Afinidad y similitud transforman cestas y comportamientos reales en una similitud sobre la que puedes actuar.
Un subcomponente de la capa de abstracción que responde a una pregunta distinta a la del grafo de relaciones: no quién está conectado con quién, sino qué se parece a qué. Calcula tres tipos de similitud estadística, todos a partir de datos reales. La similitud entre productos proviene de cestas de compra reales: qué productos aparecen juntos en los mismos pedidos (compró X, también compró Y). La afinidad de categoría por miembro registra las categorías hacia las que se inclina cada miembro, a partir de su historial de compras y navegación. Y la similitud entre miembros y etiquetas (parecidos) agrupa a los miembros cuyas etiquetas y comportamiento se asemejan entre sí, de modo que una audiencia probada puede ampliarse a personas que realmente se parecen a ellos. Nada de esto es inventado: cada puntuación se deriva de los pedidos y el comportamiento observados, y nunca traspasa los límites de identidad o privacidad para obtenerla.
Deriva la similitud estadística de datos reales (qué productos se compran juntos, hacia qué categorías se inclina un miembro y qué miembros se parecen), de modo que las recomendaciones y la expansión de similitudes se basan en patrones reales, no en la popularidad.
Similitud, derivada de datos reales, no de popularidad ni de conjeturas.
Las recomendaciones y la expansión de la audiencia son tan buenas como la similitud detrás de ellas. Esta capa calcula esa similitud a partir de lo que realmente sucedió (cestas reales, inclinación de categoría real, parecido de perfil real) y se la entrega a la ontología y al motor de recomendaciones como una salida gobernada, de modo que cada respuesta "similar a" esté fundamentada y sea reproducible.
- Comprados juntos con frecuencia
- A veces se compran juntos
- Producto principal
- Producto similar
Tres tipos de similitud, todos a partir de datos reales.
La similitud aquí siempre responde a la pregunta "¿qué se parece a qué?", y siempre se deriva de órdenes y comportamientos observados; nunca se fabrica ni se traspasa un límite de identidad o privacidad.
- Comparación de productos: compra conjunta a partir de cestas reales: qué productos aparecen juntos en los mismos pedidos (compró X, también compró Y), convertido en similitud de productos.
- Afinidad de categoría por miembro: categorías hacia las que gravita un miembro, calculadas a partir de su propio historial de compras y navegación en lugar de un promedio de toda la tienda.
- Similitud de miembros y etiquetas (parecidos): miembros cuyas etiquetas y comportamiento se asemejan, lo que permite ampliar una audiencia inicial probada a personas con características similares.
Qué te permite calcular la similitud
Una vez que la similitud se materializa como un resultado gobernado, se convierte en algo que aparece en la superficie de recomendación y el Agente puede simplemente leer: la misma respuesta siempre.
- El siguiente mejor producto: basado en los patrones reales de compra conjunta y de categoría de un miembro, en lugar de la popularidad genérica.
- Expansión de audiencias similares: haga crecer una audiencia de alto rendimiento por su parecido con un perfil real, no por un amplio rango demográfico.
- Una respuesta consistente "similar a": el motor de recomendaciones, la audiencia de la campaña y un paso de razonamiento del Agente leen una similitud gobernada, por lo que están de acuerdo.
Similitud frente al gráfico de relaciones
Esta capa es la hermana del gráfico de relaciones, y la distinción es importante: la similitud es una semejanza estadística (parecidos, con productos similares), mientras que el gráfico de relaciones es una ventaja social explícita (una referencia convertida o un posible hogar). Son complementarios y se interpretan juntos, nunca se confunden.
- La similitud responde a la pregunta "¿qué se parece a qué?" (productos comprados de forma similar, miembros con características similares) a partir de patrones en los datos.
- El gráfico de relaciones responde a la pregunta de "quién está conectado con quién": vínculos reales, referidos, embajadores y lazos familiares.
- Un agente usa ambos: elige una obra por rol estructural del gráfico y elige el producto correcto o audiencia similar por similitud.
El motor de recomendaciones es el principal consumidor de esta capa: personaliza la afinidad de cada miembro a través del correo electrónico, su propio sitio y cualquier aplicación a través de API, con un respaldo de tendencia para quienes visitan por primera vez, por lo que un espacio nunca está vacío.
Así es como la capa mejora las decisiones de la IA.
Sin un modelo de similitud, las recomendaciones se reducen a la popularidad en toda la tienda y la expansión de la audiencia se reduce a datos demográficos amplios, ambos ciegos a lo que un miembro específico realmente compra y a qué se parece. La similitud se vuelve a calcular ad hoc en cada herramienta, por lo que la respuesta "similar a" que utiliza una campaña no está de acuerdo con la que ofrece el motor de recomendaciones, y ninguna de las dos se basa en cestas reales ni en un parecido real de perfil.
La selección del siguiente mejor producto se basa en un patrón real de compra conjunta o de categoría, en lugar de la popularidad en toda la tienda.
Un miembro ve recomendaciones que reflejan las categorías que realmente le interesan, no las de un comprador promedio.
Una audiencia comprobada se puede ampliar a un conjunto de miembros similares cuyas etiquetas y comportamiento realmente se parecen a ella, en lugar de una suposición demográfica amplia.
La respuesta "similar a" que usa una campaña y la que ofrece el motor de recomendaciones provienen del mismo modelo de salida.
El valor es operativo, no sólo técnico.
El agente recibe un producto similar basado en un patrón real de compra conjunta o categoría, en lugar de la popularidad general de la tienda, y una expansión de productos similares basada en un perfil real parecido, en lugar de una suposición demográfica. Dado que la similitud es un resultado de un modelo gobernado, en lugar de un cálculo ad hoc, la misma respuesta de "similar a" es reproducible en cualquier lugar donde se lea: la superficie de recomendaciones, la audiencia de una campaña o un paso de razonamiento del agente.
Calcula la similitud entre productos a partir de cestas de compra reales: pares de compra conjunta (compró X, también compró Y), no los más vendidos genéricos.
Determina la afinidad de categoría por miembro a partir del historial de compras y navegación de cada miembro, de modo que el siguiente mejor producto refleja sus preferencias reales.
Crea similitudes entre miembros y etiquetas (personajes parecidos) a partir de las etiquetas y el comportamiento, de modo que una audiencia probada pueda ampliarse a personas realmente similares.
Mantiene cada similitud como una salida de modelo materializada y controlada, de modo que la misma respuesta de "similar a" se lee de forma consistente en lugar de recalcularse al instante.
Los tres aspectos se basan en datos observados y se mantienen dentro de los límites de la identidad y la privacidad: la similitud se infiere de lo que sucedió, nunca se fabrica.
¿De qué se encarga esta capa?
Lee líneas de pedido detalladas de la tienda sin procesar y calcula la coexistencia de productos (con qué frecuencia aparecen dos productos en la misma cesta) como una similitud de producto a producto.
Agrega el historial de compras y navegación de cada miembro en una afinidad de categoría por miembro, expresando hacia qué categorías se inclinan.
Calcula la similitud entre miembros a partir de las etiquetas de perfil y el comportamiento, de modo que una audiencia inicial se puede ampliar a un conjunto de perfiles similares.
Materializa los resultados de similitud como resultados del modelo gobernado y los expone a la ontología y las superficies de recomendación, de modo que se lean en lugar de volver a derivarse por llamada.
Se mantiene complementario al gráfico de relaciones: esta capa modela la semejanza estadística, mientras que el gráfico de relaciones modela los vínculos sociales explícitos y convertidos; ambos se interpretan conjuntamente, nunca se confunden.