Tinkoff Research разработал алгоритм, способный угадывать точное время онлайн-покупки товара

Ученые из Лаборатории исследований искусственного интеллекта Tinkoff Research разработали новый алгоритм TAIW (Time-Aware Item-based Weighting), который способен прогнозировать точное время покупки конкретного товара в онлайне. Об этом говорится в сообщении «Тинькофф».

Tinkoff Research разработал алгоритм, способный угадывать точное время онлайн-покупки товара

Суть открытия

Алгоритм TAIW точнее предсказывает, какие товары будут нужны клиенту в ближайшем будущем с учетом точного момента покупки. Он учитывает как состав предыдущих покупок конкретного человека и схожих по профилю пользователей, так и анализирует точное время покупки определенных товаров в прошлом.

Таким образом, пользователи получают максимально персонализированные рекомендации, а компании могут увеличить конверсию в покупку. Так, TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент

«Человек может покупать какой-то товар с уникальной частотой: например, устраивать себе читмил с определенным продуктом в субботу каждой третьей недели месяца. В остальное время рекомендации этого продукта или схожих товаров не актуальны для пользователя, несмотря на то что он неоднократно покупал их раньше. Ранее эти данные редко учитывались рекомендательными системами», — отмечает «Тинькофф».

Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao (входит в Alibaba Group). Результаты экспериментов TAIW показали, что инструмент эффективнее аналогов в задаче next basket recommendation (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени.

Согласно полученным результатам, алгоритм повышает точность рекомендательной системы до 8%. 

Чем алгоритм отличается от других методов

Чтобы предсказать повторные покупки, в настоящее время часто используются такие методы, как цепи Маркова (математическая модель, помогает предсказывать будущие события на основе прошлых событий) и рекуррентные нейронные сети (модели машинного обучения, которые анализируют последовательность действий пользователя), отмечает компания.

Однако, указывают в «Тинькофф», эти инструменты не всегда позволяют корректно учесть при прогнозировании частоту покупки.

Все игроки FinTech России — по ссылке

Алгоритм TAIW, в свою очередь, состоит из двух модулей: «Повторная покупка» и «Соседство». Модуль «Повторная покупка» работает на основе процесса Хоукса (статистическая модель, позволяет понять временные закономерности и зависимости между событиями). Алгоритм анализирует, какие товары покупал пользователь, как часто и когда была совершена последняя покупка. Этот модуль позволяет определить, когда конкретные товары будут больше всего актуальны для конкретного покупателя.

Модуль «Соседство» позволяет описать привычки пользователей с похожими предпочтениями. Эти данные используются, чтобы обеспечить более разнообразные рекомендации для конкретного человека. 

Результаты исследования были представлены на конференции по рекомендательным системам ACM RecSys, которая состоялась в 2023 году Сингапуре. Ее организатором выступает Ассоциация вычислительной техники — крупнейшее в мире образовательное и научное компьютерное сообщество. 

Источник: rb.ru

Понравилась новость? Поделитесь с друзьями:
AdMarket News