Yakınlık ve Benzerlik, gerçek sepetleri ve davranışları, üzerinde işlem yapabileceğiniz bir benzerliğe dönüştürür.
Soyutlama katmanının bir alt bileşeni, ilişki grafiğinden farklı bir soruyu yanıtlar: kimin kime bağlı olduğu değil, neyin neye benzediği. Üç tür istatistiksel benzerlik hesaplar ve bunların hepsi gerçek verilerden gelir. Ürünler arası benzerlik, gerçek sepetlerden gelir - hangi ürünler aynı siparişlerde birlikte bulunur (X satın alındı, ayrıca Y de satın alındı). Üye başına kategori yakınlığı, her üyenin kendi satın alma ve göz atma geçmişinden hangi kategorilere yöneldiğini yakalar. Ve üye ve etiket benzerliği - benzer görünümlüler - etiketleri ve davranışları birbirine benzeyen üyeleri gruplandırır, böylece kanıtlanmış bir kitle, gerçekten onlara benzeyen kişilere genişletilebilir. Bunların hiçbiri uydurma değildir: her puan, gözlemlenen siparişlerden ve davranışlardan türetilir ve oraya ulaşmak için asla kimlik veya gizlilik sınırlarını aşmaz.
Hangi ürünlerin birlikte satın alındığı, bir üyenin hangi kategorilere yöneldiği ve hangi üyelerin birbirine benzediği gibi gerçek verilerden istatistiksel benzerlik elde eder; dolayısıyla öneriler ve benzer genişleme, popülerliğe değil gerçek kalıplara dayanır.
Benzerlik, gerçek verilerden türetilmiştir — popülerlikten veya tahminden değil.
Öneriler ve kitle genişletme, yalnızca arkalarındaki benzerlik kadar iyidir. Bu katman, gerçekte olanlardan (gerçek sepetler, gerçek kategori eğilimi, gerçek profil benzerliği) bu benzerliği hesaplar ve yönetilen bir çıktı olarak ontolojiye ve öneri motoruna aktarır, böylece her "benzer" yanıtı temellenir ve tekrarlanabilir olur.
- Sıklıkla birlikte satın alınır
- Bazen birlikte satın alınır
- Çapa ürün
- Benzer ürün
Tamamı gerçek verilerden elde edilen üç tür benzerlik
Buradaki benzerlik her zaman 'ne neye benziyor' sorusuna cevap verir ve her zaman gözlemlenen emirler ve davranışlardan türetilir - asla uydurulmaz ve asla bir kimlik veya gizlilik sınırını aşarak oluşturulmaz.
- Üründen ürüne — gerçek sepetlerden ortak satın alma: aynı siparişlerde birlikte görünen ürünler (X satın alındı, ayrıca Y satın alındı), ürün benzerliğine dönüştürüldü.
- Üye başına kategori yakınlığı — bir üyenin yöneldiği kategoriler, mağaza genelindeki bir ortalama yerine kendi satın alma ve göz atma geçmişine göre hesaplanır.
- Üye ve etiket benzerliği (benzer görünüm) — etiketleri ve davranışları birbirine benzeyen üyeler, böylece kanıtlanmış bir başlangıç kitlesi, gerçekten onlara benzeyen insanlara genişletilebilir.
Benzerliğin hesaplamanıza olanak sağladığı şeyler
Benzerlik yönetilen bir çıktı olarak hayata geçirildiğinde, öneri yüzeyi haline gelir ve Aracının kolayca okuyabileceği bir şey haline gelir; her seferinde aynı yanıt.
- En iyi ikinci ürün — genel popülerlik yerine bir üyenin gerçek ortak satın alma ve kategori kalıplarına dayanır.
- Benzerlik temelli genişleme - geniş bir demografik gruba değil, gerçek bir profile benzerlik yoluyla yüksek performanslı bir kitle oluşturun.
- Tutarlı bir "benzer" yanıtı - öneri motoru, kampanya hedef kitlesi ve Temsilci akıl yürütme adımının tümü, yönetilen bir benzerliği okur, dolayısıyla kabul ederler.
Benzerlik ve ilişki grafiği
Bu katman, ilişki grafiğinin kardeşidir ve ayrım önemlidir: benzerlik istatistiksel benzerliktir (benzer görünür, benzer satın alınır), ilişki grafiği ise açık bir sosyal avantajdır (gerçek bir dönüştürülmüş yönlendirme veya muhtemel bir hane). Tamamlayıcıdırlar ve birlikte okunurlar — asla karıştırılmazlar.
- Benzerlik, verilerdeki kalıplardan 'ne neye benziyor' sorusuna cevap verir — benzer şekilde satın alınan ürünler, birbirine benzeyen üyeler.
- İlişki grafiği 'kim kime bağlı' sorusuna cevap veriyor — gerçek, dönüştürülmüş yönlendirme, elçi ve hane halkı bağları.
- Bir Temsilci her ikisini de kullanır: grafikten yapısal role göre bir oyun seçin ve benzerliğe göre doğru ürünü veya benzer kitleyi seçin.
Öneri motoru bu katmanın ana tüketicisidir: her üyenin e-posta, kendi siteniz ve API aracılığıyla herhangi bir uygulamadaki yakınlığını kişiselleştirir ve ilk kez gelen ziyaretçiler için trend olan bir geri dönüş sağlar, böylece bir alan asla boş kalmaz.
Katman yapay zeka kararlarını bu şekilde geliştirir.
Benzerlik modeli olmadığında, öneriler mağaza genelindeki popülerliğe, kitle genişletme ise geniş demografik yapıya indirgenir; her ikisi de belirli bir üyenin gerçekte neyi satın aldığı ve neye benzediği konusunda kördür. Benzerlik her araçta geçici olarak yeniden hesaplanır; dolayısıyla bir kampanyanın kullandığı "benzer" yanıtı, öneri motorunun sunduğu yanıtla çelişir ve bunların hiçbiri gerçek sepetlere veya gerçek profil benzerliğine dayanmaz.
Bir sonraki en iyi ürün seçimi, mağaza genelindeki popülerlikten ziyade gerçek bir ortak satın alma veya kategori modeliyle desteklenir.
Üyeler, ortalama bir alışverişçinin değil, gerçekten ilgi duydukları kategorileri yansıtan öneriler görürler.
Kanıtlanmış bir hedef kitle, geniş bir demografik tahmin yerine, etiketleri ve davranışları kendisine gerçekten benzeyen, benzer bir üye grubuna genişletilebilir.
Bir kampanyanın kullandığı 'benzeri' yanıt ve öneri motorunun sunduğu yanıt, aynı yönetilen model çıktısından gelir.
Değer sadece teknik değil operasyoneldir.
Ajan, mağaza genelindeki popülerlik yerine gerçek bir ortak satın alma veya kategori modeline dayalı en iyi ikinci ürünü ve demografik bir tahmine dayalı gerçek bir profil benzerliğine dayalı benzer ürün genişletmesini elde eder. Benzerlik, rastgele bir hesaplama yerine yönetilen bir model çıktısı olduğundan, aynı 'benzer' yanıt, okunduğu her yerde (öneri yüzeyi, kampanya kitlesi veya Ajan akıl yürütme adımı) tekrarlanabilir.
Gerçek sepetlerden (X satın alındı, ayrıca Y satın alındı) ürünler arası benzerliği hesaplar, genel en çok satanlardan değil.
Her üyenin kendi satın alma ve göz atma geçmişinden üye başına kategori yakınlığını türetir, böylece en iyi sonraki ürün, aslında neye yöneldiklerini yansıtır.
Etiketlerden ve davranışlardan üye ve etiket benzerliği (benzer kişiler) oluşturur, böylece kanıtlanmış bir kitle gerçekten benzer kişilere genişletilebilir.
Her benzerliği yönetilen, somutlaştırılmış bir model çıktısı olarak tutar, böylece aynı 'benzer' yanıt, anında yeniden hesaplanmak yerine tutarlı bir şekilde okunur.
Her üçünü de gözlemlenen verilere dayandırır ve kimlik ve gizlilik sınırları içinde kalır; benzerlik, olanlardan çıkarılır, asla uydurulmaz.
Bu katmanın sorumluluğu
Ham mağazadan ayrıntılı sipariş satırlarını okur ve üründen ürüne benzerlik olarak ürünün birlikte oluşmasını (iki ürünün aynı sepette ne sıklıkta göründüğünü) hesaplar.
Her üyenin kendi satın alma ve göz atma geçmişini üye başına bir kategori yakın ilgi alanı halinde toplayarak hangi kategorilere yöneldiklerini ifade eder.
Profil etiketlerinden ve davranışlardan üyeler arası benzerliği hesaplar, böylece bir başlangıç kitlesi, ona benzeyen bir benzer kümeye genişletilebilir.
Benzerlik çıktılarını yönetilen model sonuçları olarak somutlaştırır ve bunları ontolojiye ve öneri yüzeylerine sunar, böylece çağrı başına yeniden türetilmek yerine okunurlar.
İlişki grafiğine tamamlayıcı kalır: bu katman istatistiksel benzerliği modellerken, ilişki grafiği açık, dönüştürülmüş sosyal bağları modeller - ikisi birlikte okunur, asla karıştırılmaz.