Un modèle de popularité calcule un score de popularité statique pour chaque produit ou document présent dans votre index, en se fondant sur le comportement historique des utilisateurs. Ces modèles utilisent des algorithmes de tri pour calculer et quantifier la qualité et la popularité statiques de chaque élément. Ils reposent sur un calcul hors ligne et s'appliquent aussi bien aux scénarios commerciaux qu'aux cas non commerciaux. Tout cas d'usage de recherche où vous souhaitez que les contenus les plus consultés apparaissent en tête des résultats peut tirer parti d'un modèle de popularité.
Exemples :
Un site e-commerce classe les t-shirts selon le nombre d'achats et d'ajouts au panier effectués au cours des 7 derniers jours.
Une plateforme de contenu classe les articles en combinant le nombre de vues et de « j'aime » obtenus au cours des 30 derniers jours.
Une place de marché B2B classe les fournisseurs en fonction du nombre d'impressions et du taux de conversion enregistrés au cours des 14 derniers jours.
Chaque application prend en charge un maximum de cinq modèles de popularité.
Fonctionnement
Un modèle de popularité attribue un score à chaque élément en combinant des signaux issus de quatre dimensions :
| Dimension | Options |
|---|---|
| Entité | Produit ou document, marque, marchand, catégories feuilles, catégories de niveau 1 |
| Période | 1 jour, 3 jours, 7 jours, 14 jours, 30 jours, pondération par décroissance temporelle |
| Comportement | Exposition, clic, ajout aux favoris, ajout au panier, achat, commentaires, « j'aime » |
| Statistiques | Compteur, nombre de clients, fréquence, taux de clics (CTR), taux de conversion |
Définissez chaque fonctionnalité en sélectionnant un ou deux éléments pour chacune des dimensions. Le nombre total de fonctionnalités que vous pouvez définir correspond au produit cartésien des quatre dimensions.
Exemples de fonctionnalités :
Nombre de fois (statistiques : compteur) où un produit (entité) a reçu une exposition (comportement) au cours du dernier jour (période).
-
Volume des ventes (comportement + statistiques) pour le marchand (entité) auquel appartient un produit, sur les 30 derniers jours (période).
Une fois l'entraînement terminé, le modèle génère un seul score de popularité par élément. Appliquez ce score à une politique de tri afin que les résultats de recherche reflètent à la fois la pertinence et l'engagement réel des utilisateurs.
Créer et appliquer un modèle de popularité
L'utilisation d'un modèle de popularité repose sur trois étapes :
Créez un modèle.
Entraînez le modèle et consultez le rapport de données.
Appliquez le score de popularité à une politique de tri.
Créer un modèle de popularité
Connectez-vous à la console OpenSearch. Dans le volet de navigation de gauche, choisissez Search Algorithm Center > Sort Configuration. Dans le volet de gauche, cliquez sur Popularity Model Management, puis cliquez sur Create.
-
Saisissez un nom de modèle et cliquez sur Submit.
Sur la page de création du modèle de popularité, sélectionnez l'Target Application (par exemple,
medical) et saisissez un Model Name (par exemple,test_02). Le nom du modèle doit comporter entre 1 et 30 caractères, commencer par une lettre, contenir uniquement des lettres majuscules, des lettres minuscules, des chiffres et des traits de soulignement, et être différent des noms de vos autres modèles. Pour la préparation des données, utilisez le SDK de collecte de données pour télécharger les données de comportement telles que les expositions et les clics, et assurez-vous que l'application reçoit un trafic suffisant. Une fois le formulaire rempli, cliquez sur Submit. -
Après l'envoi, vous êtes redirigé vers une page de confirmation. Revenez à la page Popularity Model Management.
La page affiche le message de réussite Popularity Model Created et répertorie les opérations suivantes :
Consultez le Data Report pour confirmer que la qualité des données répond aux exigences.
Évaluez le modèle en utilisant Search Test ou A/B Test.
Appliquez le score de popularité dans la configuration de tri.
Cliquez sur Done.
Localisez le modèle que vous avez créé et cliquez sur Train dans la colonne Actions. L'état de la dernière version passe à Scheduling. Attendez la fin de l'entraînement.
Gérer un modèle de popularité
Page Popularity Model Management
La page des détails du modèle de popularité contient les informations suivantes :
Basic Information : l'heure de création, l'heure du dernier démarrage de l'entraînement, l'état du modèle (Available) et l'état de la dernière version (Trained and ready).
Configuration Information : le commutateur Scheduled Task (activé ou désactivé). Cliquez sur Edit Scheduled Task pour modifier le cycle d'entraînement.
Data Verification : l'état d'intégrité des données (Available Data) et le niveau d'intégrité, tel que
l1. Cliquez sur Upgrade Conditions pour afficher les détails.Training History : un tableau qui répertorie la version du modèle, l'état de la version, l'heure de début de l'entraînement et l'heure de fin de l'entraînement.
Section Basic Information
Consultez l'heure de création du modèle, son état actuel, l'heure du dernier démarrage de l'entraînement et l'état de la dernière version.
Section Configuration Information
L'option Scheduled Task est activée par défaut, ce qui entraîne le modèle une fois par jour. Cliquez sur Edit Scheduled Task pour définir un cycle d'entraînement personnalisé.
Section Data Verification
Cette section affiche l'état d'intégrité des données de votre application : Available Data ou Abnormal Data.
Le système attribue l'un des deux niveaux d'intégrité suivants en fonction de la qualité de vos données :
Niveau d'intégrité Description Condition de mise à niveau l0 Complètement indisponible. Les champs principaux requis sont manquants et la taille des données est faible, ce qui empêche tout traitement ultérieur des données. Passe au niveau l1 lorsque les pages vues des éléments (IPV) dépassent 100 au cours des dernières 24 heures. l1 Les champs principaux sont disponibles et les conditions d'entraînement du modèle sont remplies. N/A Étapes suivantes
Algorithm surrounding — Références API et SDK