38 рублей моего заказа составляют 29% денег, которые я заплатил девушке за кассой, и если бы я был недоволен жизнью, я бы изобразил этот факт вот так:
Покупаете ли вы помидоры, сотовый телефон или спички, — грамотный продавец всегда невзначай спросит, не забыли ли вы купить огурец, чехол или газовую плиту. Блестящий продавец учтет при этом ваш статус, поведение и возраст. Улыбаться покупателям не всегда достаточно, надо помогать им делать выбор. Время диктует свое — теперь множество продавцов электронные. Это удобно, ведь можно купить вещь, не выходя из дома! Но как порекомендовать живому человеку хоть что-нибудь, если ты — компьютер?
Я — компьютер
Я не знаю, сколько зарабатывает McDonald’s на рекомендациях пирожков и картошки фри, но данные от электронных магазинов иногда просачиваются. Вот например, есть слух про amazon.com, у которого ссылка на рекомендации на одном уровне с логотипом.
Чтобы порекомендовать вам что-то, компьютеры сначала исследуют ваш вкус. Есть много разных параметров, по которым можно отследить, какой у вас вкус:
Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*
Как получить измеримые результаты в фарммаркетинге.
Показываем на примерах →
Спецпроект
- какие страницы вы смотрите чаще;
- какие товары покупаете;
- какие кладете себе в вишлист;
- как вы оцениваете те или иные вещи;
- что вы рекомендуете друзьям;
- что нравится вашим друзьям.
Используя эту информацию, компьютеры подходят к рекомендациям с двух сторон, и получаются человекоориентированные и продуктоориентированные рекомендации.
Человекоориентированные рекомендации
Классическим примером является сервис Last.fm. Он находит людей, которым нравятся песни, нравящиеся вам. Если этим людям нравится что-то, о чем вы еще не слышали, сервис рекомендует это вам. Это выглядит так:
Будь я компьютером, посоветовал бы ABBA. Так компьютеры и делают.
Продуктоориентированные рекомендации
Ученые из Amazon.com (так круто, что в магазине работают ученые!) одними из первых решили, что компьютерам легче отталкиваться не от похожести людей, а от похожести вещей. И они начали искать не людей со схожими вкусами, а товары, которые похожи на те, что нравятся вам. Это выглядит так:
Компьютер посоветует BMW и Apple. Ну, вы и так поняли. Может показаться, что эти способы почти ничем не отличаются. Но компьютеры — чувствительные штуки, и для них все очень важно.
Узнать вкус всех человеков!
И это не самое сложное. Сложнее всего понять, насколько совпадают вкусы людей или насколько похожи две вещи друг на друга. Однажды я уже рассказывал про трехмерное пространство, но когда имеешь дело со вкусами людей, в дело вступают пространства пострашнее. Например, у вас есть магазин и там продается около тысячи вещей. Тогда вам понадобится производить операции в тысячемерном пространстве, чтобы узнать вкусы ваших покупателей. Это не очень-то просто, потому что даже четырехмерное пространство — черт знает что. Давайте для простоты будем продавать только два товара, чтобы узнать, кто на кого похож — практичные сапоги Hunter и еще более практичные коричневые трусы American Apparel. Шкала вкуса такова — от 100 (полный восторг) до — 100 (полное отвращение). Допустим, Круглый полностью восторжен трусами, но лишь наполовину восторжен сапогами. Можно изобразить его вкус следующим образом:
Про Яйцеголового нам известно меньше — трусы ему нравятся очков на 60. Как компьютеру посчитать, насколько ему понравятся сапоги?
Эта формула — обычная пропорция, которой всех учат в школе. Ничего сложного, но сложности начинаются, как только товаров больше двух. Сразу в дело вступают косинусы углов в n-мерном пространстве и другие штуки. Так что остановимся на двух товарах. Уверен, суть вы уловили.
Проблемы компьютерных рекомендаций
Если вы спросите у друга: «Где поужинать сегодня?», а он ответит вам: «Сходи лучше в кино на Скотта Пилигрима!», то вы не удивитесь, и даже есть вероятность, что променяете ужин на кино. Но если вам в ответ на запрос так скажет Google, вы подумаете, что сломали самый популярный поисковик на планете. Это проблема, но, вероятно, временная. Принятие рекомендации в рассмотрение — вопрос психологии. Многие не доверяют рекомендациям от людей, куда уж там компьютерам справиться. Есть люди, которые по вредности своей терпеть не могут любые рекомендации. Статья с таким названием, как эта, им понравиться не может в принципе. Но ради них я не стал назвать ее: «Вам абсолютно точно не понравится эта статья». А еще многие люди изменяют свои вкусы, чтобы приблизится или войти в социальную группу. Вы видели как на некоторых сидят узкие джинсы? Так что ваш вкус это не всегда ваш вкус.
Кто может использовать компьютерные рекомендации?
Если у вас есть какие-то данные о предпочтениях кого-либо, то — вы. Вы читаете сайт Look At Me? Наверняка есть такое место, где записано, чему пользователи ставят плюсики, чему — наоборот. Что кладут в избранное. Значит, можно применить известные алгоритмы к этой информации и советовать читателям разные штуки. Вот, например, пост, вышедший полтора года назад. Я его не читал до сегодняшнего дня, но если бы мне посоветовали, я бы с удовольствием. И так не только с Look At Me, а буквально везде, где люди могут высказать свое отношение к чему-либо. Давать советы дело неблагодарное, но зачастую — выгодное. Также, про мотивацию людей в современном мире действовать исходя из рекомендаций читайте интервью Александра Новикова «Человеческого в нас будет оставаться все меньше».
Источник: