چه چیزی سگمنتی‌نو را منحصر به فرد می‌کند؟

برخلاف سیستم‌های شخصی‌سازی قاعده محور سنتی، سگمنتی‌نو با تکیه بر روش‌های هوش مصنوعی تغییرات آنی و پیچیدگی رفتاری کاربران را منعکس می‌کند و موجب بهبود تجربه‌ی شخصی کاربران در سیستم می‌شود. روش‌های ما با تحلیل رفتار و ارتباط بر خط کاربران و همچنین ویژگی‌های محصولات، توصیه‌هایی را برای کاربران ایجاد می‌کند که احتمالا موجب علاقه‌ی بیشتر کاربران می‌شود.

تحقیقات و مطالعات آکادمیک ما موجب به روز بودن سگمنتی‌نو شده است. ما با استفاده از روش‌های یادگیری عمیق، روش‌های ارتباط -محور و همچنین روش‌های محتوا-محور (همانند روش‌های پردازش تصویر و پردازش متن) به دنبال یافتن مناسب ‌ترین محتوا برای همه‌ی بازدید کنندگان هستیم.

روش‌های ارتباط-محور

مدل سازی براساس الگوهای رفتاری

روش ارتباط- محور اولین مدل سگمنتی‌نو برای ساخت پیشنهادات است. روش ارتباط-محور براساس ارتباط کاربر-آیتم، همچون بازدید یک محصول یا خرید محصول شکل می‌گیرد. با جستجوهای الگوی رفتاری کاربران در مقابل آیتم‌ها، پیشنهادات براساس استخراج شباهت بین کاربران، ایتم‌ها یا هر دو شکل می‌گیرد. کابران با الگوی رفتاری مشابه یا دیگران نیز خریداری کرده اند، هر دو مثال‌هایی از روش‌های ارتباط-محور هستند. تجزیه‌ی ماتریس، نزدیک‌ترین همسایه و قواعد ارتباطی روش های سگمنتی‌نو برای مدل‌های ارتباط-محور است.

روش‌های محتوا-محور

مدل‌سازی بر اساس ویژگی کاربران و آیتم‌ها

سگمنتی‌نو از روش‌های محتوا-محور نیز برای ساختن مجموعه‌ ای از پیشنهادات استفاده می‌کند. روش‌های محتوا-محور تنها متکی بر ویژگی هر یک از کاربران و آیتم‌ها در سیتم می‌باشد. به عنوان مثال در این روش ها دو ایتم مشابه هستند اگر دسته‌ بندی، نام یا توضیحات مشابهی داشته باشند. روش های متفاوتی برای پردازش نوع ‌های متفاوت داده ارائه شده است. مدل‌های محتوا-محور در شرایطی که اطلاعات کاملی از ارتباط کاربران یا ایتم‌ها در سطح سیتم وجود ندارد (ایتم یا کاربری به تازگی به سیتم وارد شده است) یا به اصطلاح cold-start است، کارآمد است.

یادگیری عمیق

مدل‌های مبتنی بر تجمیع ارتباط کاربر-آیتم و ویژگی‌ها

به دنبال تحقیقات پیشرفته در این زمینه، سگمنتینو مدل‌های براساس شبکه‌های عصبی و deep autoencoders برای ساخت مجموعه‌ای از پیشنهادات ارائه می‌کند. این مدل‌ها قادر به در نظر گرفتن تمامی داده‌های موجود در محتوا هستند و همچنین درک مفاهیم پنهان در داده‌ها را براساس روش‌های مبتنی بر هوش مصنوعی ایجاد می‌کنند.

مدل‌های اختصاصی

مدل های منعکس کننده موارد خاص کسب و کار و نیازهای محصول

مدل‌های گوناگونی (توصیه‌ی اقلام مختلف)، مدل‌های مبتنی بر محبوبیت (بلند-مدت یا مد )و مدل‌های یاد آورنده یا مدل‌های مبتنی بر دوره( براساس تکرار رفتار کاربران درتعاملات کاربر-آیتم) همگی بخشی از مدل‌های ارائه شده توسط سگمنتی‌نو هستند. این مدل‌ها براساس تجربه ی تیم سگمنتی‌نو در طول سال‌ها و بررسی سیتم در هزاران نمونه‌ی مختلفت بدست آمده است.

پردازش تصویر

مدل های مبتنی بر تحلیل تصاویر و شباهت های بصری

سگمنتی‌نو می‌تواند با پردازش تصاویر محصولات، شباهت محصولات را براساس ویژگی‌های بصری استخراج کند و موجب پیشنهاد محصولاتی که از نظر بصری مشابه محصولات مورد علاقه‌ی کاربر هستند، می‌شود. مدل های پیشرفته براساس شبکه‌های عصبی کانولوشن برای این منظور استفاده می‌شود. تصاویر چندگانه (مانند عکس های گرفته شده از زوایای مختلف یک محصول) می توانند برای بهبود عملکرد این مدل‌ها فراهم شوند.

مدل‌های بهینه‌سازی مبتنی بر هوش مصنوعی

جستجوی خودکار برای یافتن پارامتر‌های مناسب (hyperparametrization)

مدل ها باید به طور مداوم با تغییرات محیط مانند فصل های مختلف یا تعطیلات سازگار شوند. در زمان تولید مدل، مدل براساس بازخوردهای جمع آوری شده، سازگار می‌شوند. سگمنتینو با دانستن اینکه توصیه‌ها موجب اعمال کاربر شده است یا خیر، ساختار و پارامتر‌های مدل را تنظیم می‌کند.

تکنولوژی‌ها

امروز ثبت نام کنید و تجربه‌ی جدید با سِگمنتی‌نو را آغاز کنید.

۳۰ روز رایگان در هر قرارداد، هدیه‌ی ما به شماست.