このトピックでは、アルゴリズムポリシーを設定し、関連するサービス機能を使用して、ユーザーがレコメンデーション結果を更新したときに、レコメンデーション結果がユーザーの興味に合わせて変化することをユーザーに直接感じさせる方法について説明します。つまり、このトピックでは、リアルタイムフィードバックにおけるユーザーエクスペリエンスを向上させる方法について説明します。
ステップ 1：ユーザー行動をリアルタイムで記録およびアップロードする
ユーザーがレコメンデーションページを閲覧すると、露出、クリック、カートへの追加など、さまざまなユーザー行動が発生します。
ユーザー行動が発生した後、サーバー SDK を使用して API オペレーションを呼び出すか、Umeng SDK を使用することにより、行動データが Artificial Intelligence Recommendation (AIRec) に同期されます。
ステップ 2：商品カテゴリに関する情報を最適化する
従来のアイテム間 (I2I) アルゴリズム (アイテム間協調フィルタリング (ItemCF) とも呼ばれます) は、行動データに基づいてアイテム間の類似性を学習し、アイテムの類似性スコアを生成できます。ただし、ビールとベビー用おむつの類似性など、類似性スコアが高いにもかかわらず、実際にはかけ離れているものもあります。
類似性スコアを解釈可能にし、リアルタイムフィードバックにおけるユーザーエクスペリエンスを向上させるために、AIRec はアイテムのプロパティを最もよく表すカテゴリプロパティを最適化します。
たとえば、前の図のアイテム [張雲雷] CHIOTURE MUSIC DREAMER メイクアップギフトセットがショッピングカートに追加されています。
アイテムのカテゴリは cosmetics_makeup sets です。この例は参考用です。ビジネス要件に基づいてカテゴリ特性を指定してください。
アイテムテーブルの category_level (2) フィールドと category_path フィールドに情報を指定する必要があります。
ステップ 3：I2I アルゴリズムポリシーを調整する
AIRec は、サブカテゴリ収束最適化、親カテゴリ収束最適化、標準アイテムベースの協調フィルタリングという 3 つの最適化された I2I アルゴリズムポリシーを提供します。
この例では、サブカテゴリ収束最適化と親カテゴリ収束最適化のアルゴリズムポリシーが使用されています。
例 1：親カテゴリ収束最適化
たとえば、アイテム [張雲雷] CHIOTURE MUSIC DREAMER メイクアップギフトセットが複数のユーザー行動をトリガーした後、システムが化粧品に関するアイテムをもっとレコメンドするようにしたい場合は、親カテゴリ収束最適化オペレーターを有効にして、その優先度を上げます。
図: 
例 2：サブカテゴリ収束最適化
たとえば、アイテム [張雲雷] CHIOTURE MUSIC DREAMER メイクアップギフトセットが複数のユーザー行動をトリガーした後、システムがメイクアップセットに関するアイテムをもっとレコメンドするようにしたい場合は、サブカテゴリ収束最適化オペレーターを有効にして、その優先度を上げます。
図: 
例 3：親カテゴリ収束最適化とサブカテゴリ収束最適化の組み合わせ
たとえば、アイテム [張雲雷] CHIOTURE MUSIC DREAMER メイクアップギフトセットが複数のユーザー行動をトリガーした後、システムが化粧品とメイクアップセットの両方のアイテムをレコメンドするようにしたい場合は、親カテゴリ収束最適化オペレーターとサブカテゴリ収束最適化オペレーターの両方を同時に有効にして、それぞれの優先度を指定します。
図: 
ステップ 4：A/B テストを実行する
上記のすべての例は、リアルタイムフィードバックにおけるユーザーエクスペリエンスを向上させることができます。 A/B テストを実行して、実際のトラフィックにおけるポリシーのビジネスパフォーマンスを直接比較し、ビジネスに最適なポリシーを判断できます。
手順:
1. テスト機能を有効にします。
2. テストを作成します。たとえば、テスト 1 では親カテゴリ収束最適化オペレーターを優先し、テスト 2 ではサブカテゴリ収束最適化オペレーターを優先します。他のテストの設定はカスタマイズできます。
3. トラフィックを割り当てます。他のテスト設定が互いに一致していることを確認し、等しいトラフィックバケットを割り当てる必要があります。
4. パフォーマンスを観察します。結論を出すには、少なくとも 1 週間、ビジネスパフォーマンスレポートの関連データを確認する必要があります。
5. 意思決定操作を実行します。親カテゴリ収束最適化オペレーターとサブカテゴリ収束最適化オペレーターの両方が有効になっている場合、サブカテゴリ収束最適化オペレーターに高い優先度が割り当てられている方がレコメンデーションのパフォーマンスが優れていると仮定します。その場合、テスト設定をすべてのトラフィックに適用できます。
ステップ 5：実際のレコメンデーション結果をプレビューする
ユーザーが全画面ですべてのアイテムを表示し、画面を下にスクロールしてレコメンデーション結果を更新すると、AIRec のレコメンド操作が再度呼び出されます。その後、2 番目と 3 番目のページのレコメンデーション結果が変更される場合があります。
次のアイテムが表示される場合があります。
化粧品
メイクアップセット
ユーザーの dislike 行動と組み合わせてレコメンデーション結果のリアルタイムフィードバックをカスタマイズする場合は、ネガティブフィードバック機能を使用してレコメンデーションの精度を向上させる をご参照ください。