„Pinterest“ apibūdino savo naujausią požiūrį į turinio rekomendacijas, pagal kuriuos naudojamas AI vertinimas naudotojų elgsenai, siekiant nustatyti galimą jų ketinimą naudoti „Pinterest“.
Proceso tikslas – nustatyti kiekvieno vartotojo „kelionę“, kaip ir tai, ko jie iš tikrųjų nori pasiekti per PIN kodo atradimo ir veiksmų procesą.
Kaip paaiškino Pinterest:
“Naudotojo kelionė – tai naudotojo elemento sąveikų seka, dažnai apimanti kelis seansus, kurios pagrindinis dėmesys skiriamas tam tikram pomėgiui ir atskleidžiamas aiškus ketinimas, pvz., tyrinėti tendencijas arba pirkti. Pavyzdžiui, kelionė gali būti susijusi su domėjimusi „vasarinėmis suknelėmis“, ketinimu „sužinoti, kas yra madinga“ ir „pasiruošusio pirkti“. Keičiantis jų interesams ir tikslams, naudotojai gali turėti kelias, kartais persidengiančias, keliones vienu metu.“
Taigi „Pinterest“ siekia išplėsti savo rekomendacijas, ne tik susijusius smeigtukus, bet ir tai, ko kiekvienas vartotojas gali ieškoti toliau kiekvienoje kelionėje, atsižvelgdamas į kitų naudotojų elgesį ir visą kiekvieno asmens veiklos sritį.
Ir tai veikia. Taikant šį atnaujintą rekomendacijų metodą, „Pinterest“ el. pašto paspaudimų rodiklis padidėjo 88%, o vartotojų apklausos parodė 23% daugiau teigiamų atsiliepimų.
Šis procesas iš esmės naudoja platesnį signalų spektrą, kad suprastų tikėtiną kiekvieno vartotojo tikslą, o ne tiesiogines rekomendacijas.
“Nustačius naudotojų keliones, galime pereiti nuo paprastų turinio rekomendacijų ir tapti platforma, kuri padeda vartotojams pasiekti savo tikslus, nesvarbu, ar tai būtų vestuvių planavimas, virtuvės atnaujinimas ar naujų įgūdžių mokymasis.
Kaip matote šioje diagramoje, procese naudojamas laipsniškas procesas, siekiant geriau suprasti kiekvieno naudotojo veiklos kryptį, ir į modelį įtraukiamos AI prognozės, kad būtų galima nustatyti ir pavadinti įprastas keliones.
Pagrindiniai rodikliai, kaip matote, yra šie:
- Vartotojo paieškos istorija: Apibendrintos užklausos ir laiko žymos.
- Vartotojo veiklos istorija: Tokios sąveikos kaip smeigtukų smeigtukai, pakartotiniai paspaudimai ir paspaudimai ištraukia komentarus ir pomėgius iš įtrauktų smeigtukų.
- Vartotojo lentos: Ištraukite komentarus ir pomėgius iš smeigtukų naudotojo lentose.
Remiantis šiais elementais, sistema naudoja klasterizavimą raktinių žodžių grupėms generuoti, o kiekviena grupė yra „kelionės kandidatas“.
„Tada kuriame specializuotus modelius, skirtus kelionės reitingavimui, etapo numatymui, pavadinimų suteikimui ir išplėtimui. Šis išvadų vamzdynas veikia srautinio perdavimo sistemoje, todėl galime atlikti visas išvadas, ar keičiasi algoritmas, arba kasdien daryti laipsniškas išvadas apie naujausius aktyvius naudotojus, kad kelionės greitai reaguotų į naujausią naudotojo veiklą.“
Taigi, keičiantis naudotojų elgesiui, tobulėja kelionės numatymo modelis, o LLM dirba kuriant naujas kelionės rekomendacijas „pagal vartotojo praeities ar vykstančias keliones“.
Tai skatina „Pinterest“ el. pašto siuntimo rekomendacijas, skatinančias vartotojus grįžti į platformą ir tęsti savo keliones, kaip numato modelis.
Dėl to žymiai pagerėjo atsakymas el. paštu.
Kai kuriais atžvilgiais tai gali atrodyti akivaizdu, numatant tikėtiną naudotojų elgesį pagal jų veiklą ir susiejant jį su galimais atradimų keliais. Tačiau šiuo atžvilgiu tai yra reikšminga nuspėjamųjų modelių raida, nes sistema, remdamasi jūsų kelio AI analize, numato, ką norėsite matyti toliau.
Tai įdomi plėtra, susijusi su platesne Pinterest plėtra, parodanti, kaip platformos gali geriau panaudoti AI savo nuspėjamuosiuose modeliuose, kad pagerintų vartotojo patirtį.
Apie Pinterest nuspėjamą kelionės modeliavimą galite perskaityti čia.
