Perkaitan & Persamaan menukar bakul dan tingkah laku sebenar kepada persamaan yang boleh anda ambil tindakan.
Sub-komponen lapisan abstraksi yang menjawab soalan berbeza daripada graf hubungan: bukan siapa yang berkaitan dengan siapa, tetapi apa yang menyerupai apa. Ia mengira tiga jenis persamaan statistik, semuanya daripada data sebenar. Persamaan produk-ke-produk datang daripada bakul sebenar — produk yang berlaku bersama dalam susunan yang sama (dibeli X, juga dibeli Y). Perkaitan kategori setiap ahli menangkap kategori yang diminati oleh setiap ahli, daripada sejarah pembelian dan penyemakan imbas mereka sendiri. Dan persamaan ahli dan tag — rupa-rupa — mengelompokkan ahli yang tag dan tingkah lakunya menyerupai satu sama lain, jadi khalayak yang terbukti boleh dikembangkan kepada orang yang benar-benar kelihatan seperti mereka. Tiada satu pun daripadanya direka-reka: setiap skor diperoleh daripada susunan dan tingkah laku yang diperhatikan, dan ia tidak pernah melintasi sempadan identiti atau privasi untuk sampai ke sana.
Memperoleh persamaan statistik daripada data sebenar — produk mana yang dibeli bersama, kategori mana yang diminati oleh ahli, dan ahli mana yang serupa — jadi cadangan dan pengembangan yang serupa bergantung pada corak sebenar, bukan populariti.
Persamaan, diperoleh daripada data sebenar — bukan populariti dan bukan tekaan.
Cadangan dan pengembangan khalayak hanya sebaik persamaan di sebaliknya. Lapisan ini mengira persamaan tersebut daripada apa yang sebenarnya berlaku — bakul sebenar, kecenderungan kategori sebenar, persamaan profil sebenar — dan menyerahkannya kepada ontologi dan enjin cadangan sebagai output yang dikawal, jadi setiap jawapan 'serupa dengan' adalah berasaskan dan boleh dihasilkan semula.
- Kerap dibeli bersama
- Kadangkala dibeli bersama
- Produk utama
- Produk serupa
Tiga jenis persamaan, semuanya daripada data sebenar
Persamaan di sini sentiasa menjawab 'apa yang menyerupai apa', dan ia sentiasa berasal daripada arahan dan tingkah laku yang diperhatikan — tidak pernah direka-reka, dan tidak pernah dengan melintasi sempadan identiti atau privasi.
- Produk-ke-produk — pembelian bersama daripada bakul sebenar: produk mana yang muncul bersama dalam susunan yang sama (dibeli X, juga dibeli Y), bertukar menjadi persamaan produk.
- Kategori perkaitan setiap ahli — kategori yang diminati oleh ahli, dikira daripada sejarah pembelian dan penyemakan imbas mereka sendiri dan bukannya purata seluruh kedai.
- Persamaan ahli dan tag (serupa) — ahli yang tag dan tingkah lakunya menyerupai satu sama lain, jadi khalayak benih yang terbukti boleh dikembangkan kepada orang yang benar-benar menyerupai mereka.
Apakah persamaan yang membolehkan anda mengira
Sebaik sahaja persamaan diwujudkan sebagai output yang dikawal, ia menjadi sesuatu yang menjadi permukaan cadangan dan Ejen boleh membacanya dengan mudah — jawapan yang sama setiap kali.
- Produk terbaik seterusnya — berasaskan pembelian bersama sebenar ahli dan corak kategori dan bukannya populariti generik.
- Pengembangan yang serupa — mengembangkan khalayak berprestasi tinggi dengan persamaan dengan profil sebenar, bukan dengan kurungan demografi yang luas.
- Jawapan 'serupa dengan' yang konsisten — enjin cadangan, khalayak kempen dan langkah penaakulan Ejen semuanya membaca satu persamaan yang dikawal, jadi mereka bersetuju.
Kesamaan vs. graf hubungan
Lapisan ini ialah saudara kepada graf perhubungan, dan perbezaannya penting: persamaan ialah persamaan statistik (kelihatan serupa, dibeli serupa), manakala graf perhubungan ialah kelebihan sosial yang eksplisit (rujukan sebenar yang ditukar atau isi rumah yang berkemungkinan). Ia saling melengkapi dan dibaca bersama — tidak pernah digabungkan.
- Jawapan persamaan 'apa yang menyerupai apa' — produk yang dibeli sama, ahli yang kelihatan serupa — daripada corak dalam data.
- Graf perhubungan menjawab 'siapa yang berhubung dengan siapa' — rujukan sebenar, yang ditukar, duta dan ikatan isi rumah.
- Ejen menggunakan kedua-duanya: memilih peranan struktur daripada graf, dan memilih produk atau khalayak yang serupa dengan persamaan.
Enjin cadangan merupakan pengguna utama lapisan ini: ia memperibadikan daripada pertalian setiap ahli merentasi e-mel, tapak anda sendiri dan mana-mana aplikasi melalui API, dengan sandaran trend untuk pelawat kali pertama supaya slot tidak pernah kosong.
Beginilah cara lapisan meningkatkan keputusan AI.
Tanpa model persamaan, cadangan akan kembali kepada populariti seluruh kedai dan pengembangan khalayak akan kembali kepada demografi luas — kedua-duanya tidak menyedari apa yang sebenarnya dibeli dan diserupai oleh ahli tertentu. Persamaan dikira semula secara ad hoc dalam setiap alat, jadi jawapan 'serupa dengan' yang digunakan oleh kempen tidak sepadan dengan jawapan yang disediakan oleh enjin cadangan, dan kedua-duanya tidak berasaskan bakul sebenar atau persamaan profil sebenar.
Pilihan produk terbaik seterusnya disokong oleh pembelian bersama atau corak kategori sebenar dan bukannya populariti seluruh kedai.
Ahli melihat cadangan yang mencerminkan kategori yang sebenarnya mereka minati, bukan pembeli biasa.
Khalayak yang terbukti boleh dikembangkan kepada sekumpulan ahli yang serupa yang tag dan tingkah lakunya benar-benar menyerupainya, bukannya tekaan demografi yang luas.
Jawapan 'serupa dengan' yang digunakan oleh kempen dan yang disediakan oleh enjin cadangan datang daripada output model terkawal yang sama.
Nilainya adalah operasi, bukan sekadar teknikal.
Ejen mendapat produk terbaik seterusnya yang berasaskan pembelian bersama atau corak kategori sebenar dan bukannya populariti seluruh kedai, dan pengembangan yang serupa yang berasaskan persamaan profil sebenar dan bukannya tekaan demografi. Oleh kerana persamaan ialah output model yang dikawal dan bukannya pengiraan ad-hoc, jawapan 'serupa dengan' yang sama boleh dihasilkan semula di mana-mana sahaja ia dibaca — permukaan cadangan, khalayak kempen atau langkah penaakulan Ejen.
Mengira persamaan produk-ke-produk daripada bakul sebenar — pasangan pembelian bersama (dibeli X, juga membeli Y), bukan penjual terlaris generik.
Memperoleh pertalian kategori setiap ahli daripada sejarah pembelian dan semak imbas setiap ahli, jadi produk terbaik seterusnya mencerminkan apa yang mereka cenderung ke arahnya.
Membina persamaan ahli dan tag (kelihatan serupa) daripada tag dan tingkah laku, supaya khalayak yang terbukti dapat dikembangkan kepada orang yang benar-benar serupa.
Mengekalkan setiap persamaan sebagai output model yang dikawal dan diwujudkan, jadi jawapan 'serupa dengan' yang sama dibaca secara konsisten dan bukannya dikira semula di tempat kejadian.
Mendasarkan ketiga-tiganya dalam data yang diperhatikan dan kekal di dalam sempadan identiti dan privasi — persamaan disimpulkan daripada apa yang berlaku, tidak pernah direka-reka.
Apa yang bertanggungjawab untuk lapisan ini
Membaca baris pesanan terperinci daripada kedai mentah dan mengira kejadian bersama produk — kekerapan dua produk muncul dalam bakul yang sama — sebagai persamaan produk-ke-produk.
Mengagregatkan sejarah pembelian dan semak imbas setiap ahli ke dalam pertalian kategori setiap ahli, menyatakan kategori yang mereka cenderung ke arahnya.
Mengira persamaan ahli-ke-ahli daripada tag dan tingkah laku profil, supaya khalayak benih boleh dikembangkan kepada set rupa yang menyerupainya.
Mewujudkan output persamaan sebagai hasil model yang dikawal dan mendedahkannya kepada ontologi dan permukaan cadangan, supaya ia dibaca dan bukannya diterbitkan semula setiap panggilan.
Kekal melengkapi graf hubungan: lapisan ini memodelkan persamaan statistik, manakala graf hubungan memodelkan ikatan sosial yang eksplisit dan ditukar — kedua-duanya dibaca bersama, tidak pernah digabungkan.