Ученые Тинькофф Исследования сделали открытие в области искусственного интеллекта и рекомендательных систем для онлайн-торговли

Ученые Научно-исследовательской лаборатории искусственного интеллекта Тинькофф сделали открытие в области рекомендательных систем в онлайн-трейдинге.

Они разработали новый алгоритм ТАЙВ (Time-Aware Item-based Weighting) для более точного прогнозирования потребительских покупок в Интернете с учетом времени покупок и их частоты.

Новый метод позволит пользователям сэкономить время, затрачиваемое на создание конкретной корзины, а также напомнит о необходимости купить товар, о котором пользователь мог забыть.

Для бизнеса использование алгоритма, разработанного учеными Тинькофф, поможет повысить удовлетворенность клиентов, повысить конверсию покупок и стимулировать рост среднего чека.

Как работает алгоритм TAIW: модули «Повторная покупка» и «Соседство»

Суть открытия

Алгоритм TAIW более точно прогнозирует, какие товары понадобятся покупателю в ближайшем будущем, учитывая точный момент покупки. Он учитывает не только состав предыдущих покупок конкретного человека и пользователей со схожим профилем — он также анализирует точное время покупки конкретных товаров в прошлом и частоту покупок, а также выявляет связи между покупкой товаров из разные категории. Это помогает сделать рекомендации максимально персонализированными, что особенно важно в случае нетипичных моделей поведения отдельных клиентов.

Исследователи проводили эксперименты на реальных данных: в частности, они использовали датасет онлайн-платформы Taobao, входящей в состав Alibaba Group. В результате экспериментов TAIW стал наиболее эффективным методом среди аналогов в задаче «Рекомендация следующей корзины» (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени.

По результатам экспериментов алгоритм повышает точность рекомендательной системы до 8%.

Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на мониторинг домашнего инвентаря и выбор новых товаров. TAIW заранее знает, через какое время у пользователя закончатся товары, и предложит ему купить их в нужный момент.

Чем алгоритм отличается от других методов?

Эксперты в области искусственного интеллекта уже давно работают над улучшением рекомендаций для онлайн-торговли. Для прогнозирования повторных покупок ученые часто используют методы:

• Цепи Маркова (математическая модель, которая помогает предсказывать будущие события на основе прошлых событий),
• рекуррентные нейронные сети (модели машинного обучения, анализирующие последовательность действий пользователя).

Однако эти инструменты не всегда позволяют правильно учесть при прогнозировании частоту покупок, которая не только различается у разных товаров, но и индивидуальна для разных пользователей. Например, один человек может покупать кондиционер для белья каждые три недели, а другой — каждые шесть месяцев.

Алгоритм TAIW состоит из двух модулей:

• «Повторить покупку» работает на основе процесса Хоукса — статистической модели, которая позволяет понять временные закономерности и зависимости между событиями. Так алгоритм определяет, какие товары покупал пользователь, как часто и когда была совершена последняя покупка. Этот модуль помогает определить, когда конкретные продукты будут наиболее актуальны для конкретного покупателя.
• «Район» помогает описать привычки пользователей со схожими предпочтениями. Эти данные используются для предоставления более разнообразных рекомендаций для конкретного человека.

Зачем нужны рекомендательные системы?

Мировой рынок онлайн-торговли растет ускоренными темпами с начала пандемии COVID-19. По оценкам eMarketer, в 2023 году объем глобальной электронной коммерции приблизится к $6 трлн, а в 2027 году превысит $8 трлн. Это одна из наиболее динамично развивающихся сфер экономики, где существует серьезная конкуренция как между технологическими гигантами, выступающими платформами, так и между отдельными мелкими продавцами (например, по данным на 2022 год, более 60% продаж на Amazon производятся независимыми продавцами). Растет и ассортимент — например, на маркетплейсах могут быть представлены миллионы и даже миллиарды товаров.

Технологии, в частности рекомендательные алгоритмы, являются одной из основных областей, где уже сейчас разворачивается конкуренция, которая в ближайшие годы станет все более серьезной. Для пользователей количество подобных вариантов покупки растет, а процесс выбора становится все сложнее.

Продавцам также становится все труднее привлекать и удерживать внимание покупателей. Когда пользователи сталкиваются с огромным выбором товаров, алгоритмы рекомендаций становятся личными помощниками, подсказывая подходящие варианты и сокращая время поиска.

Например, в интернет-магазинах часто решается задача рекомендации следующей корзины (NBR), в ходе которой необходимо спрогнозировать состав следующей корзины пользователя в соответствии с его потребностями.

Исследовательская лаборатория искусственного интеллекта Тинькофф Research

Тинькофф Research — российская исследовательская группа, которая проводит научные исследования внутри компании, а не на базе некоммерческой организации.

Ученые Тинькофф Research исследуют наиболее перспективные направления искусственного интеллекта: обработку естественного языка (NLP), компьютерное зрение (CV), обучение с подкреплением (RL) и рекомендательные системы (RecSys). По результатам экспериментов пишут научные статьи для самых авторитетных научных конференций: NeurIPS, ICML, ACL, CVPR и других.

Источник: пресс-релиз Тинькофф