SocialHub.AI
← สถาปัตยกรรมข้อมูล
รูปแบบความคล้ายคลึงกัน

ความสัมพันธ์และความคล้ายคลึงกันจะเปลี่ยนตะกร้าสินค้าและพฤติกรรมจริงให้เป็นความคล้ายคลึงที่คุณสามารถนำไปใช้ได้

ส่วนประกอบย่อยของเลเยอร์นามธรรมที่ตอบคำถามที่แตกต่างจากกราฟความสัมพันธ์: ไม่ใช่ว่าใครเชื่อมต่อกับใคร แต่สิ่งใดคล้ายคลึงกับสิ่งใด มันคำนวณความคล้ายคลึงทางสถิติสามประเภท ซึ่งทั้งหมดมาจากข้อมูลจริง ความคล้ายคลึงระหว่างผลิตภัณฑ์มาจากตะกร้าสินค้าจริง — ผลิตภัณฑ์ใดที่ปรากฏร่วมกันในคำสั่งซื้อเดียวกัน (ซื้อ X ซื้อ Y ด้วย) ความสัมพันธ์ของหมวดหมู่ต่อสมาชิกจะจับภาพว่าสมาชิกแต่ละคนดึงดูดไปยังหมวดหมู่ใด จากประวัติการซื้อและการเรียกดูของพวกเขาเอง และความคล้ายคลึงของสมาชิกและแท็ก — ผู้ที่หน้าตาคล้ายกัน — จัดกลุ่มสมาชิกที่มีแท็กและพฤติกรรมคล้ายกัน เพื่อให้สามารถขยายกลุ่มเป้าหมายที่ได้รับการพิสูจน์แล้วไปยังผู้คนที่หน้าตาคล้ายกันจริงๆ ไม่มีส่วนใดถูกสร้างขึ้น: คะแนนทั้งหมดได้มาจากคำสั่งซื้อและพฤติกรรมที่สังเกตได้ และจะไม่ข้ามขอบเขตของตัวตนหรือความเป็นส่วนตัวเพื่อให้ได้มาซึ่งคะแนนเหล่านั้น

ชั้น
ความสัมพันธ์และความคล้ายคลึงกัน

ได้รับความคล้ายคลึงทางสถิติจากข้อมูลจริง ผลิตภัณฑ์ใดที่ซื้อร่วมกัน หมวดหมู่ใดที่สมาชิกโน้มตัวไป และสมาชิกรายใดที่มีหน้าตาเหมือนกัน ดังนั้นคำแนะนำและการขยายความคล้ายคลึงจึงขึ้นอยู่กับรูปแบบที่แท้จริง ไม่ใช่ความนิยม

ชั้นความสัมพันธ์ · โมเดลความคล้ายคลึงกัน

ความคล้ายคลึงกันนั้นได้มาจากข้อมูลจริง ไม่ใช่ความนิยมและการคาดเดา

คำแนะนำและการขยายฐานผู้ชมจะดีพอๆ กับความคล้ายคลึงที่อยู่เบื้องหลังเท่านั้น เลเยอร์นี้คำนวณความคล้ายคลึงนั้นจากสิ่งที่เกิดขึ้นจริง เช่น ตะกร้าจริง การโน้มเอียงหมวดหมู่จริง ความคล้ายคลึงโปรไฟล์จริง และส่งต่อให้กับภววิทยาและกลไกการแนะนำเป็นเอาต์พุตที่ได้รับการควบคุม ดังนั้นทุกคำตอบที่ 'คล้ายกับ' จึงมีพื้นฐานและทำซ้ำได้

ซื้อคู่กัน(จากตะกร้าจริง)ABCDABCDสินค้าที่คล้ายกัน (คลัสเตอร์)ABCD
  • ซื้อกันบ่อย
  • ซื้อด้วยกันบางครั้ง
  • ผลิตภัณฑ์หลัก
  • ผลิตภัณฑ์ที่คล้ายกัน
ภาพประกอบ — มูลค่าที่เกิดขึ้นร่วมกันที่ประดิษฐ์ขึ้น ไม่ใช่ข้อมูลลูกค้าจริง

ความคล้ายคลึงกันสามแบบ ทั้งหมดมาจากข้อมูลจริง

ความคล้ายคลึงกันในที่นี้มักจะตอบว่า 'สิ่งที่คล้ายกับอะไร' เสมอ และมันได้มาจากคำสั่งและพฤติกรรมที่สังเกตได้เสมอ - ไม่เคยมีการปลอมแปลง และไม่เคยข้ามขอบเขตตัวตนหรือความเป็นส่วนตัว

  • Product-to-product — การซื้อร่วมจากตะกร้าจริง: ผลิตภัณฑ์ใดที่ปรากฏพร้อมกันในคำสั่งซื้อเดียวกัน (ซื้อ X และซื้อ Y ด้วย) กลายเป็นความคล้ายคลึงกันของผลิตภัณฑ์
  • ความเกี่ยวข้องของหมวดหมู่ต่อสมาชิก — ซึ่งจัดหมวดหมู่ที่สมาชิกสนใจ โดยคำนวณจากประวัติการซื้อและการเรียกดูของตนเอง แทนที่จะเป็นค่าเฉลี่ยทั่วทั้งร้าน
  • ความคล้ายคลึงกันของสมาชิกและแท็ก (คล้ายกัน) — สมาชิกที่มีแท็กและพฤติกรรมคล้ายกัน ดังนั้นกลุ่มผู้ชมเริ่มต้นที่พิสูจน์แล้วจึงสามารถขยายไปยังผู้ที่ดูเหมือนพวกเขาอย่างแท้จริง

ความคล้ายคลึงกันที่ช่วยให้คุณคำนวณได้

เมื่อความคล้ายคลึงกันเกิดขึ้นจริงเป็นเอาท์พุตที่ได้รับการควบคุม มันจะกลายเป็นส่วนแนะนำและ Agent ก็สามารถอ่านได้ — คำตอบเดียวกันทุกครั้ง

  • ผลิตภัณฑ์ที่ดีที่สุดถัดไป — อิงจากรูปแบบการซื้อร่วมและการจัดหมวดหมู่ที่แท้จริงของสมาชิก แทนที่จะเป็นความนิยมทั่วไป
  • การขยายกลุ่มเป้าหมายที่คล้ายคลึงกัน — สร้างกลุ่มเป้าหมายที่มีประสิทธิภาพสูงโดยอาศัยความคล้ายคลึงกับโปรไฟล์จริง ไม่ใช่โดยกลุ่มประชากรที่กว้าง
  • คำตอบที่ 'คล้ายกับ' ที่สอดคล้องกัน — เครื่องมือแนะนำ ผู้ชมแคมเปญ และขั้นตอนการให้เหตุผลของตัวแทนล้วนอ่านความคล้ายคลึงกันที่มีการควบคุมเหมือนกัน ดังนั้นพวกเขาจึงเห็นด้วย

ความคล้ายคลึงกับกราฟความสัมพันธ์

เลเยอร์นี้เป็นน้องสาวของกราฟความสัมพันธ์ และความแตกต่างมีความสำคัญ: ความคล้ายคลึงกันคือความคล้ายคลึงทางสถิติ (ดูเหมือนกัน ซื้อเหมือนกัน) ในขณะที่กราฟความสัมพันธ์เป็นข้อได้เปรียบทางสังคมที่ชัดเจน (ผู้อ้างอิงที่เปลี่ยนใจเลื่อมใสจริงหรือครัวเรือนที่มีแนวโน้ม) เป็นส่วนเสริมและอ่านร่วมกัน ไม่เคยปะปนกัน

  • ความคล้ายคลึงตอบว่า 'สิ่งที่คล้ายกับอะไร' — ผลิตภัณฑ์ที่ซื้อเหมือนกัน สมาชิกที่มีลักษณะเหมือนกัน — จากรูปแบบในข้อมูล
  • กราฟความสัมพันธ์จะตอบว่า 'ใครเชื่อมโยงกับใคร' ซึ่งได้แก่ ผู้อ้างอิงที่แท้จริง ผู้เปลี่ยนใจเลื่อมใส ตัวแทน และความผูกพันในครอบครัว
  • ตัวแทนใช้ทั้งสองอย่าง: เลือกบทละครตามบทบาทเชิงโครงสร้างจากกราฟ และเลือกผลิตภัณฑ์ที่เหมาะสมหรือผู้ชมที่คล้ายกันตามความคล้ายคลึงกัน
เลเยอร์พี่น้อง — สำหรับความสัมพันธ์ทางสังคมที่ชัดเจน (ผู้อ้างอิงที่เปลี่ยนใจเลื่อมใส ลิงก์ตัวแทน และครัวเรือนที่น่าจะเป็นกราฟสมาชิก) โปรดดูความสัมพันธ์และความสัมพันธ์→
ในกรณีที่มีการใช้ความคล้ายคลึงกัน
คำแนะนำ — ในอีเมลของคุณ บนเว็บไซต์ของคุณ ทุกที่

กลไกการแนะนำคือผู้บริโภคหลักของเลเยอร์นี้ โดยปรับเปลี่ยนตามความสนใจของสมาชิกแต่ละคนในอีเมล เว็บไซต์ของคุณเอง และแอปใดๆ ผ่านทาง API โดยมีทางเลือกยอดนิยมสำหรับผู้เยี่ยมชมครั้งแรก ดังนั้นช่องจึงไม่ว่างเปล่า

ดูคำแนะนำ →
ผลกระทบจาก AI ของเอเจนซี่

นี่คือวิธีที่เลเยอร์ปรับปรุงการตัดสินใจของ AI

หากไม่มีโมเดลที่คล้ายคลึงกัน คำแนะนำจะถอยกลับไปอยู่ที่ความนิยมทั่วทั้งร้าน และการขยายฐานผู้ชมจะกลับไปอยู่ที่กลุ่มประชากรในวงกว้าง โดยทั้งคู่จะมองข้ามสิ่งที่สมาชิกคนใดคนหนึ่งซื้อและมีลักษณะคล้ายคลึงกันจริงๆ ความคล้ายคลึงกันจะได้รับการคำนวณใหม่เฉพาะกิจในแต่ละเครื่องมือ ดังนั้นคำตอบที่ 'คล้ายคลึงกับ' ที่แคมเปญใช้ไม่เห็นด้วยกับคำตอบที่เครื่องมือแนะนำให้บริการ และไม่ได้มีเหตุผลใด ๆ อยู่ในตะกร้าจริงหรือความคล้ายคลึงโปรไฟล์จริง

การเลือกผลิตภัณฑ์ที่ดีที่สุดรองลงมานั้นได้รับการสนับสนุนจากการซื้อร่วมหรือรูปแบบหมวดหมู่ที่แท้จริงมากกว่าความนิยมทั่วทั้งร้านค้า

สมาชิกจะเห็นคำแนะนำที่สะท้อนถึงหมวดหมู่ที่พวกเขาสนใจจริงๆ ไม่ใช่หมวดหมู่ของผู้ซื้อโดยเฉลี่ย

ผู้ชมที่ได้รับการพิสูจน์แล้วสามารถขยายไปยังกลุ่มสมาชิกที่คล้ายคลึงกันซึ่งมีแท็กและพฤติกรรมที่คล้ายคลึงกันอย่างแท้จริง แทนที่จะคาดเดาตามข้อมูลประชากรในวงกว้าง

คำตอบ 'คล้ายกับ' ที่แคมเปญใช้และคำตอบที่เครื่องมือแนะนำให้บริการนั้นมาจากเอาต์พุตโมเดลที่ควบคุมเดียวกัน

ทำไมจึงสำคัญ

คุณค่านั้นใช้งานได้จริง ไม่ใช่แค่ทางเทคนิคเท่านั้น

ตัวแทนได้รับผลิตภัณฑ์ที่ดีที่สุดรองลงมาโดยมีพื้นฐานมาจากการซื้อร่วมหรือรูปแบบหมวดหมู่ที่แท้จริง แทนที่จะเป็นความนิยมทั่วทั้งร้าน และการขยายที่คล้ายคลึงกันโดยอิงจากโปรไฟล์ที่คล้ายคลึงกันจริง แทนที่จะคาดเดาตามข้อมูลประชากร เนื่องจากความคล้ายคลึงกันเป็นผลลัพธ์ของโมเดลที่ได้รับการควบคุมมากกว่าการคำนวณแบบเฉพาะกิจ คำตอบที่ 'คล้ายกับ' เดียวกันจึงสามารถทำซ้ำได้ทุกที่ที่อ่าน ไม่ว่าจะเป็นพื้นผิวคำแนะนำ ผู้ชมแคมเปญ หรือขั้นตอนการให้เหตุผลของตัวแทน

คำนวณความคล้ายคลึงกันระหว่างผลิตภัณฑ์กับผลิตภัณฑ์จากตะกร้าจริง - คู่ที่ซื้อร่วม (ซื้อ X ซื้อ Y ด้วย) ไม่ใช่สินค้าขายดีทั่วไป

ได้รับความเกี่ยวข้องของหมวดหมู่ต่อสมาชิกจากประวัติการซื้อและการเรียกดูของสมาชิกแต่ละคน ดังนั้นผลิตภัณฑ์ที่ดีที่สุดรองลงมาจึงสะท้อนถึงสิ่งที่พวกเขาโน้มเอียงไปจริงๆ

สร้างความคล้ายคลึงกันของสมาชิกและแท็ก (ความคล้ายคลึงกัน) จากแท็กและพฤติกรรม เพื่อให้ผู้ชมที่ได้รับการพิสูจน์แล้วสามารถขยายไปสู่ผู้คนที่คล้ายกันอย่างแท้จริง

เก็บความคล้ายคลึงทุกอย่างไว้ในรูปแบบโมเดลที่ถูกควบคุมและสร้างขึ้น เพื่อให้คำตอบ 'คล้ายกับ' เดียวกันถูกอ่านอย่างสม่ำเสมอ แทนที่จะคำนวณใหม่ในทันที

ยึดหลักการทั้งสามนี้ไว้ในข้อมูลที่สังเกตได้ และอยู่ภายในขอบเขตของข้อมูลประจำตัวและความเป็นส่วนตัว ความคล้ายคลึงกันอนุมานได้จากสิ่งที่เกิดขึ้น ไม่เคยมีการปลอมแปลง

สัญญาสถาปัตยกรรม

สิ่งที่เลเยอร์นี้รับผิดชอบ

1

อ่านบรรทัดคำสั่งซื้อแยกรายการจากร้านค้าดิบและคำนวณการเกิดขึ้นร่วมกันของผลิตภัณฑ์ — ความถี่ที่ผลิตภัณฑ์สองรายการปรากฏในตะกร้าเดียวกัน — เป็นความคล้ายคลึงกันระหว่างผลิตภัณฑ์กับผลิตภัณฑ์

2

รวมการซื้อและประวัติการเรียกดูของสมาชิกแต่ละคนไว้ในความเกี่ยวข้องของหมวดหมู่ต่อสมาชิก โดยแสดงว่าพวกเขาสนใจในหมวดหมู่ใด

3

คำนวณความคล้ายคลึงกันของสมาชิกต่อสมาชิกจากแท็กโปรไฟล์และพฤติกรรม เพื่อให้สามารถขยายกลุ่มผู้ชมเริ่มต้นเป็นชุดที่คล้ายคลึงกันที่คล้ายคลึงกัน

4

ทำให้ผลลัพธ์ของความคล้ายคลึงกันเป็นรูปธรรมเป็นผลลัพธ์ของโมเดลภายใต้การควบคุม และเปิดเผยกับ ontology และพื้นผิวคำแนะนำ ดังนั้นจึงอ่านได้แทนที่จะรับมาอีกครั้งต่อการโทร

5

ยังคงเสริมกับกราฟความสัมพันธ์: เลเยอร์นี้จำลองความคล้ายคลึงทางสถิติ ในขณะที่กราฟความสัมพันธ์จำลองความสัมพันธ์ทางสังคมที่ชัดเจนและแปลงแล้ว — ทั้งสองจะถูกอ่านร่วมกัน ไม่ปะปนกัน

ครอบคลุมสัญญาณการขายปลีก

สิ่งที่ทำให้ใช้งานได้

คู่ซื้อผลิตภัณฑ์ร่วมกัน (ซื้อ X, ซื้อ Y ด้วย)ความคล้ายคลึงกันระหว่างผลิตภัณฑ์กับผลิตภัณฑ์จากตะกร้าจริงความสัมพันธ์ตามหมวดหมู่ต่อสมาชิกความคล้ายคลึงกันของสมาชิกและแท็ก (กลุ่มเป้าหมายที่คล้ายกัน)ตัวเลือกผลิตภัณฑ์ที่ดีที่สุดถัดไปจากรูปแบบจริง
ดำเนินการต่อสถาปัตยกรรม

ความสามารถแบบเรียลไทม์มาจากห่วงโซ่ทั้งหมด