نظام التوصية هو أداة تستخدم التعلم الآلي لاقتراح العناصر أو المحتوى للمستخدمين بناء على اهتماماتهم وسلوكهم السابق.
غالبا ما تستخدم هذه الأنظمة على مواقع الويب والتطبيقات لمساعدة الأشخاص في العثور على منتجات أو أغاني أو أفلام جديدة أو أنواع أخرى من المحتوى قد يعجبهم.
لا يتم استخدام أنظمة التوصية فقط في الأسواق الرقمية مثل أمازون. هذه الأدوات يمكن أن تساعدنا في اختيار الأفلام على نيتفليكس ، والموسيقى على سبوتيفي ، وأشرطة الفيديو على يوتيوب ، والاتصالات في الفيسبوك LinkedIn لينكد-إن ، وجهات على تريب أدفايزر ، والمقاهي والمسارح على خرائط جوجل. حتى أنها تخصيص الأخبار التي نراها على شبكة سي إن إن.
يمكن أن تساعد أنظمة التوصية في زيادة المبيعات ومشاركة العملاء من خلال اقتراح العناصر ذات الصلة للمستخدمين. يمكنهم أيضا مساعدة الشركات على فهم عملائها بشكل أفضل ، مما قد يكون مفيدا للتسويق وتطوير المنتجات.
هناك أنواع مختلفة من أنظمة التوصية ، مثل التصفية التعاونية والتصفية القائمة على المحتوى. تستخدم التصفية التعاونية معلومات حول ما أعجبه المستخدمون في الماضي للتوصية بعناصر مماثلة لهم. تستخدم التصفية المستندة إلى المحتوى معلومات حول خصائص العناصر للتوصية بعناصر مماثلة.
التصفية التعاونية
تم تصميم خوارزميات التصفية التعاونية لتحديد الأنماط والارتباطات في سلوك المستخدمين السابق ، مثل التقييمات أو النقرات أو عمليات الشراء ، واستخدام هذه المعلومات للتوصية بالعناصر للمستخدمين بناء على تفضيلاتهم المتوقعة.
أحد الجوانب الرئيسية للتصفية التعاونية هو أنها تعتمد على إجراءات وتفضيلات المستخدمين الآخرين لتقديم التوصيات. هذا يعني أنه كلما زاد عدد البيانات التي يمتلكها النظام حول سلوك المستخدمين السابق ، زادت دقة توصياته على الأرجح.
من المهم أيضا ملاحظة أن خوارزميات التصفية التعاونية تعمل عادة بشكل أفضل عندما تكون هناك قاعدة مستخدمين كبيرة ومتنوعة ، لأن هذا يسمح للنظام بتحديد مجموعة واسعة من الأنماط والارتباطات التي يمكن استخدامها لتقديم التوصيات.
في الحالات التي توجد فيها قاعدة مستخدمين أصغر أو أكثر تجانسا ، قد لا تكون التوصيات دقيقة أو متنوعة.
بشكل عام ، تعد التصفية التعاونية تقنية مستخدمة وفعالة على نطاق واسع لتقديم التوصيات في مجموعة متنوعة من السياقات ، بما في ذلك البيع بالتجزئة عبر الإنترنت والترفيه ووسائل التواصل الاجتماعي.
هناك نوعان من التصفية التعاونية:
- التصنيف الصريح هو استطلاع مباشر يقوم فيه المستخدم بتصنيف عنصر على مقياس. والمزيد من النقاط يتلقى عنصر ، وأكثر شعبية هو بين المستخدمين الآخرين.
- التصنيف الضمني يأخذ أسلوبا غير مباشر ، باستخدام النقرات ، وعروض الصفحة ، وتخطي الأفلام أو المسارات الصوتية غير المثيرة للاهتمام ، وإجراءات المستخدم الأخرى لإنشاء “تعليقات” المستخدمين (الإجراءات).
مزايا التصفية التعاوني:
- لا يعتمد على أوصاف وتصنيف العناصر غير الكافية أو غير الدقيقة.
- – يسمح لأذواق المستخدمين وتفضيلاتهم بأن يكونوا أكثر مرونة ، بناء على تعليقات المستخدمين بدلا من صفات العناصر الثابتة.
- يمكنه توقع المنتجات غير ذات الصلة بنجاح للمستخدم لشرائها بناء على مشتريات المستخدمين المماثلة.
عيوب هذا النهج:
- نظرا لأنه يعتمد على استجابات المستخدم ، فإن تشغيل النظام يتطلب حجما كبيرا من البيانات.
- غالبا ما يكون لديها القليل لتقدمه للقادمين الجدد بسبب ماضيهم” الفارغ ” ، مما يعني أن الخوارزمية لا يمكنها تصنيفهم
- يُعد التطبيق متوسطًا من الخيارات المعتادة من خلال تصنيف الأشخاص وتقديم توصيات غير مهمة
- إذا لم يقم أحد بمراجعة عنصر جديد على موقع ما ، فسوف يتجاهله النظام ببساطة. يعرف هذا باسم ” البداية الباردة.”لمنع ذلك ، يتم تقديم العنصر بشكل متكرر إلى الموقع بتصنيف معدل عمدا.
- العيب الأخير لهذه الاستراتيجية هو مقياس الكمبيوتر. يتطلب الأمر الكثير من الطاقة لحساب التوصيات التي تأخذ في الاعتبار تفضيلات المستخدمين ، خاصة عندما يكون هناك مئات الآلاف من المستخدمين.
النهج القائم على المحتوى
تستخدم أنظمة التوصيات المستندة إلى المحتوى معلومات حول العناصر نفسها للتوصية بعناصر مماثلة أو ذات صلة للمستخدم. لا يعتمدون على تفاعلات أو تفضيلات المستخدمين الآخرين.
في نظام التوصية المستند إلى المحتوى ، يتم تمثيل كل عنصر عادة بمجموعة من الميزات أو السمات التي تصفه. يمكن أن تتضمن هذه الميزات أشياء مثل النوع والفنان وسنة الإصدار وما إلى ذلك. كما ذكرت. ثم يستخدم النظام هذه الميزات لتحديد التشابه بين العناصر المختلفة.
على سبيل المثال ، إذا أعرب المستخدم عن اهتمامه بموسيقى الروك ، فقد يوصي النظام بألبومات موسيقى الروك الأخرى بناء على ميزة النوع المشترك. بدلا من ذلك ، إذا استمع المستخدم إلى فنان معين في الماضي ، فقد يوصي النظام بألبومات أخرى لهذا الفنان أو فنانين آخرين بأسلوب مماثل.
غالبا ما تستخدم أنظمة التوصية القائمة على المحتوى في المواقف التي يتوفر فيها الكثير من المعلومات حول العناصر الموصى بها ، كما هو الحال في صناعة الموسيقى أو السينما. يمكن استخدامها أيضا للتوصية بالمنتجات أو الخدمات بناء على ميزاتها أو خصائصها.
من خلال إنشاء ملفات تعريف المستخدم والبند والاعتماد على المعلومات المصنفة من قبل المستخدم. على سبيل المثال ، إذا كنت تعطي تصنيف عال لموسيقى الروك ، مثل فرقة نيرفانا على ساوند كلاود ، فإن الخدمة توصي موسيقى روك إضافية لك ، مثل نظام السقوط أو أغنية الطريق السريع إلى الجحيم ، لأن النظام يفترض أن موسيقى الروك هي ما تفضلون
مزايا النهج القائم على المحتوى:
- لا فرق في عدد الأشخاص الذين صنفوا الأشياء على موقعك ؛ يمكن للنظام بناء اقتراحات معقولة تستند فقط إلى الملفات الشخصية للمستخدمين الفرديين والعناصر.
- باستخدام مجموعة من الفئات ، يمكن للنظام شرح سبب التوصية بعنصر معين.
- يمنع ” البدايات الباردة.”للتوصية بعنصر جديد ، لا تحتاج الخوارزمية إلى تجميع قدر معين من التفضيلات من المستخدمين الآخرين
عيوب هذا النهج:
- مشكلة زيادة المتابعة: لن يعمل النظام بشكل صحيح حتى يتم جمع بيانات كافية عن كل فرد أو عنصر.
- إذا كان ملف تعريف العنصر يفتقر إلى وصف أو لم يتم تنظيم المعلومات بشكل مناسب لوصف اهتمامات المستخدم ، فقد يفشل النظام في تقديم توصية.
- نظرا لأن جميع البيانات تستند فقط إلى إبداءات الإعجاب وعدم الإعجاب لمستخدم واحد ، فإن النظام لا يوفر اختلافا كبيرا في الخيار ، وبالتالي فإن الأشياء التي يوصي بها يمكن التنبؤ بها نسبيا.
- عندما لا يكون هناك الكثير من المعرفة حول تفضيلات المستخدم ، لا يمكن للنظام إعطاء أي شيء لمبتدئ.
نظرا لأن التصفية التعاونية والتقنيات القائمة على المحتوى تختلف اختلافا جوهريا ، تختار العديد من الشركات استخدام مزيج من الاثنين لتحسين فعالية أنظمة التوصيات الخاصة بها.
لفرز نتائج التصفية التعاونية ، يتم استخدام التقنية القائمة على المحتوى بشكل متكرر. على سبيل المثال ، قد يشتري الأشخاص الذين يشترون أفلاما مصنفة (مقيدة) ألعابا للأطفال ، لذا فإن التوصية بهذه الأفلام للمستخدمين الذين تقل أعمارهم عن 18 عاما والذين قد يشترون أيضا ألعابا قد تكون فكرة سيئة.تختلف التقنيات القائمة على التصفية والمحتوى اختلافا جوهريا ، حيث تختار العديد من الشركات استخدام مزيج من الاثنين لتحسين أنظمة التوصيات الخاصة بها.
النظم القائمة على المعرفة
نهج آخر للتوصيات قائم على المعرفة. يتضمن ذلك مجموعة متنوعة من المنتجات وتفضيلات المستخدم ومعايير التوصية. غالبا ما يتم استخدامه في الحالات التالية:
- عندما نادرا ما يتم شراء السلع ، مثل العقارات أو السيارات
- عندما يريد المستخدم تحديد جوانب معينة من عنصر ما ، مثل جولات السفر أو تذاكر الطائرات لتواريخ ومواقع محددة.
- عندما يكون الوقت والوظائف أمرا بالغ الأهمية ، مثل عند شراء معدات إلكترونية مختلفة حيث يجب عليك تحديد طراز وسنة وميزات تقنية ومعلومات أخرى.
في النهج القائم على المعرفة ، تنقسم عملية تقديم الاقتراحات إلى قسمين:
- التوصيات القائمة على القيد ، والتي يجب على المستخدم الإجابة على سلسلة من الأسئلة من أجل تحديد ميزات العنصر المطلوب والقضاء على تلك غير الضرورية. على سبيل المثال ، إذا كان المستهلك يرغب في شراء جهاز كمبيوتر محمول ، وقال انه أو انها يمكن تحديد السنة( 2018 2019) ونوع (ويندوز ، ماك ، لينكس) فالنظام سوف يظهر فقط أجهزة الكمبيوتر المحمولة مع تلك الميزات المحددة
- يُنصح المستخدم أولاً بالعناصر في التوصيات المستندة إلى الحالة. للعثور على أفضل تطابق, يذكر المستخدم رغبته. على سبيل المثال ، إذا كان المستخدم ينظر إلى العديد من الهواتف المحمولة على موقع ويب ، فربما يكون قد اختار نموذجا ، لكنه باهظ الثمن بعض الشيء ، لذلك يقدمون الطلب “أحب هاتفا مثل هذا ولكن بسعر أرخص.”سيحدد النظام موقع الهاتف الخلوي المطلوب ، على الرغم من أن بعض ميزات الهاتف قد تختلف عن الطراز الأصلي.
مزايا النهج القائم على المعرفة:
- إنه يعمل بشكل جيد على المواقع عندما تكون التصفية التعاونية والتقنيات القائمة على المحتوى غير فعالة
- نظرا لأن الطريقة لا تعتمد على تفضيلات المستهلكين ، فإنها تتجنب بسهولة “البداية الباردة” والمخاوف المتزايدة
- من خلال ضبط بعض صفات العناصر ، يمكن للمستخدمين تحديد تفضيلاتهم بدقة
تنشأ عيوب هذا النظام بشكل أساسي من خصائص موقع الويب. على سبيل المثال ، عندما لا يركز المستخدم على عنصر معين ، فمن غير المرجح أن يكون مهتما باستخدام النظام ، أو عندما يكون إدخال المستخدمين الآخرين أمرا بالغ الأهمية.