Вы когда-нибудь задумывались, почему GO-FOOD может дать вам рекомендации относительно всего вкусного, которое соответствует вашим предпочтениям? В некотором смысле это похоже на то, что приложение может читать ваши мысли. На самом деле я могу сказать вам, что это такое - и не потому, что мы можем читать магические заклинания.
Ответ прост: у нас есть специальный расчет, который может научить наше приложение рекомендовать вам еду, которая может вам понравиться, на основе вашей истории покупок.
Вам должно быть интересно, как мы это делаем?
Что ж, чтобы ответить на ваш вопрос, я сел с Луисом Смитом, специалистом по данным GOJEK, который отвечает за систему рекомендаций GO-FOOD, и попросил его разбить ее для нас один за другим!
Однако, прежде чем мы углубимся во все технические детали, я задал Луису вопрос: Почему для GO-FOOD важно давать рекомендации своим пользователям?
Ответ прост: для пользователей меньше - лучше.
В своей книге Парадокс выбора Барри Шварц заявил, что «отказ от выбора потребителя может значительно снизить беспокойство покупателей».
В GO-FOOD зарегистрировано более 250 000 продавцов, представьте, если бы вам пришлось прокручивать вниз один за другим, чтобы выбрать, что вкусно поесть. Вы будете голодны задолго до того, как узнаете, что поесть.
Рекомендации GO-FOOD не только сэкономят ваше время, но и помогут найти подходящих продавцов и блюда, которые были персонализированы на ваш вкус. Это также помогает нам привлечь внимание пользователей к предприятиям MSME (Micro, Small, Medium Enterprise). Это означает, что если их заметят, есть вероятность, что наши пользователи купят их блюда, и это определенно увеличит объем их продаж. Так что это беспроигрышный вариант для всех!
Люди думают о своей еде как о вкусной, мгновенной и многих других вещах.
Прежде чем мы перейдем к тому, как работает система, вы можете быть удивлены, что люди вещей просто купить блюдо. Некоторые считают аромат. Другие могут подумать о последних пищевых тенденциях (глядя на вас, индомские пончики!)
Многие из нас могут подумать о покупке еды, если она мгновенно, чтобы мы могли рассказать нашим 100 подписчикам, что мы едим сегодня.
Подводя итог, можно сказать, что люди думают о еде по-разному. Эти соображения становятся нашей проблемой. В GO-FOOD зарегистрировано более 250 000 торговцев, и в меню есть миллион различных блюд. Нет простого способа классифицировать это.
Таким образом, вместо того, чтобы категоризировать еду по одной, мы используем подход, чтобы позволить взаимосвязи между покупками пользователей выявить сходство между тем, как отдельные блюда или рестораны связаны друг с другом.
Итак, как GO-FOOD рекомендует на основе этого то, что вам может понравиться?
Гипотеза
История покупок указывает на то, что они любят есть, поэтому, если кто-то любит заказывать десерты, мы и дальше будем рекомендовать им сладкое. Предпочтения этих пользователей в еде, а также характеристики блюд и продавцов могут быть отображены в виде векторного представления.
Векторное представление - это ключ к вычислению сходства пищевых предпочтений пользователей, поэтому мы можем дать им наилучшие рекомендации. В векторном представлении можно получить все, что угодно, например профиль вкуса, количество, цену и другие параметры, определяющие еду.
В векторных представлениях используются все слова, известные как «токены» (например, слово сыр, шоколад, кунжут или мартабак ) для описания каждого блюда в нашей базе данных GO-FOOD.
Подождите, что такое векторное представление?
Честно говоря, я считаю, что это самая крутая часть. Чтобы отобразить все блюда в GO-FOOD, каждое блюдо должно быть представлено серией реальных чисел. Мы делаем это, потому что компьютер не знает, что мартабак манис сладкий на вкус, поэтому мы представляем сладкий вкус числами.
Если вы посмотрите на иллюстрацию выше, возможно, эти числа ничего не значат для вас, но для нас они важны, потому что они представляют каждую характеристику мартабак маниса
Эти числа описывают скрытые особенности, которые мы узнаем из данных. Мы не знаем точно, какие характеристики найдут векторные представления, но они могут классифицировать вещи по вкусовому профилю блюда, наиболее подходящему времени приема пищи (обед или ужин) или по тому, является ли блюдо дорогим или бюджетным. элемент.
Одна из вещей, которую представляет число, - это профиль вкуса, такой как шкала сладости, шкала закусок или даже шкала пикантности блюда. На иллюстрации в векторном представлении вычислено, что martabak manis имеет 0,9 по шкале сладости и 0,8 по шкале закусок. Это означает, что он высоко ценится сладкими и закусками.
Между тем, вектор определяет, что martabak manis имеет только 0,07 по шкале пряностей, что означает, что он низкий по шкале пряностей.
Мы видим, что векторное представление определяет, что martabak manis содержит характеристики сладостей и закусок.
Это векторное представление позволяет GO-FOOD давать вам рекомендации, ища определенные характеристики (представленные числами), без того, чтобы наш специалист по данным явно сообщал приложению, что искать!
Соответствие, произведенное машиной
Векторное представление полезно, поскольку оно может определить сходство между каждым блюдом. Например, martabak mani s занимает высокое место в шкале сладостей и закусок, но невысокое в шкале пряностей.
Он похож на роти бакар, который включает шоколад, сладкое, а также закуску. Это означает, что роти бакар очень похож на мартабак мани на основе векторного представления.
С другой стороны, как мы можем видеть на иллюстрации выше, ayam geprek отличается от двух других, потому что числа находятся на высокой шкале пряностей - 0,9. Он также имеет низкие значения на шкале закусок - 0,8. Аям гепрек определенно не является сладким блюдом, поскольку в векторном представлении у него наименьшее число по шкале сладостей - всего 0,1.
Теперь, когда вы понимаете, как мы находим совпадение рекомендаций, используя сходство между двумя блюдами, давайте поговорим о том, как мы даем эти рекомендации нашим пользователям.
Рекомендуем блюда, которые могут вам понравиться
На основе ранее купленного вами блюда
GO-FOOD читает истории покупок пользователей, чтобы порекомендовать другие похожие блюда, которые могут понравиться пользователям.
Чтобы это произошло, команда специалистов по анализу данных начинает с изучения каждого векторного представления каждого блюда GO-FOOD. Затем они выбирают по одной недавней покупке у каждого покупателя и получают список потенциальных блюд на основе местоположения пользователя.
Итак, когда вы (как пользователь GO-FOOD) открываете приложение, команда специалистов по анализу данных предварительно рассчитала список потенциальных блюд, которые могут вам понравиться, в пределах нескольких километров от того места, где вы находитесь. После этого они рассчитают сходство между блюдом, которое вы купили в прошлом, и всеми блюдами-кандидатами.
Все эти волшебные вычисления приведут вас к отображению персонализированных блюд с лучшими рекомендациями, ближайших к вашему местоположению, в приложении GO-FOOD.
На основе ваших общих предпочтений в еде
GO-FOOD также может порекомендовать еду на основе вашей истории покупок. Команда специалистов по анализу данных рассчитает средний вектор ваших ранее купленных блюд, чтобы представить ваши предпочтения в еде.
Поэтому, если вы любите острые блюда из курицы и склонны часто их покупать, GO-FOOD будет и дальше рекомендовать вам похожие вещи, такие как ayam geprek или ayam penyet.
Однако, если вы сладкоежка и продолжаете покупать мартабак манис, приложение по-прежнему будет рекомендовать вам похожие сладости и закуски, такие как роти бакар.
Волшебный результат
После этих расчетов результат в вашем GO-FOOD должен быть таким:
Мы в GOJEK верим, что каждый заслуживает того, чтобы жить проще. Как технологическая компания, мы хотим всегда вводить новшества и предлагать вам лучшие варианты, потому что мы знаем, что ваше время ценно, и вам не следует тратить его на размышления о том, что поесть. С рекомендациями GO-FOOD вы можете вместо этого использовать это время, чтобы сделать что-то полезное для других людей.
Считаете ли вы, что давать рекомендации по питанию для миллионов людей достаточно сложно? Если вы так думаете, присоединяйтесь к нам, чтобы стать частью команды GOJEK по науке о данных и начать предсказывать будущее научным способом, основываясь на данных, таких как Луис!
Посетите страницу карьеры GOJEK, чтобы вместе с нами отправиться в новое # приключение!
