個人化建議清單
智慧建議為業務單位提供相關案例的工具組。 本文說明根據完整使用者歷程記錄、最近活動或工作階段活動的使用者精選或個人化建議。
個人化建議的類型
使用者精選案例是一種個人化建議樣式，著重於擷取使用者的品味或偏好，並將使用者定位在項目空間中的唯一位置。
此案例會在大型項目目錄的內容中建立高度個人化的建議。 使用者與特定項目之間的距離決定其關聯性的強度。 更緊密聚集的向量表示更強的連接。
使用者精選可以用多種不同方式向使用者展示，表示有多種「推薦項目」的類別。
根據業務策略和使用者意圖，這些模型可以：
從使用者的所有已知資訊學習。
將權數加入至事件，從最近的動作或事件推斷更多結果。
只考慮最近的事件。
根據整個使用者歷程記錄的推薦項目
當推薦項目是根據使用者歷程記錄挑選時，此案例會將過去與系統多次互動之目錄中所有使用者消費項目納入考量。 在零售垂直市場中，這些推薦項目可視為使用者的整個購買記錄。 這些模型使用共同篩選技術，完全根據使用者的消費歷程 (例如購買記錄) 來建議他們可能會喜歡的下一組項目。
根據整個使用者歷程記錄的範例：
對遊戲玩家來說，與他們最常玩遊戲相關的 Xbox 遊戲
推薦類似影片
建議新的電視連續劇
使用者可能有興趣閱讀或尋求的文件或訓練活動
根據最近活動的推薦項目
最近與系統的互動有時更加重要，為個人化建議提供更好的信號。 在這種情況下，模型可以對最近的信號進行加權，或僅使用最近的互動做為種子 (起始點)。
根據最近活動的範例：
頻繁和長期的雜貨店購物者 (不斷變化的需求)
遊戲或電影推薦 (不斷變化的相關性)
音樂播放清單產生 (不斷變化或演變的品味)
根據即時活動的推薦項目
當推薦項目是根據即時信號挑選時，這是以目前工作階段為輸入、時間範圍最短的案例。 這些信號成為即時事件，與預先訓練的模型搭配在一起，就能對提供與目前情況相關的即時建議有所幫助。
根據即時活動的範例：
使用者最近觀看的項目。 顯示相關項目的清單。
使用者剛玩完遊戲。 有哪些追加銷售商機？
使用者已下載的內容。 要選擇哪些其他的內容？
使用者正在閱讀文章。 接下來會閱讀什麼？
使用個人化建議時的最佳做法
使用個人化建議時，請注意特定情況下的最佳做法。
完整清單個人化
零售商通常不需要對整個目錄的個人化建議。 相反地，他們有特定的目錄子集可供選擇，以便向消費者公開。 這可能已經依優先順序排序。 在這種情況下，編輯或策展人可能會稍作順序調整，將使用者感興趣的項目上推至清單中較高的位置。 智慧建議可以根據現有的完整模型，「即時」支援這種體驗。 零售商可能需要完全重新打亂清單的順序，或者只需要移除使用者已購買的項目即可。 移除清單中的使用者歷程記錄，即可對任何一組項目稍作個人化，確保不會浪費產品放置空間。
完整清單個人化範例：
個人化發燒貨清單
個人化交易、從折扣產品或新交易中選擇
使個人化建議中的品味多樣化
了解使用者動作會對個人化建議清單發揮重要作用。 同樣的，「按讚」動作可能會有不計其數的不同含義。 因此，並非每個按讚動作都相同。 家長可能想要聽藍調音樂影片，他們的子女在同一帳戶上喜歡觀看太空船發射影片。 我們的模型使用智慧建議中的多角色演算法，並辨識出使用者的品味可能有所不同。 使用者互動會分割成多個叢集 (不同群組)，使結果多樣化。 此分割提供兩個不同叢集的建議，並在傳回給使用者的結果中穿插這些建議。 此功能可以保護使用者不斷變化的品味，確保使用者興趣不會互相壓制。
品味多樣化範例：
使音樂或影片中的品味多樣化
購買各種類別的物品 (鞋子、珠寶、清潔用品)
有多個人員的家庭帳戶