ナレッジベースシステム
ナレッジベースシステムとは、ユーザーのニーズに対する影響と、ドメインの専門知識と知識の程度に基づいて提案 各推奨事項のコンテキストを設定するルールが定義されています。 これは、例えば、信頼のような特定の金融商品がユーザーにとって有益であるときを定義する基準である可能性があります。 これらは、デフォルトでは、コンテンツベースのアプローチと同じ方法でユーザーの対話履歴を使用する必要はありませんが、これらだけでなく、顧客の製品 システムの構築方法を考えると、推奨事項は簡単に説明できます。 しかし、このタイプのフレームワークを構築することは高価になる可能性があります。 これは、アイテムがまれに購入されているか、したがって、データが不足している複雑なドメインに適している傾向があります。 これを考えると、それは上記の他の人と同じコールドスタートの問題に苦しむことはありません。
推薦者制度が直面する共通の課題は何ですか？
- データのスパース性。 行と空白またはゼロ値を含む値の行で満たされたデータセット。 そのため、データセットのより密度の高い部分と情報を持つ部分を使用する方法を見つけることは重要です。
- ラベリングは不完全です。 ラベルが異なる同じ製品は無視されるか、誤って消費される可能性があり、情報が正しく組み込まれないことを意味します。
- 従来のアプローチはプロダクトおよび顧客の多様性によって圧倒されるようになった。 これは、データセットが拡大し、パフォーマンスの低下につながる可能性があるため、課題になります。
あなたの推薦システムをどのように測定しますか？
関連する推奨事項を提供することは、サウンドシステムの特徴です。 従来の測定技術には、精度の測定またはカバレッジ測定が含まれます。
正確さは、可能な全推奨事項のうち、正しい推奨事項の割合として記述することができます;
カバレッジは、システムが実際に推奨を提供できるアイテムまたはユーザーの数を測定します。
例えば、カバレッジが低いと同時に精度が高い場合があります。 これは、適格なサブセットへの推奨が有効で正確であった場合に発生する可能性があります。 これは、適切なサブセットへの推奨が有効で正確である場合に発生する可能性がありますが、アイテムを評価したユーザーがほとんどいないため、多く
ユーザーエクスペリエンスが鍵
一般的に、推奨エンジンはより多くの情報で改善されます。 その結果のためのスマート、直感的な、視覚化技術を表示する推奨エンジンは、繰り返し訪問を確実にするためにはるかにlikelierです。 このように、より多くの情報や製品のためのあなたの探求と一緒に、あなたと一緒に継続する推奨エンジンは、後で使用するための基礎となる情報の
推薦エンジンのための自立した絶えず改善された環境を作成することは、エンジン自体を準備するよりもはるかに多くに依存しています。
一般的なユースケース
Netflixの例を取り返してみましょう。 推奨エンジンはNetflixの中核です。 プラットフォームで視聴しているテレビ番組の80％以上が、推奨システムを通じて発見されています。 このシステムのユニークな点は、幅広いジャンルを見ているのではなく、コンテンツ内の微妙なスレッドを見ていることです。 目的は、視聴者が先入観を破り、最初に選択した可能性のあるショーを見つけるのを助けることです。
Netflixの推薦エンジンは”三本足の腰掛け”の働く概念を使用する。 最初のレグは、Netflixのメンバーが見たものの歴史です。 タグは、コンテンツに関するすべてを理解し、すべてのデータを取得して物事をまとめる独自の機械学習アルゴリズムを理解しているNetflixの従業員に
このような推奨エンジンworking conceptは、他の業界の製品やサービスの販売活動を促進するインテリジェントな意思決定支援システムとしても役立ちます。 これらは、営業担当者の効率を向上させたり、顧客自身のための自動意思決定プロセスを作成することができます。
推奨エンジンは、消費者向けに直接展開することもできます。 たとえば、Credit Karmaはカリフォルニア州のfintechスタートアップで、クレジットスコアと完全な信用履歴への無料アクセスを提供し、クレジットカード、ローン、その他の製品のパーソナライズされた推薦からユーザーにお金を稼ぐことができます。 その推薦システムは、ユーザーの信用履歴や現在の状況に関する何百万ものデータに依存して、ユーザーが興味を持つだけでなく、承認される可能性が高く、長期
結論として、勧告システムはますます人間の生活や意思決定プロセスのすべての歩みに統合されています。 この驚異的なことは、他の業界、特に情報過多、顧客の期待の高まり、コスト削減が推奨エンジンのインスタンスをさらに増やしている消費者向けの企業でも違いはありません。 最終的には、クライアントエクスペリエンスを向上させ、アドバイザーの効率を最大化するためのツールの両方として機能します。