كيف قمنا بالاختيار التلقائي للمنتجات المماثلة

في المقالات السابقة ، تحدثت عن كيفية تعلمنا مقارنة المنتجات من مصادر مختلفة وملء بطاقة المنتج - الخصائص والصور والوصف. وعندما تُعرف أسعار الموردين وأسعار المنافسين وخصائص البضاعة ، كان الاستمرارية المنطقية البحث عن معلومات حول النظير أو ببساطة عن البضائع المماثلة في ممتلكاتهم.



يمكن استخدام هذا بطرق مختلفة ، على سبيل المثال ، إظهار العديد من المواقف المتشابهة للعميل على بطاقة المنتج ، وربما يرغب في بعض المواقف الأخرى. إذا كان هناك شيء ما غير متوفر ، فستكون قائمة المنتجات المماثلة في المخزون مفيدة أيضًا. الخيار الثاني هو إعطاء هذه المعلومات لموظفي مركز الاتصال حتى يتمكنوا بسرعة أكبر (أو ، من حيث المبدأ ، من أن يكونوا قادرين) على تقديم نظائر إذا لم يكن المنتج المطلوب متاحًا ، أو كان التناظرية أكثر ملاءمة لرغبات العميل.



كيف يمكنك معرفة ما إذا كانت المنتجات متشابهة؟ يمكنك مقارنة الخصائص ، فكلما كانت أكثر مطابقة ، كانت المنتجات أكثر تشابهًا. لسوء الحظ ، لا يعمل بهذه السهولة. من الناحية العملية ، اتضح أنه ، كقاعدة عامة ، لا توجد منتجات تقريبًا تمتلئ فيها جميع الخصائص. 80٪ هي نتيجة جيدة. ثانياً ، بعض الخصائص أهم من غيرها. على سبيل المثال ، يختلف تلفزيون مقاس 65 بوصة تمامًا عن تلفزيون مقاس 22 بوصة ، على الرغم من أن كلاهما يحتوي على منفذي USB. أو ، مثال آخر ، علبة معدنية وعلبة ألمنيوم أقرب إلى بعضهما البعض من البلاستيك ، على الرغم من أنهما ثلاثة معاني مختلفة.



وبالتالي ، لاختيار منتجات مماثلة ، نحتاج إلى حل المهام التالية:

1. تعيين خصائص الوزن. الحجم القطري مهم ، وعدد منافذ USB أقل أهمية.
2. حدد نطاق قيم كل خاصية ، واضبط عليها وظيفة المسافة بين القيم.
3. حدد إستراتيجية للتعامل مع الحالات عندما تكون السمة معروفة لمنتج ما ، ولكن ليس لمنتج آخر.
4. بعد الحصول على المسافة بين قيم جميع الخصائص ، احسب المسافة بين البضائع.
5. فكر في الأداء ، حساب كل أزواج المسافات له تعقيد

   $$

   $$O(N^2)$$
   وإذا كان حساب 50 مليون مسافة لـ 10 آلاف سلعة لا يبدو مشكلة كبيرة ، فإن 50 مليارًا مقابل 300 ألف يعد بالفعل مشكلة كبيرة.

دعونا نحل هذه المشاكل. إلى حد ما ، سيكون هذا عمل بحثي.

كيف نحدد أوزان الميزات

استخدمنا فكرتين أساسيتين مع الأوزان.

• الخصائص التي تؤثر على السعر مهمة. العكس ليس بالضرورة صحيحًا. على سبيل المثال ، لون الهاتف المحمول مهم بدرجة كافية ، لكنه لا يؤثر على السعر.
• من أجل تحديد الخصائص المهمة التي لا تؤثر على السعر ، نفترض أنها ، في المتوسط ​​، مملوءة بشكل أفضل.

علاوة على ذلك ، لكل فئة ، نقوم بتعيين أوزان لجميع الخصائص. للقيام بذلك ، قم بما يلي:

1. إذا كانت السمة رقمية ، فإننا نعتبر الارتباط مع سعر بيرسون.
2. إذا كان التعداد مع خيار حصري للطرفين (ولكن ليس الأرقام) ، فإننا نرتب عناصره حسب متوسط ​​سعر البضائع بهذه القيمة ، ونحسب الارتباط بسعر سبيرمان.
3. إذا تم توفير الاختيار من متعدد ، فإننا نختصرها إلى مجموعة حصرية (نعم / لا) ، ونحسب ارتباط كل منها بسعر سبيرمان. نقوم بتقليل المعامل الناتج اعتمادًا على عدد الخيارات.
4. نحسب النسبة المئوية للقيم المملوءة لكل خاصية ونزيد أو نخفض وزنها الذي تم الحصول عليه مسبقًا.
5. يمكن استخدام القيم التي تم الحصول عليها كأوزان ، ولكن في الممارسة العملية ، يتم الحصول على أفضل نتيجة إذا تم تحويلها مرة أخرى بشكل غير خطي ، مع الحفاظ على الترتيب.

لكل خطوة الفروق الدقيقة الخاصة بها ، على سبيل المثال ، كيفية حساب السعر إذا كانت أسعار التجزئة معروفة في حالة واحدة فقط ، وفي الحالة الأخرى - أسعار الجملة فقط ، وفي الحالة الثالثة ، كلاهما. أو أخطأ أحد المتاجر في السعر وقام ببيع طاولة بجانب السرير بسعر خزانة من نفس المجموعة.

كيف نحسب المسافة بين البضائع

باختيار الخوارزمية التي نحسب من خلالها المسافة بين قيم الخاصية ، نحتاج إلى أن نضع في اعتبارنا كيف سنقوم بحساب المسافة بين البضائع ، مع وجود المسافة بين الخصائص الفردية ووزنها. يخبرني حدسي أن أبدأ بمسافة فقط في الفضاء ذي البعد n ، أي الجذر التربيعي لمجموع مربعات المسافات بين الخصائص.



علاوة على ذلك ، يقول الحدس أنه في هذه الحالة يجب أن تكون دالة المسافة بين القيم توزيعية ، بل وأفضل ، إذا كانت متباينة المثلث ثابتة. لا يمكنني إثبات صحة هذه المتطلبات ، لكننا سنلتزم بهذه الشروط.



ومن ثم يمكن اعتبار الوظائف التالية دالة على المسافة:

• — , . , 35 , — 75 , 40 . .
• — (, ?), . .
• , .

الآن عن الأداء. من الناحية العملية ، اتضح أنه في فترة زمنية معقولة (تصل إلى 5 دقائق) يمكننا حساب المسافات الزوجية بين 30 ألف سلعة. لكن في الوقت نفسه ، في بعض فئات السلع ، يوجد المزيد ، على سبيل المثال ، قد يكون هناك مائة ألف مرتبة في الكتالوج ، وفي هذه الحالة نتحدث عن زيادة الوقت الذي يقضيه 10 مرات.



يبدو تحسين هذه الحالة على النحو التالي: نطلب جميع المنتجات حسب قيمة الخاصية ذات الوزن الأعلى

$$

$$O(N*log(N))$$

هذا أسرع من

$$

$$O(N^2)$$

ثم نقسم جميع المنتجات إلى مجموعات متداخلة (على سبيل المثال ، متداخلة بنسبة 20٪) ، ونحسب المسافات الزوجية داخل كل مجموعة. وبالتالي ، ما يصل إلى 30 ألف منتج في فئة ما ، يزيد وقت المعالجة بمقدار

$$

$$O(N^2)$$

وابتداء من 30 الف - كيف

$$

$$O(N*log(N))$$

النتائج

سأقدم عدة أمثلة لنتائج البحث التلقائي عن منتجات مماثلة باستخدام هذه الخوارزمية (سيكون الأول في الجدول هو المنتج الذي كنا نبحث عن منتجات مماثلة له)





توضح هذه الأمثلة ، من حيث المبدأ ، أن الخوارزمية قامت بعمل جيد وتم اختيارها في الحالة الأولى غسالات أوتوماتيكية قائمة بذاتها مع تحميل أفقي بنفس العمق مع نفس الحمل الأقصى تقريبًا (أنا لست متخصصًا كبيرًا في الغسالات ، ولكن هذه الخصائص تبدو مهمة بالنسبة لي). في الحالة الثانية - أيضًا غسالات أوتوماتيكية قائمة بذاتها ، ولكن مع تحميل علوي. عرض وعمق الخيارات المقترحة متماثلان. في كلتا الحالتين ، لم يتم تقديم المنشط أو الآلات المدمجة ، وكذلك الآلات المدمجة على الحائط ، على الرغم من وجودها في الكتالوج.



هناك احتمالات ، أنه كان بإمكان متخصص كبير في الأجهزة القيام بالمهمة بشكل أفضل (ناقشنا النتائج في فئات مختلفة مع مندوبي المبيعات ، لقد وافقوا على معظم الخيارات ، لكنهم اقترحوا أيضًا خيارات لم ندرجها في النتيجة). في محاولة للنتيجة بنفسي كمشتري ، أجد هذه التوصيات مفيدة ، ولم أجد أخطاء فادحة في التوقعات.



وبالتالي ، بعد تنفيذ هذه الخوارزمية ، مع وجود اسم المنتج فقط كمدخل ، يمكننا العثور عليه تلقائيًا من الموردين والمنافسين ، وملء خصائصه ، واختيار الصور وحتى تقديم نظائرها. هذا يبسط إلى حد كبير عمل مديري المحتوى ومديري المبيعات.