618 Einkaufsbummel | Die Geheimnisse Von Amazon Und Taobao Lüften: Wie Man Algorithmen Entwickelt, Um Die Besten Einkaufsführer Zu Werden
Nach „Double Eleven“ nutzte JD.com sein Filialjubiläum auch dazu, als Pendant dazu den Halbjahres-Shopping-Karneval „618“ zu veranstalten. Neben der Nutzung verschiedener Marketingmethoden zur Kundengewinnung nutzen große E-Commerce-Unternehmen auch intelligente Empfehlungen, um die Kaufentscheidungen der Benutzer kontinuierlich zu beeinflussen. Das Empfehlungssystem hat wesentlich zum Wachstum des Transaktionsvolumens beigetragen.
Im Jahr 2009 startete Taobao die Veranstaltung „Double Eleven“ und verwandelte den ursprünglichen Singles‘ Day inEinkaufskarneval.Seitdem hat sich der historische Vorhang der großen E-Commerce-Unternehmen, die Festivals veranstalten, allmählich geöffnet.
In den letzten Jahren fanden fast das ganze Jahr über verschiedene Online-Shopping-Festivals statt.
Shopping-Festival: Verbraucherkarneval, E-Commerce-Krieg
Ab Neujahr folgen eine Reihe von Einkaufsfestivals aufeinander.
Vom „Neujahrswarenfest“ während des Frühlingsfestes über den „Göttinnentag“ am 8. März und den „Mutter-Kind-Tag“ Ende Mai bis hin zum „618“-Karneval zur Jahresmitte, gefolgt vom „Doppel-Elf“ und „Doppel-Zwölf“ in der zweiten Jahreshälfte … die Liste ist zu lang, um sie alle aufzuzählen. Große E-Commerce-Unternehmen haben ihre Methoden geändert, um der Mehrheit der Online-Käufer Folgendes zu bieten:Kaufen Kaufen KaufenGrund.
Angesichts der bevorstehenden „618“ von JD.com rüsten sich große E-Commerce-Unternehmen und Online-Käufer.
Seit Ende Mai bereiten sich die großen E-Commerce-Unternehmen auf diesen Karneval zur Jahresmitte vor, mit Werbung an jeder Ecke und verschiedenen Marketingstrategien: 50 % Rabatt in der ersten Stunde, schon ab 6,18 Yuan, Rabatte in verschiedenen Beträgen … und auch die Kaufsüchtigen haben begonnen, frühzeitig eine sorgfältige Auswahl zu treffen und ihre Einkaufswagen zu füllen.
Für die Mitarbeiter großer E-Commerce-Unternehmen scheint dieses Shopping-FestivalEin Krieg ohne SchießpulverGenerell sei „die Frontlinie zu lang, also müssen wir einfach bis zum 18. Juni warten, um anzufangen.“
Für die Protagonisten dieses „Krieges“ – die Mehrheit der Online-Käufer – ist der Preis angesichts der steigenden Ausgaben der Verbraucher nicht mehr der einzige Kaufgrund. Deshalb konkurrieren die großen E-Commerce-Unternehmen nicht mehr nur über den Preis. Marke, Qualität, Bewertung und andere Faktoren werden zu Bezugsgrößen. Das Empfehlungssystem „Schätze, das gefällt dir“ und „Gutes Zeug“Solche Dinge beeinflussen ständig die Entscheidungen der Online-Käufer und bringen sie ständig aus der Fassung.
Daher ist eine intelligentereEmpfehlungssystemDarüber hinaus ist es zu einer unverzichtbaren Waffe für E-Commerce-Plattformen geworden.
Personalisierte Empfehlungen überall
Intelligente Empfehlungssysteme sind heutzutage allgegenwärtig.
Toutiao verließ sich ursprünglich auf Algorithmen, um die Interessen-DNA der Leser zu interpretieren und den Benutzern präzise Nachrichtenempfehlungen zu geben, wodurch es sich von vielen Nachrichtenclients abhob. So basieren beispielsweise die Funktionen „Personen, denen dieser Film/dieses Buch gefällt, gefällt auch …“ auf der Filmkritik-Plattform, die Playlist-Empfehlungen auf der Musiksoftware oder „Jobs, die Sie interessieren könnten“ auf der Jobsuchsoftware auf intelligenten Empfehlungssystemen.
Verschiedene E-Commerce-Plattformen sind bereits untrennbar mit dem Empfehlungssystem verbunden. Laut Amazon, dem Erfinder intelligenter Empfehlungen, Die Einnahmen von 40% stammen vollständig aus dem personalisierten Empfehlungssystem.
Tatsächlich wurde das Empfehlungssystem zuerst im Einzelhandel populär und ist 20 Jahre Geschichte. Es hat die Phasen von der einfachen Verbandsempfehlung bis hin zur personalisierten Empfehlung durchlaufen.
Vom anfänglichen benutzerbasierten kollaborativen Filtern über den späteren inhaltsbasierten Filteralgorithmus bis hin zum hybriden Empfehlungsalgorithmus,Maschinelles Lernen, Deep LearningTechnologien wiePersonalisierung.
Anfangs stützte sich das Empfehlungssystem hauptsächlich auf Produktdaten, um ähnliche Produkte zum gesuchten Produkt zu empfehlen. „Alle sehen gleich aus“Später wurden mithilfe von Data Mining, maschinellem Lernen und anderen Technologien personalisierte Empfehlungen auf Grundlage der Verbindungen zwischen Benutzern erstellt. „Tausende Menschen, Tausende Gesichter“.
Taobaos intelligenter Empfehlungsalgorithmus enthüllt
Heutzutage bieten intelligente Empfehlungen Online-Käufern großen Komfort.Algorithmen sind zu Einkaufsführern geworden, die sich selbst besser kennen als sich selbst.Sie sollten jedoch wissen, dass hinter diesen Produkten, die Benutzer ständig zum Klicken verleiten, komplexe Algorithmen stecken, die maschinelles Lernen, Big Data, natürliche Sprachverarbeitung usw. beinhalten.
Nehmen wir als Beispiel Taobao, das den meisten Online-Käufern bekannt ist. Auch das Empfehlungssystem von Taobao hat mehrere Entwicklungsphasen durchlaufen.
Im Jahr 2011 begann Taobao mitDas erste experimentelle Projekt eines Empfehlungsalgorithmus. Damals handelte es sich um ein personalisiertes Projekt namens „Mutter-Kind-Datei“, das vor allem passende Produkte für Mutter-Kind-Kundinnen empfahl. Das Projekt wurde ursprünglich mit der Hoffnung ins Leben gerufen,Verbessern Sie die Sucheffizienz, damit Benutzer schneller Produkte finden können, die ihren Anforderungen entsprechen.ZunahmeEinfach zu messen.Zuvor verwendeten alle herkömmlichen E-Commerce-Suchen denselben Satz von Algorithmen.
Um das Jahr 2013 herum, als die Anzahl der Produkte auf der Plattform zunahm, konnte die Verwendung desselben Suchalgorithmus für alle Benutzer den Benutzeranforderungen nicht mehr gerecht werden. Zu diesem Zweck TaobaoPersonalisierte Empfehlungen und SuchenEs wurde offiziell auf die Tagesordnung gesetzt, um den zunehmend vielfältigen Anforderungen der Benutzer gerecht zu werden.
Taobao machte mit Juhuasuan einen entscheidenden SchrittPersonalisierter Empfehlungstest——In der Vergangenheit erfolgte die Sortierung der Produktauslagen von Juhuasuan auf Grundlage des stündlich berechneten Verkaufsvolumens. Nach der Einführung der personalisierten Sortierung verdoppelte sich das Produkttransaktionsvolumen schnell.
Der Erfolg des Tests hat Taobao mehr Vertrauen in personalisierte Empfehlungen gegeben. Deshalb gründete Alibaba 2014 nach dem E-Commerce-Suchteam ein eigenes Team für Empfehlungstechnologie.
Auch für das Empfehlungssystem von Alibaba bietet eine große Menge an Nutzerdaten eine ausreichende Grundlage. Neben Basisinformationen wie Alter und Geschlecht, der BenutzerEinkaufsverlauf, Suchverlauf, Browserverlauf,Alle werden von der Maschine erfasst, um ihre Präferenzen zu definieren.
Wir können Ihr Surfverhalten jederzeit beobachten. Beispielsweise können wir sehen, ob die Produkte, die Sie in zehn Kategorien durchsuchen, ähnlich sind. Wenn die empfohlenen Kategorien zu konzentriert sind, erkennt die Maschine anhand einiger Signale die Ermüdung des Benutzers. Beim nächsten Klick erhöht sie den Suchgrad und empfiehlt etwas anderes.
Der Verantwortliche für das Empfehlungssystem von Taobao sagte einmal: „Die schlimmste Situation bei Produktempfehlungen ist, dass Benutzer das Produkt sehen, aber ständig über den Bildschirm scrollen und nicht darauf klicken.“
Aber,Für Algorithmen ist es nicht einfach, im Benutzerverhalten eine Logik zu erkennen.Für einen Benutzer kommt dieses Szenario wahrscheinlich ganz häufig vor: Taobao öffnen, nach einem Rock suchen, dann nach Fahrrädern, dann zurück, um sich Röcke anzusehen, und schließlich eine Tüte scharfe Nudeln kaufen und gehen.
Um aus einem Wirrwarr von Verhaltensweisen Regeln zu extrahieren, haben Algorithmenentwickler zwei Methoden entwickelt:Empfehlungen in Echtzeit,Lassen Sie komplexe Modelle und Algorithmen die Absicht jedes Klicks schnell verstehen und jederzeit Empfehlungen entsprechend den Schritten des Benutzers abgeben.Kategorisieren Sie unlogisches Verhalten.Das heißt, nach Kategorien wie Kleidung, elektronische Produkte usw. sortiert.
Bis 2018 wurden die intelligenten Empfehlungen von Taobao szenariobasiert. Wenn Benutzer beispielsweise nach Esszimmerstühlen im nordischen Stil suchen, werden ihnen nicht nur Esszimmerstühle empfohlen, sondern auch ein komplettes Set an Einrichtungsgegenständen im nordischen Stil. Es wird berichtet, dass die Nutzungsrate der Empfehlungsspalte von Taobao nach dieser Verbesserung stark zugenommen hat.
Wenn wir E-Commerce-Plattformen nutzen, verfolgen wir auch ein bestimmtes Ziel. "suchen"wurde allmählich zu einem ziellosen "besuchen". Beim Herumschlendern kauft man oft unbewusst eine Menge empfohlener Produkte.
Einschränkungen und Herausforderungen von Empfehlungssystemen
Empfehlungssysteme stehen jedoch häufig in der Kritik.Ungenaue Empfehlungen und doppelte EmpfehlungenDies ist der am häufigsten verwendete Steckplatz.
Ein Benutzer beschwerte sich einmal: „Ich habe gerade eine Steppdecke gekauft, aber sie empfehlen sie mir jeden Tag. Ein anderer Benutzer sagte: „Ich habe es satt, dass mir jeden Tag der gleiche Rockstil empfohlen wird.“
Daten zeigen, dass bei Waren wie Büchern und Lebensmitteln die Wiederkaufsrate relativ hoch ist, sodass auch der Algorithmus für wiederholte Empfehlungen zielgerichteter gestaltet werden muss.Derselbe Algorithmus gilt nicht mehr für alle Benutzer und Produkte.
Daher muss die Empfehlungstechnologie hinsichtlich Genauigkeit und potenzieller Nachfrageermittlung kontinuierlich verbessert werden. Eines Tages in der Zukunft können Sie vielleicht mit geschlossenen Augen kaufen, was Sie sich am meisten wünschen.
Abschließend wünsche ich Ihnen allen ein zufriedenstellendes und fröhliches Einkaufsfest.