينهما أبدًا.

  • يُجيب التشابه على سؤال "ما الذي يتشابه مع ماذا؟" - المنتجات المشتراة بشكل متشابه، والأعضاء الذين يتشابهون في المظهر - من خلال أنماط البيانات.
  • يجيب مخطط العلاقات على سؤال "من يرتبط بمن" - العلاقات الحقيقية، والإحالة المحولة، والسفراء، والروابط الأسرية.
  • يستخدم الوكيل كلا الطريقتين: اختيار مسرحية بناءً على دورها الهيكلي من الرسم البياني، واختيار المنتج المناسب أو الجمهور المشابه بناءً على التشابه.
الطبقة الشقيقة - للاطلاع على الروابط الاجتماعية الصريحة (الإحالات المُحولة، روابط السفراء، والأسر المُحتملة كشبكة أعضاء)، انظر العلاقات والتقارب.→
حيث يتم استهلاك التشابه
التوصيات — في بريدك الإلكتروني، على موقعك، في أي مكان

محرك التوصيات هو المستخدم الرئيسي لهذه الطبقة: فهو يُخصّص المحتوى بناءً على اهتمامات كل عضو عبر البريد الإلكتروني، وموقعك الإلكتروني، وأي تطبيق عبر API، مع خيار عرض المحتوى الرائج للزوار الجدد لضمان عدم وجود خانة فارغة.

اطلع على التوصيات →
تأثير الذكاء الاصطناعي للوكالات

هكذا تُحسّن هذه الطبقة قرارات الذكاء الاصطناعي.

بدون نموذج تشابه، تعتمد التوصيات على شعبية المتجر ككل، ويعتمد توسيع نطاق الجمهور على التركيبة السكانية العامة - وكلاهما لا يأخذ في الاعتبار ما يشتريه العضو المحدد أو ما يشبهه. تتم إعادة حساب التشابه بشكل مخصص في كل أداة، لذا فإن إجابة "مشابه لـ" التي تستخدمها الحملة لا تتفق مع تلك التي يقدمها محرك التوصيات، وكلاهما لا يستند إلى سلال تسوق حقيقية أو تشابه حقيقي في الملف الشخصي.

يُعتمد اختيار المنتج الأفضل التالي على نمط شراء مُشترك حقيقي أو نمط فئة مُحدد، وليس على شعبيته في المتجر.

يرى العضو توصيات تعكس الفئات التي يميل إليها فعلاً، وليس فئات المتسوق العادي.

يمكن توسيع نطاق الجمهور المُثبت ليشمل مجموعة مشابهة من الأعضاء الذين تتشابه سماتهم وسلوكياتهم مع الجمهور المُثبت، بدلاً من الاعتماد على تخمين ديموغرافي عام.

تأتي إجابة "مشابه لـ" التي تستخدمها الحملة وتلك التي يقدمها محرك التوصيات من نفس مخرجات النموذج المُدار.

لماذا هو مهم؟

القيمة تشغيلية وليست تقنية فحسب.

يحصل الوكيل على المنتج الأمثل التالي بناءً على نمط شراء مشترك أو فئة حقيقية، بدلاً من شيوع المنتج في المتجر، وتوسيع نطاق المنتجات المشابهة بناءً على تشابه حقيقي في الملف الشخصي، بدلاً من التخمين الديموغرافي. ولأن التشابه ناتج نموذج مُحكم وليس حسابًا عشوائيًا، فإن إجابة "مشابه لـ" نفسها قابلة للتكرار في كل مكان تُقرأ فيه، سواءً في واجهة التوصيات، أو جمهور الحملة، أو خطوة استدلال الوكيل.

يحسب تشابه المنتجات من سلال التسوق الحقيقية - أزواج الشراء المشترك (اشترى X، واشترى أيضًا Y)، وليس المنتجات الأكثر مبيعًا بشكل عام.

يستخلص النظام انتماء كل عضو إلى فئة معينة من سجل مشترياته وتصفحه، بحيث يعكس المنتج الأنسب التالي ميوله الفعلية. يُحدد النظام انتماء كل عضو إلى فئة معينة بناءً على سجل مشترياته وتصفحه، بحيث يعكس المنتج التالي الأنسب ميوله الحقيقية.

يبني تشابهًا بين الأعضاء والوسوم (المشابهين) من الوسوم والسلوك، بحيث يمكن توسيع نطاق الجمهور المُثبت ليشمل أشخاصًا مشابهين حقًا.

يحافظ على كل تشابه كمخرج نموذج مُحكم ومُجسد، بحيث تُقرأ إجابة "مشابه لـ" نفسها باستمرار بدلًا من إعادة حسابها فورًا.

يستند كل من الثلاثة إلى البيانات المرصودة ويبقى ضمن حدود الهوية والخصوصية - يتم استنتاج التشابه مما حدث، وليس اختلاقه.

عقد معماري

ما هي مسؤولية هذه الطبقة؟

1

يقرأ سطور الطلب المفصلة من المتجر الخام ويحسب تكرار المنتج - عدد مرات ظهور منتجين في نفس السلة - كتشابه بين المنتجات.

2

يجمع البرنامج سجل مشتريات وتصفح كل عضو في فئة تفضيل خاصة به، مع توضيح الفئات التي يميل إليها.

3

يحسب التشابه بين الأعضاء من خلال علامات الملف الشخصي والسلوك، بحيث يمكن توسيع جمهور أولي ليشمل مجموعة عملاء مشابهة له.

4

يُجسّد مخرجات التشابه كنتائج نموذج مُدارة، ويُتيحها لعلم الوجود وواجهات التوصيات، بحيث تُقرأ بدلاً من إعادة اشتقاقها في كل استدعاء.

5

يُكمّل هذا النظام مخطط العلاقات: يُنمذج هذا النظام التشابه الإحصائي، بينما يُنمذج مخطط العلاقات الروابط الاجتماعية الصريحة والمُحوّلة — يُقرأ النظامان معًا، ولا يُخلط بينهما أبدًا.

تغطية إشارات البيع بالتجزئة

ما الذي يجعلها قابلة للاستخدام

أزواج الشراء المشترك للمنتجات (اشترى X، واشترى أيضًا Y)تشابه المنتجات من سلال التسوق الحقيقيةانتماء كل عضو للفئةتشابه الأعضاء والوسوم (الجمهور المشابه)أفضل المنتجات البديلة بناءً على أنماط الاستخدام الحقيقية