Аннотация
М. А. Дыков, П. Н. Воробкалов - Ранжирование результатов поисковых запросов в интернет-магазине на основании предпочтений покупателей В данной статье рассмотрены существующие способы ранжирования результатов поисковых запросов в Интернет-магазине и их недостатки. Предложен новый многокритериальный способ ранжирования на основание предпочтений покупателей, позволяющий увеличить релевантность ранжирования.
Ранжирование результатов поисковых запросов в интернет-магазине на основании предпочтений покупателей
В крупных Интернет-магазинах результатами поисковых запросов могут являться большие списки товаров. При этом пользователь, не найдя за короткий промежуток времени в предложенном списке нужный ему товар, вероятно, покинет данный Интернет-магазин. Для избегания этого результаты поисковых запросов ранжируют определенным образом так, чтобы на первых позициях находились товары, которые, вероятно, понравятся пользователю больше других [1].:
В настоящее время в Интерент-магазинах ранжирование результатов поисковых запросов происходит на основание рейтингов товаров, которое определяются частотой их покупки и покупательскими оценками [2].У данного метода имеется ряд недостатков:
- Рейтинг товара определятся вкусами большинства, а предпочтения конкретного покупателя не всегда с ними совпадают;
- Рейтинг товаров не всегда объективен, так как может быть намеренно повышен с альтернативных учетных записей или другими нечестными способами;
- Учитывается рейтинг товара как единого объекта, при этом не учитывается рейтинг его свойств.
Для учета вкусов покупателя на определенные свойства товара был разработан механизм формирования рейтинга значений свойств товаров для конкретного покупателя на основание информации об оценках, которые он выставил товарам и на основание совершенных им покупок. Основная проблема заключается в том, что каждый товар имеет большой набор свойств, на многие из которых покупатель либо не обращает внимания при покупке/оценивание товара, либо не имеет постоянных предпочтений. Предпочтения на некоторые значения свойств сохраняются только в рамках определенной категории. В ходе исследования было выявлено, что для формирования картины предпочтений покупателя на свойства товаров достаточно учитывать только небольшое количество свойств. Все свойства была разделены на несколько видов в зависимости от их влияния на предпочтения покупателя. Результат данного разделения приведен на рисунке.
Рисунок 1 – Виды свойств товаров
При совершение пользователем Интернет-магазина покупки товара или при выставлении им оценки товару происходит увеличение рейтинга соответствующих значений свойств у всех товаров в категории данного товара или в нескольких категориях в зависимости от вида свойства.
Для устранения недостатка рейтингового подхода, заключающегося в том, что рейтинг товара определяется большинством, предпочтения которого могут сильно отличатся от предпочтений конкретного покупателя, предлагается выделять сегменты пользователей со схожими вкусами и, при ранжировании списков товаров для конкретного покупателя, учитывать предпочтения пользователей из того же сегмента. При этом предлагается выделять отдельные группы сегментов для каждой категории товаров, так как предпочтения одних и тех же людей на различные группы товаров могут сильно различаться. Входными данными для сегментирования являются предпочтения пользователей на определенные значения свойств товаров внутри каждой категории. Для сегментации выбран эволюционный кластерный метод, который обеспечивает кластеризацию на протяжении всего жизненного цикла системы при непрерывном поступлении входных данных. Он предназначен для online кластеризации, хотя и включает специальную методику для уточнения кластерных центров при обучении в режиме offline, что позволяет проводить смешанное обучение при функционировании ИС. Основное достоинство алгоритма заключается в том, что, в отличие от других методов кластеризации, число кластеров заранее не определяется и может меняться в режиме online по мере поступления входных данных [3].
Таким образом, можно выделить следующие факторы, влияющие на вес товара в упорядоченном списке:
- Был ли куплен/оценен товар покупателем раньше;
- Совокупный рейтинг свойств товара для данного покупателя;
- Рейтинг данного товара в сегменте, в который входит покупатель;
- Рейтинг товара среди всех пользователей Интернет-магазина.
На начальном этапе работы Интернет-магазина последний фактор оказывает максимальное влияние, так как еще не собрано достаточное количество информации о предпочтениях покупателей. По мере развития Интернет-магазина и формирования карты предпочтений покупателя - все боль
Выводы
Таким образом, был разработан метод ранжирования результатов поисковых запросов на основание предпочтений покупателя. Применение данного метода в крупных Интернет-магазинах с большим количеством покупок/оценок на покупателя позволит повысить релевантность ранжирования для каждого конкретного покупателя и, следовательно, повысить привлекательность данного Интернет-магазина.
Список литературы
- Ranking the Product Items on the Web with Multidimensional Preferences [Электронный ресурс]. [2008]. Режим доступа: http://www.tkl.iis.u-tokyo.ac.jp/top/modules/newdb/extract/990/data/Rakuten Symposium08yang.pdf.
- Комарцова Л.Г., Кадников Д.С. Эволюционный алгоритм кластеризации. Известия Волгоградского государственного технического университета. Сб. науч ст. №6(54) ВолгГТУ. Волгоград, 2009. – с. 54–56.