Bu ses otomatik olarak oluşturulmuştur. Geri bildiriminiz varsa lütfen bize bildirin.
Pinterest ana hatlarıyla açıkladı İçerik önerilerine en son yaklaşımPinterest’i kullanma konusundaki olası niyetlerini belirlemek için kullanıcı davranışlarının yapay zeka değerlendirmesinden yararlanan.
Süreç, her kullanıcının “yolculuğunu”, yani Pin bulma ve eylem süreci yoluyla gerçekte neyi başarmayı amaçladığını belirlemeyi amaçlamaktadır.
Tarafından açıklandığı gibi Pinterest’te:
“Kullanıcı yolculuğu, genellikle birden fazla oturuma yayılan, belirli bir ilgi alanına odaklanan ve trendleri keşfetmek veya bir satın alma işlemi yapmak gibi net bir amacı ortaya koyan bir dizi kullanıcı öğesi etkileşimidir. Örneğin, bir yolculuk ‘yazlık elbiselere’ ilgi duymayı, ‘tarzda ne olduğunu öğrenme’ niyetini ve ‘satın almaya hazır olma’ bağlamını içerebilir. Kullanıcılar, ilgi alanları ve hedefleri geliştikçe aynı anda gerçekleşen birden fazla, bazen örtüşen yolculuklara sahip olabilir.”
Dolayısıyla Pinterest, önerilerini ilgili Pinlerin ötesinde, diğer kullanıcıların davranışlarına ve her bir kişinin etkinliğinin tam kapsamına dayalı olarak, her kullanıcının her yolculukta bir sonraki adımda arayabileceği şeyleri içerecek şekilde genişletmeyi amaçlıyor.
Ve çalışıyor. Bu güncellenmiş öneriler yaklaşımı sayesinde Pinterest, e-posta tıklama oranını %88 artırırken, kullanıcı anketleri %23 daha fazla olumlu geri bildirim gösterdi.
Süreç, daha doğrudan tavsiyelerin aksine, esasen her kullanıcının olası hedefini anlamak için daha geniş bir sinyal yelpazesinden yararlanır.
“Kullanıcı yolculuklarını belirleyerek, basit içerik önerilerinden, ister bir düğün planlamak, ister bir mutfağı yenilemek veya yeni bir beceri öğrenmek olsun, kullanıcıların hedeflerine ulaşmalarına yardımcı olan bir platform haline gelebiliriz.”
Bu şemada görebileceğiniz gibi süreç, her kullanıcının etkinliğinin yönsel amacını daha iyi anlamak için adımlı bir süreç kullanıyor ve ortak yolculukların haritasını çıkarmak ve adlandırmak için yapay zeka tahminlerini modele dahil ediyor.
Gördüğünüz gibi ana göstergeler şunlardır:
- Kullanıcı arama geçmişi: Toplu sorgular ve zaman damgaları.
- Kullanıcı etkinliği geçmişi: Yakın çekimler, repinler ve tıklamalar gibi etkileşimler, ilgili Pinlerden ek açıklamaları ve ilgi alanlarını çıkarır.
- Kullanıcı panoları: Ek açıklamaları ve ilgi alanlarını kullanıcının panolarındaki Pinlerden çıkarın.
Bu unsurlara dayanarak sistem Her kümenin bir “yolculuk adayı” olduğu anahtar kelime kümeleri oluşturmak için kümelemeyi kullanır.
“Daha sonra yolculuk sıralaması, aşama tahmini, adlandırma ve genişletme için özel modeller oluşturuyoruz. Bu çıkarım hattı bir akış sistemi üzerinde çalışıyor ve algoritma değişikliği olması durumunda tam çıkarım yapmamıza veya son aktif kullanıcılar için günlük artımlı çıkarım yapmamıza olanak tanıyor, böylece yolculuklar kullanıcının en son etkinliklerine hızla yanıt veriyor.”
Kullanıcıların davranışları değiştikçe yolculuk tahmin modeli de gelişir ve LLM’ler “kullanıcının geçmiş veya devam eden yolculuklarına dayalı olarak” yeni yolculuk önerileri oluşturmak için kullanılır.
Bu daha sonra Pinterest’in e-posta push önerilerini yönlendirerek kullanıcıları modelin öngördüğü şekilde yolculuklarına devam etmek için platforma dönmeye teşvik ediyor.
Bu da e-posta yanıtlarında önemli gelişmelere yol açtı.
Bu, bazı açılardan, etkinliklerine dayalı olarak olası kullanıcı davranışını tahmin etmede ve bunu olası keşif yollarıyla eşleştirmede oldukça açık görünebilir. Ancak sistem, yolunuzun yapay zeka analizine dayanarak bir sonraki adımda ne görmek isteyeceğinizi tahmin etmeye çalıştığı için bu, tahmine dayalı modellerde bu bakımdan önemli bir evrimdir.
Bu, platformların kullanıcı deneyimini geliştirmek için tahmin modellerinde yapay zekayı nasıl daha iyi kullanabileceğini gösteren, Pinterest’in daha geniş büyümesi kapsamındaki ilginç bir gelişmedir.
Pinterest’in tahmine dayalı yolculuk modellemesi hakkında bilgi edinebilirsiniz Burada.
