亚马逊利用人工智能分析客户心理
2020年01月15日 由 TGS 发表
828610
0
为什么有些时候客户会购买无关紧要的东西?对此,亚马逊的一个研究小组计划在2月份即将召开的ACM网络搜索和数据挖掘会议上进行一项研究,以寻求答案。目前,他们发表了一份报告。
研究人员使用统计方法来识别发出过非常短或非常长的查询的客户,他们表示,与那些查询长度中等的客户相比,这些客户的购买决策往往更加灵活。此外,他们还考虑了相关产品和不相关产品之间的关系,如果两种产品属于同一类型、品牌或类别,或者它们是一起被购买的,那么它们之间就存在间接关系。
研究人员表示,考虑到两种不同的间接关系衡量方法——一种基于描述性术语的含义,另一种基于购买历史,两者都与购买增加相关。
在进行统计分析后,研究人员进行了两个实验来评估在亚马逊搜索结果中包含不相关产品的价值。首先,团队确定了1500个查询——每个查询都与一个相关的和一个不相关的产品关连——然后他们考虑了对所有查询应用五种不同产品选择策略的结果。
结果证明,第一种策略最优——总是选择导致更高的购买水平或参与水平的产品,这取决于所衡量的是哪一种。(这里,参与或购买级别是导致参与或购买操作交互与数据样本中所有交互的比率。)相关的策略总是返回相关的产品,而不相关的策略总是返回不相关的产品,在两者之间随机任意选择,最差的策略总是返回导致较低购买或参与水平的产品。并不令人意外的是,研究人员报告称,通过只选择相关结果而获得的参与度和购买水平,与最优水平之间存在“显著”差距。最优水平包括购买和购买不相关结果。
在另一项测试中,该团队使用相同的1500个查询来训练三种不同的机器学习模型:第一种是最大化关联性,第二种是最大化购买水平,第三种是最大化参与度。然后,他们建立了两个融合模型,一个结合了关联模型和参与模型,另一个结合了关联模型和购买模型,最后,研究人员比较了它们的整体表现。
它们在相关性和购买或参与水平之间存在一种权衡——在一个标准上提高业绩会影响在另一个标准上的业绩。这可能是因为,如果结果不能满足客户的需求,但看起来是相关的——因为购买和参与级别捕获的相关性,比人工注释所能传达的更加主观。