Introducere în recomandările de conținut pe Pinterest
Pinterest a prezentat cea mai recentă abordare a sa în ceea ce privește recomandările de conținut, care utilizează evaluarea AI a comportamentului utilizatorilor pentru a determina intențiile acestora în utilizarea platformei. Procesul are ca scop identificarea „călătoriei” fiecărui utilizator, referindu-se la ceea ce doresc să realizeze prin descoperirea și acțiunea asupra Pin-urilor.
Definirea călătoriei utilizatorului
O „călătorie a utilizatorului” este definită ca o secvență de interacțiuni utilizator-obiect, care se desfășoară pe parcursul mai multor sesiuni, centrată pe un anumit interes și dezvăluind o intenție clară, cum ar fi explorarea tendințelor sau efectuarea unei achiziții. Utilizatorii pot avea multiple călătorii, uneori suprapuse, care evoluează pe măsură ce interesele și obiectivele lor se schimbă.
Extinderea recomandărilor
Pinterest își propune să extindă recomandările dincolo de Pin-urile corelate, orientându-se spre ceea ce fiecare utilizator este probabil să caute în continuare în cadrul fiecărei călătorii, bazându-se pe comportamentele altor utilizatori, precum și pe întreaga activitate a fiecărei persoane. Această abordare a dus la o îmbunătățire a ratei de clic pe emailuri cu 88%, iar sondajele utilizatorilor au arătat un feedback pozitiv cu 23% mai mare.
Semnalele utilizate în proces
Procesul utilizează o gamă largă de semnale pentru a înțelege obiectivele probabile ale fiecărui utilizator, în loc de recomandări mai directe. Printre principalii indicatori se numără:
- Istoricul de căutare al utilizatorului: interogări agregate și timpi de acces.
- Istoricul de activitate al utilizatorului: interacțiuni precum vizualizările Pin-urilor, repin-urile și clicurile, extrăgând notările și interesele din Pin-urile implicate.
- Tablourile utilizatorului: extragerea notărilor și intereselor din Pin-urile din tablourile utilizatorului.
Modelul de predicție al călătoriei utilizatorului
Pe baza acestor elemente, sistemul utilizează clustering-ul pentru a genera grupuri de cuvinte cheie, fiecare grup fiind un „candidat pentru călătorie”. „Apoi construim modele specializate pentru clasificarea călătoriilor, predicția stadiului, denumirea și expansiunea. Această conductă de inferență funcționează pe un sistem de streaming, permițându-ne să rulăm inferențe complete în cazul schimbărilor de algoritm sau inferențe incrementale zilnice pentru utilizatorii activi recent, astfel încât călătoriile să răspundă rapid la cele mai recente activități ale utilizatorului.”
Pe măsură ce comportamentul utilizatorilor se schimbă, modelul de predicție a călătoriei evoluează, cu LLM-uri utilizate pentru a genera noi recomandări de călătorii „pe baza călătoriilor anterioare sau în curs ale utilizatorului”. Aceasta conduce la recomandările de emailuri de pe Pinterest, încurajând utilizatorii să revină pe platformă pentru a-și continua călătoriile, așa cum este prezis de model.
Evoluția modelelor predictive
Deși poate părea evident în anumite privințe să se prezică comportamentul utilizatorilor pe baza activității lor, aceasta reprezintă o evoluție semnificativă a modelelor predictive, deoarece sistemul caută să anticipeze ce vor dori utilizatorii să vadă în continuare, bazându-se pe analiza AI a traseului lor. Această dezvoltare este interesantă în contextul creșterii mai largi a Pinterest, demonstrând cum platformele pot utiliza mai bine AI în modelele lor predictive pentru a îmbunătăți experiența utilizatorului.
Concluzie
Implementarea acestor tehnici avansate de recomandare nu doar că optimizează interacțiunea utilizatorilor cu Pinterest, dar oferă și un model de referință pentru alte platforme care doresc să utilizeze inteligența artificială în scopul îmbunătățirii experienței utilizatorului.
