iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 7
3
AI & Data

AI無法一步登天,讓我們先從專有名詞定義開始。系列 第 7

資料採礦(Data Mining) -3.推薦商品

  • 分享至 

  • xImage
  •  

「推薦商品」背後的運作原理是什麼呢?

當你瀏覽網站,瀏覽過程,網頁下方會跳出【你可能會喜歡】、【其他人也瀏覽了...】、【推薦商品】、【熱銷商品】;或是去七乘四買東西,店員會看著結帳螢幕問你(可能他螢幕跳出了某個要推薦給你的東西),要不要加購什麼什麼商品呢?這背後,是如何運作的?

我看過不少人稱這個就是AI,實不知,這個離AI還差得遠,甚至連數據分析都還談不上,很多僅只是資料採礦的領域罷了。以下咱們由簡入繁列出背後的運作模式:

  1. 沒有任何套路
    單純就是庫存多或毛利高的商品,可能每個月更新一次,不管你是誰、買過什麼、當下買了什麼、如何瀏覽網頁,總之在這個月,就是推薦給你這商品。當然,網頁可能會寫上【熱銷商品】這四個字,其實你可以這樣想,既然它是熱銷商品,那自然不用推薦也會有很多人去買,幹嘛推薦給你?所以囉...會推薦給你的,都是【公司想要趕快賣掉的商品】。
  1. 正在瀏覽的商品類別
    你正在逛筆電商品頁,總不會心裡想著要買抗菌洗手乳吧?那還不簡單,推薦商品就列出所有【公司想要趕快賣掉的筆電】。只要這個人正在看某個商品類別,下方就推薦這個商品類別裡公司想要趕快賣掉的商品。
  1. 人為的經驗判斷
    不是透過任何統計數據的分析方法做到,而是例如某個行銷主管或行銷人員認為,依據他們過往的經驗判斷,一個客人一旦一直瀏覽筆電頁面,那三天內購買筆電的機會非常高。所以針對【一直瀏覽筆電頁面】的人,推薦他【公司想要趕快賣掉的筆電】。
    現在業界普遍(或是小馬孤陋寡聞),是以這樣的方式在進行,上述推論蠻有道理的,也可能確實如此,但背後是【人為經驗判斷】去執行,而不是透過任何的【數據分析結論】去執行。以這方式做到的推薦商品,充其量,只停留在【資料採礦(Data Mining)】的領域。
  1. 批次分析正在瀏覽的人想買什麼
    背後做了關聯分析,昨天針對過去一年的資料分析下來,知道啤酒尿布會被一起購買,於是今天針對正在買啤酒的人,推薦他買尿布(反之如此)。但這個關聯分析,可能一個月做一次,了不起,一天做一次然後依照分析結果每天更新推薦商品,已經是很先進的公司了。
    同理,正在瀏覽某頁面的人、或某些特定瀏覽路徑的人,會買什麼商品,一個月做一次,最多一天做一次,進而更新推薦商品。以這方式做到的推薦商品,確實踏入了【資料分析(Data Analysis)】的領域。
  1. 即時分析正在瀏覽的人想買什麼
    能勉強稱上AI的只有這種。關聯分析運算發現原本啤酒尿布會被一起購買,但在最近這24小時內買啤酒的人會去買足球,於是對於那些把啤酒放進購物車裡的人,原本推薦尿布的,改成推薦足球。而且在每次交易發生時,都重新運算一遍設定區間內的關聯分析,並在跑出結果後立刻更換推薦商品。
    同理,正在瀏覽某頁面的人、或某些特定瀏覽路徑的人,會買什麼商品,每成交一筆就即時運算關聯性,進而更新推薦商品。為什麼只能說是勉強稱上AI?因為裡面仍是有非常大量的人為痕跡,包括:設定計算的固定區間(24小時)、統計值權重取捨、每成交一筆計算一次、跳出推薦商品的時機等等太多太多,都是人為設定,而不是透過系統自行運算得出的最佳設定。

江湖一點訣 說破不值錢

今天雷暴得有點多,咱們別再劇透了,拉回資料採礦吧~

我的購物網站裡,我擁有所有購物網站會員的瀏覽記錄資料,誰誰誰某年某月某日幾點幾分幾秒開始進到我的網站,幾點幾分在看哪個網頁,幾點幾分去了某個商品頁面,幾點幾分購買,幾點幾分離開網站。完完整整的瀏覽路徑加上交易資料。

現在的目標是:我想要針對最近三個月、從來沒有購買過筆電的會員、卻一直瀏覽筆電的商品頁面,當作我的「行銷目標」,一旦知道這個人上線瀏覽(不一定要登入喔~只要沒清cookie,就能知道你是誰),我該怎麼做?
如上所述,所有資料都是正確的,所有資料都沒問題,但你有辦法直接找出「行銷目標」嗎?肯定沒辦法。

於是,小馬兒我先過濾出最近三個月的資料,OK!剔除已經買過筆電的會員,OK!然後...它馬兒的......什麼叫做一直瀏覽筆電的商品頁面?

只看了10秒鐘算不算「一直」?如果每天都上去瀏覽了5秒鐘算不算「一直」?只瀏覽過一次但這次瀏覽了3小時(可能瀏覽到一半去上廁所...或...看電影!?)算不算「一直」?於是針對這個條件,必須先決定好,「一直瀏覽筆電的商品頁面」的清楚具體定義是什麼,才有辦法繼續往下做。

至此,我們已經非常清楚,資料採礦實際在進行的工作,明天,我們來做個小結吧!



資料採礦 番外篇3

像算命一樣 往往是機率問題

每每聽到「精準行銷」、「推薦商品」,我都會想起這則故事。

一堂心理學的課程裡,講師說他會算命,於是課堂上分給全班學生各一封信,信封上寫著屬於該名學生的名字,講師說:

「請你們現在打開我的信件,我依據每個人的面相和姓名,針對每個人,我已經寫下你們每個人的個性和想法。」

在講師認為多數已經閱讀完畢且還無法彼此交流的時間點,他問:

「覺得信件內容還算有準確、有說中的,請舉手。」

結果全班接近八成的人都舉了手,講師接著說:

「好了,你們可以看看周遭同學彼此手中的信件內容。」

於是大家發現,所有的信件內容都是一模一樣的,而裡面寫著類似:
「多數狀況下,只要別人對你誠懇,你也願意對他誠懇。」
「有時候會做些小壞事,但你覺得要嘛無傷大雅,要嘛真的是不得已的必要之惡。」

小馬對於推薦商品的看法也是如此,偶爾我們真的會看到一些「有中」的推薦商品,但通常不是背後運算多麼厲害,多麼AI,當瞭解在相同「有中」的推薦商品之下,還有一群人是「沒中」的,你就知道,這一切只是很單純的機率問題,只是多數人沒有那麼多的機會,可以觀察到完整的全貌。

再以機率來看,一定會有一小群人,他瀏覽任何網站時,該網站跳出的推薦商品剛剛好都是他想要的,而這一小群人會有一些做行銷的、做資訊的、做講師的、做部落客的、做老闆的。他們可能對於這背後的運作,有點懂又不太懂,只知道現在的科技,已經做得到每次推薦給他們的東西,他們都想要,真是太神奇了!於是把這一切冠上了最頂級的詞彙,「這背後是AI在運作。」似乎就沒那麼難理解了。


上一篇
資料採礦(Data Mining) -2.實例
下一篇
資料採礦(Data Mining) -4.小結
系列文
AI無法一步登天,讓我們先從專有名詞定義開始。31
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

1 則留言

0
阿展展展
iT邦好手 1 級 ‧ 2019-09-05 10:34:33

大家都想要 挖掘出需求

我要留言

立即登入留言