מהי בכלל מערכת המלצות?

אתה יודע מתי נטפליקס מציעה תוכנית ואתה חושב, "איך זה ידע?" או כשאמזון מראה לך מוצרים שבאופן מוזר מושלמים עבורך? זו מערכת המלצות שפועלת. זו בעצם תוכנה שבוחנת מה אתה (ואנשים כמוך) עשיתם בעבר, ומשתמשת בזה כדי לנחש מה כנראה תרצו בהמשך.

החדשות הטובות? אתה לא צריך להיות נטפליקס כדי לבנות אחד. אם אתה מפתח סולו בונה אפליקציה, בלוג או חנות מקוונת, תוכל להוסיף המלצות כדי שהמשתמשים שלך יחזרו. בואו נפרט איך הדברים האלה עובדים בפועל, באנגלית פשוטה, עם דוגמאות אמיתיות שתוכלו לעקוב אחריהם.

שתי הגישות העיקריות (עם דוגמאות אמיתיות)

יש באמת רק שני רעיונות ליבה מאחורי כל מערכת המלצות. ברגע שאתה מבין את אלה, כל השאר הוא רק וריאציות על הנושא.

1. סינון שיתופי: "אנשים כמוך אהבו גם..."

גישה זו בוחנת מה משתמשים דומים עשו. זה לא אכפתמַההתוכן הוא בעצם. זה רק מבחין בדפוסי התנהגות.

דוגמה מהעולם האמיתי:נניח שאתה בונה אפליקציה לביקורת ספרים. משתמש A אהב את הספרים מס' 1, מס' 2 ומספר 3. משתמש ב' אהב את הספרים מס' 1 ו-#2 אך עדיין לא ראה את ספר מס' 3. סינון שיתופי אומר, "משתמש ב' כנראה יאהב גם את ספר מס' 3, כי יש להם אותו טעם כמו משתמש א'."

כך בדיוק פועל רשימת ההשמעה "Discover Weekly" של Spotify. הוא מוצא משתמשים עם הרגלי האזנה דומים לשלך, ולאחר מכן ממליץ על שירים שהם אהבו שעדיין לא שמעתם.

2. סינון מבוסס תוכן: "כי אהבת את הדבר הספציפי הזה..."

גישה זו בוחנת את המאפיינים האמיתיים של מה שמשתמש יצר איתו אינטראקציה, ואז מוצאת עוד דברים עם תכונות דומות.

דוגמה מהעולם האמיתי:אתה בונה אפליקציית מתכונים. משתמש ממשיך לשמור מתכוני פסטה צמחוניים שנמשכים פחות מ-30 דקות. סינון מבוסס תוכן ימליץ על מנות פסטה צמחוניות מהירות אחרות, גם אם אף משתמש אחר לא ניסה אותן עדיין, כימרכיבים ותכונותלהתאים למה שהמשתמש הזה מעדיף בבירור.

סרגל הצד "סרטונים קשורים" של YouTube עובד כך. הוא בוחן את התגים, הכותרת והקטגוריה של מה שאתה צופה, ואז מוצא סרטונים עם תכונות דומות.

שני סוגים של מערכות המלצות

👥

סינון שיתופי
"גם משתמשים כמוך נהנו..." (ספוטיפיי, אמזון)

🔍

סינון מבוסס תוכן
"כי לפריט הזה יש תכונות דומות..." (YouTube, Netflix)

🧪

היברידי (הטוב משניהם)
שלב את שניהם לתוצאות טובות יותר (מה שרוב האפליקציות הגדולות עושות)

📈

מבוסס פופולריות (ההתחלה הקלה ביותר)
"הפופולרי ביותר השבוע" - אין צורך בנתוני משתמש

⏱️

עדכונים בזמן אמת
הסתגלו באופן מיידי כאשר משתמשים מקיימים אינטראקציה עם האפליקציה שלכם

מה לגבי הטבעות? (זה יותר פשוט ממה שזה נשמע)

אתה תשמע את המונח "הטמעות" הרבה במדריכי מערכת המלצות. זה נשמע מאיים, אבל הרעיון הוא פשוט לגמרי.

חשבו על זה כך: דמיינו שכל משתמש וכל פריט באפליקציה שלכם ממוקמים על מפה ענקית. משתמשים שאוהבים דברים דומים מגיעים קרוב זה לזה על המפה. גם פריטים דומים מגיעים קרוב זה לזה. "הטמעה" היא רק הקואורדינטות (המיקום) של משתמש או פריט במפה זו.

דוגמה מהעולם האמיתי:באפליקציית מוזיקה, משתמש שמאזין לג'אז, בלוז ונשמה ימוקם ליד אותם ז'אנרים על המפה. משתמש שמאזין למטאל ופאנק יהיה באזור אחר לגמרי. כשיוצא אלבום ג'אז חדש, המערכת בודקת אילו משתמשים "קרובים" לג'אז על המפה וממליצה להם.

למה זה חשוב אם אתה בונה אפליקציה לבד

אם אתה מפתח סולו, הוספת אפילו מערכת המלצות פשוטה יכולה להיות מחליף משחק כדי לשמור על מעורבות המשתמשים. הנה הסיבה:

משתמשים נשארים יותר זמן.כשאנשים רואים תוכן שמרגיש שנבחר עבורם באופן אישי, הם מבלים יותר זמן באפליקציה שלך. תחשוב על איך אתה ממשיך לגלול TikTok כי זה כל הזמן מראה לך בדיוק במה אתה מתעסק.
משתמשים מגלים יותר מהתוכן שלך.אם יש לך בלוג עם 200 פוסטים, רוב המבקרים יראו רק את הכמה האחרונים. קטע "אולי תאהב" יכול להציג פוסטים ישנים שעדיין רלוונטיים לכל קורא.
משתמשים חוזרים לעתים קרובות יותר.תקצירי אימייל מותאמים אישית ("הנה מה חדש על סמך תחומי העניין שלך") נותנים לאנשים סיבה לחזור. כך Medium גורם לך ללחוץ על מאמרים.

איך בעצם לבנות אחד (שלב אחר שלב)

הנה מפת דרכים מעשית שלא תכריע אותך:

התחל במעקב אחר מה שמשתמשים עושים.לפני שתוכל להמליץ על משהו, אתה צריך נתונים. עקוב אחר קליקים, לייקים, חיסכון, זמן שהושקע בדפים, רכישות, כל מה שהגיוני עבור האפליקציה שלך. אפילו טבלת מסד נתונים פשוטה כמוuser_id | item_id | פעולה | חותמת זמןמספיק כדי להתחיל.
התחל עם הגישה הפשוטה ביותר.אל תקפוץ ישר ללמידת מכונה. התחל עם "הפריטים הפופולריים ביותר" או "משתמשים שקנו X קנו גם Y." עבור אפליקציה קטנה, כמה שאילתות SQL יכולות לספק המלצות טובות באופן מפתיע.
בוגר ספרייה כשתהיה מוכן.של פייתוןספריית הפתעותהופך את הסינון השיתופי לפשוט. אתה יכול לקבל מודל המלצות עובד בכ-20 שורות קוד.ממליצים של TensorFlowזה נהדר אם אתה רוצה להעמיק.
שמור את זה טרי.ההמלצות מתיישנות מהר. הגדר עבודה שבועית כדי לאמן מחדש את המודל שלך עם נתונים חדשים. הטעם של משתמש בינואר עשוי להיות שונה לחלוטין עד מרץ.

אם אתה לא רוצה לבנות את זה בעצמך, שירותים מנוהלים יכולים להתמודד עם ההרמה הכבדה.התאמה אישית של AWSמאפשר לך להזין את הנתונים שלך ולקבל המלצות בחזרה דרך API.ה-Recommendations AI של גוגלעושה את אותו הדבר. לשניהם יש שכבות חינמיות שהן נדיבות מספיק עבור אפליקציות קטנות.

בניית מערכת ההמלצות הראשונה שלך

עקוב אחר פעולות משתמש

יומן קליקים, לייקים, רכישות וזמן בילוי

התחל פשוט

"הפופולרי ביותר" או "קנו גם" עם שאילתות SQL בסיסיות

הוסף ספריה

השתמש בהמלצות הפתעה או TensorFlow של Python

אימון מחדש שבועי

שמור על המלצות טריות כאשר טעמי המשתמש משתנה

למדוד מה עובד

עקוב אחר שיעורי קליקים על ההמלצות שלך

טייק אווי מפתח

אתה לא צריך להיות מדען נתונים.שאילתה פשוטה של "אנשים שאהבו X אהבו גם Y" יכולה לחולל פלאים עבור אפליקציה קטנה.
תתחיל עם מה שיש לך.אפילו נתוני קליקים בסיסיים מספיקים כדי לספק המלצות שימושיות.
יש כלים חינמיים שעושים את המשימות הכבדות.לספריות כמו Surprise ושירותים מנוהלים כמו AWS Personalize יש שכבות חינמיות המושלמות למפתחי סולו.
שמור את זה טרי.אמן מחדש את הדגם שלך באופן קבוע. המלצות מעופשות גרועות מחוסר המלצות.
למדוד את ההשפעה.עקוב אחר האם משתמשים באמת לוחצים על ההמלצות שלך. אם הם לא עושים זאת, שנו את הגישה שלכם.

מַסְקָנָה

מערכות המלצות אינן מיועדות רק לענקיות טכנולוגיה עם צוותי הנדסה מסיביים. כמפתח סולו, אתה יכול להתחיל עם משהו פשוט כמו "הפופולרי ביותר השבוע" ולהתקדם בהדרגה להצעות מותאמות אישית המופעלות על ידי נתוני משתמש אמיתיים. הכלים בחינם, הספריות ידידותיות למתחילים, וההשפעה על מעורבות המשתמש יכולה להיות עצומה.

המפתח הוא פשוט להתחיל. עקוב אחר התנהגות המשתמש, נסה גישה פשוטה וחזור משם. המשתמשים שלך יבחינו בהבדל.

לקריאה נוספת, בדוקמדריך מערכות ההמלצות של גוגל, התאמה אישית של AWS, ואתתיעוד ספריית הפתעה.