Compras navideñas: compre inteligentemente con el motor de recomendaciones de Amazon

En Navidad, muchos de nosotros estamos luchando por elegir el regalo más adecuado para nuestros seres queridos. La búsqueda de regalos para Navidad puede requerir días de planificación, a veces semanas. Aparte de su parte divertida y alegre, las compras navideñas pueden ser una experiencia estresante y que requiere mucho tiempo .

Afortunadamente, en la era de la tecnología avanzada, existen herramientas disponibles gratuitamente que pueden hacer que el proceso de compra sea mucho más eficiente y productivo. En esta publicación, le mostraré cómo uno de los sitios minoristas más grandes del mundo, Amazon.com, puede ayudarlo a encontrar los mejores regalos para sus amigos y familiares en un plazo razonable con la ayuda de su motor de recomendación inteligente.

Experiencia de usuario personalizada

Los sitios web más exitosos del mundo, como Amazon, Facebook y Youtube, son tan populares porque ofrecen una experiencia de usuario personalizada para todos .

Personalizar la experiencia del usuario básicamente significa que las empresas observan a sus usuarios mientras navegan por su sitio y realizan diferentes acciones en él. Recopilan los datos en bases de datos ordenadas y los analizan.

¿No es eso perjudicial para la privacidad? Desde cierto punto de vista, sí lo es; estas empresas pueden saber más sobre nosotros que nuestros amigos más cercanos o incluso nosotros mismos. Por otro lado, nos ofrecen un servicio que puede hacernos la vida más fácil y nuestras decisiones mejor informadas.

Si lo miramos desde un punto de vista transaccional, «pagamos» por una mejor experiencia y comodidad del usuario, con una parte de nuestra privacidad.

Por>>La tecnología detrás de las recomendaciones de Amazon

Mientras navegamos por el sitio web de Amazon, podemos encontrar recomendaciones personalizadas en todas partes bajo títulos como «Nuevo para ti», «Recomendaciones para ti en la Tienda Kindle», «Recomendaciones destacadas», «Los clientes que compraron este artículo también compraron» y muchos otros.

Las recomendaciones se han integrado en cada parte del proceso de compra, desde la búsqueda del producto hasta el pago . Las recomendaciones personalizadas están impulsadas por un motor de recomendación inteligente que llega a conocer cada vez mejor a los usuarios a medida que usan el sitio.

Para>versiones> . Cuando buscamos un artículo en Amazon, no solo devuelve los resultados, sino que también hace predicciones sobre los productos que podemos necesitar y nos muestra sus recomendaciones.

Los sistemas de recomendación utilizan diferentes tipos de algoritmos de aprendizaje automático y se han vuelto implementables comercialmente con la evolución de la tecnología de big data . Los motores de recomendación son productos basados ​​en datos , ya que necesitan encontrar el pequeño conjunto de datos más relevante en el enorme océano de big data .

La>análisis>

Usan uno de los siguientes enfoques:

(1) Filtrado colaborativo , que busca similitudes entre datos colaborativos como compras, calificaciones, me gusta, votos positivos, votos negativos en:

  • ya sea la matriz usuario-usuario , donde se generan recomendaciones basadas en las elecciones de otros clientes a quienes les gustaron, compraron, calificaron, etc. productos similares,
  • o la matriz producto-producto , donde el motor de recomendaciones devuelve productos que son similares en compras, me gusta, calificaciones, etc. a los productos que el usuario actual ha comprado, calificado, dado me gusta o votado anteriormente.

Amazon usa este último, ya que es más avanzado (ver en detalle en la siguiente sección).

(2) Filtrado Basado en Contenido , que hace predicciones basadas en las similitudes de características objetivas de productos tales como detalles, descripciones, autores, y también en las preferencias previas del usuario (que aquí no se comparan con las preferencias de otros usuarios) .

(3) Filtrado híbrido , que utiliza algún tipo de combinación de filtrado colaborativo y basado en contenido.

La matriz producto-producto

La forma tradicional de filtrado colaborativo hace uso de la matriz usuario-usuario, y por encima de cierta cantidad de datos tiene serios problemas de rendimiento.

Para hacer coincidir las preferencias, calificaciones, compras de todos los usuarios y encontrar aquellos que están más cerca del usuario activo , el motor de recomendaciones tiene que analizar cada usuario en la base de datos y compararlos con el actual.

Si pensamos en el tamaño de Amazon, está claro que este tipo de filtrado no es factible para ellos, por lo que los ingenieros de Amazon desarrollaron una versión mejorada del método anterior y lo llamaron filtrado colaborativo de artículo a artículo .

El filtrado colaborativo de artículo a artículo mantiene el éxito colaborativo como punto de referencia en lugar de las cualidades objetivas de un producto (consulte el filtrado basado en contenido más arriba), pero ejecuta las consultas en la matriz producto-producto, lo que significa que no compara usuarios, en su lugar compara productos.

El motor de recomendaciones echa un vistazo a los productos que hemos comprado, calificado, incluido en nuestra lista de deseos, comentado, etc. hasta ahora, luego busca otros elementos en la base de datos que tienen tarifas y compras similares, los agrega y luego devuelve el mejores coincidencias como recomendaciones.

Cómo>>Volviendo a las compras navideñas, es posible entrenar el motor de recomendaciones de Amazon para obtener mejores resultados . Si solo tiene una vaga idea sobre qué comprar para un ser querido, no tiene que hacer nada más que dejar rastros en el sitio web mientras navega.

Por el bien de esta publicación, lo probé yo mismo.

Mi punto de partida fue que quería encontrar algunos muebles de oficina más pequeños, pero no sabía exactamente qué. Así que ingresé algunas palabras clave relacionadas en la barra de búsqueda y comencé a buscar los resultados. Puse los artículos que me gustaban en mi lista de deseos, califiqué algunas reseñas como «útiles» y dejé algunos muebles de oficina en mi canasta.

Si alguna vez compré un artículo similar en Amazon, habría sido muy útil escribir una reseña sobre él, pero en realidad no podría hacerlo (solo puedes escribir reseñas sobre productos que ya has comprado).

Después de unos 10-15 minutos me detuve e hice clic en mis páginas de Recomendación (que se pueden encontrar en el punto del menú «[Su nombre] Amazon»). Antes del experimento solo tenía libros en esta página, ya que eso es lo que suelo comprar en Amazon. Después de mi extensa búsqueda, los libros han desaparecido y han sido reemplazados por muebles de oficina geniales, como puede ver a continuación.

Ajustar>>Es posible entrenar aún más el motor de recomendaciones, ya que debajo de cada recomendación hay un «¿Por qué recomendado?» enlace . Entre mis recomendaciones se puede ver una bolsa de basura (último artículo), que no es un producto de mobiliario de oficina y no quiero comprar para Navidad.

Veamos por qué está aquí.

Después de hacer clic en el enlace, Amazon me informa que fue recomendado porque puse cierta silla de computadora de oficina en mi canasta. Bueno, esa es una conexión interesante, pero todavía no la necesito.

Tengo dos opciones aquí, puedo marcar la casilla de verificación «No me interesa» junto a la bolsa de basura o la casilla «No usar para recomendaciones» junto a la silla de la oficina. Marco la casilla de verificación «No me interesa».

Y>>

Sin>>Cuando haya encontrado mi búsqueda de regalos imaginada, simplemente puedo desmarcar los productos que tal vez quiera ver entre mis recomendaciones en el futuro.

Deja un comentario