Model popularitas menghitung popularity score statis untuk setiap produk atau dokumen dalam indeks Anda berdasarkan perilaku pengguna historis. Model ini menggunakan algoritma pengurutan untuk menghitung dan mengkuantisasi kualitas serta popularitas statis setiap item. Dibangun melalui komputasi offline, model popularitas dapat digunakan dalam skenario komersial maupun non-komersial. Setiap kasus penggunaan pencarian yang ingin menampilkan konten dengan interaksi lebih tinggi dalam hasil pencarian dapat memperoleh manfaat dari model ini.
Contoh:
Situs e-commerce mengurutkan kaos berdasarkan jumlah pembelian dan penambahan ke keranjang dalam 7 hari terakhir.
Platform konten mengurutkan artikel berdasarkan kombinasi jumlah tampilan dan likes selama 30 hari terakhir.
Pasar B2B mengurutkan pemasok berdasarkan jumlah impresi dan tingkat konversi dalam 14 hari terakhir.
Setiap aplikasi mendukung maksimal lima model popularitas.
Cara kerja
Model popularitas memberi skor setiap item dengan menggabungkan sinyal dari empat dimensi:
| Dimensi | Opsi |
|---|---|
| Entity | Produk atau dokumen, merek, merchant, kategori daun, kategori level 1 |
| Time period | 1 hari, 3 hari, 7 hari, 14 hari, 30 hari, time decay weighting |
| Behavior | Exposure, klik, tambah ke favorit, tambah ke keranjang, pembelian, komentar, likes |
| Statistics | Count, jumlah pelanggan, frekuensi, click-through rate (CTR), tingkat konversi |
Tentukan setiap fitur dengan memilih satu hingga dua item dari masing-masing dimensi. Jumlah total fitur yang dapat Anda definisikan sama dengan Produk Kartesius dari keempat dimensi tersebut.
Contoh fitur:
Jumlah kali (statistics: count) suatu produk (entity) menerima exposure (behavior) dalam satu hari terakhir (time period)
Volume penjualan (behavior + statistics) untuk merchant (entity) tempat produk tersebut berasal, selama 30 hari terakhir (time period)
Setelah pelatihan selesai, model menghasilkan satu popularity score per item. Terapkan skor tersebut ke kebijakan pengurutan agar hasil pencarian mencerminkan relevansi sekaligus keterlibatan dunia nyata.
Buat dan terapkan model popularitas
Tiga langkah untuk menggunakan model popularitas:
Buat model.
Lakukan pelatihan model dan periksa laporan data.
Terapkan popularity score ke kebijakan pengurutan.
Buat model popularitas
Masuk ke Konsol OpenSearch. Di panel navigasi kiri, pilih Search Algorithm Center > Sort Configuration. Di panel kiri, klik Popularity Model Management, lalu klik Create.
Masukkan nama model dan klik Submit.
Di halaman pembuatan model popularitas, pilih Target Application (misalnya,
medical) dan masukkan Model Name (misalnya,test_02). Nama model harus terdiri dari 1 hingga 30 karakter, dimulai dengan huruf, boleh berisi huruf besar, huruf kecil, angka, dan garis bawah, serta tidak boleh sama dengan nama model lain yang telah Anda buat. Untuk persiapan data, gunakan SDK data collection untuk mengunggah data perilaku seperti exposure dan klik, dan pastikan aplikasi menerima traffic yang cukup. Setelah formulir lengkap, klik Submit.Setelah mengirimkan, Anda akan diarahkan ke halaman konfirmasi. Kembali ke halaman Popularity Model Management.
Halaman tersebut menampilkan pesan sukses Popularity Model Created dan mencantumkan operasi yang dapat Anda lakukan selanjutnya:
Periksa Data Report untuk memastikan kualitas data memenuhi persyaratan.
Evaluasi model menggunakan Search Test atau A/B Test.
Terapkan popularity score dalam konfigurasi pengurutan.
Klik Done.
Temukan model yang telah Anda buat dan klik Train di kolom Actions. Status versi terbaru berubah menjadi Scheduling. Tunggu hingga pelatihan selesai.
Kelola model popularitas
Halaman Popularity Model Management
Halaman detail model popularitas berisi informasi berikut:
Informasi Dasar: waktu pembuatan, waktu mulai pelatihan terakhir, status model (Available), dan status versi terbaru (Trained and ready).
Informasi Konfigurasi: sakelar Scheduled Task (aktif atau tidak aktif). Klik Edit Scheduled Task untuk mengubah siklus pelatihan.
Verifikasi Data: status integritas data (Available Data) dan tingkat integritas, seperti
l1. Klik Upgrade Conditions untuk melihat detailnya.Riwayat Pelatihan: tabel yang mencantumkan versi model, status versi, waktu mulai pelatihan, dan waktu akhir pelatihan.
Bagian Informasi Dasar
Lihat waktu pembuatan model, status saat ini, waktu mulai pelatihan terakhir, dan status versi terbaru.
Bagian Informasi Konfigurasi
Scheduled Task diaktifkan secara default, yang menjalankan pelatihan model sekali sehari. Klik Edit Scheduled Task untuk menetapkan siklus pelatihan kustom.
Bagian Verifikasi Data
Bagian ini menunjukkan status integritas data aplikasi Anda: Available Data atau Abnormal Data.
Sistem menetapkan salah satu dari dua tingkat integritas berdasarkan kualitas data Anda:
| Tingkat integritas | Deskripsi | Kondisi peningkatan |
|---|---|---|
| l0 | Tidak tersedia sama sekali. Bidang inti yang diperlukan tidak ada dan volume data kecil, sehingga pemrosesan data lanjutan tidak dapat dilakukan. | Ditingkatkan ke l1 ketika jumlah tampilan halaman item (IPVs) melebihi 100 dalam 24 jam terakhir. |
| l1 | Bidang inti tersedia dan kondisi pelatihan model terpenuhi. | N/A |
Langkah selanjutnya
Lingkungan algoritma — Referensi API dan SDK