Công cụ cá nhân hóa AI
Công cụ cá nhân hóa AI điều chỉnh những gì mỗi người dùng nhìn thấy, từ đề xuất sản phẩm đến bố cục trang chủ, bằng cách tìm hiểu sở thích cá nhân từ hành vi.
Tổng quan
They power much of the modern internet, driving engagement, conversion, and the feeling that an app 'gets you.'
Lặn sâu
Công cụ cá nhân hóa dự đoán mục phù hợp nhất cho một người dùng cụ thể tại một thời điểm cụ thể. Kỹ thuật cổ điển là lọc cộng tác, tìm ra các mẫu như 'những người thích X cũng thích Y' bằng cách sử dụng hệ số ma trận để ánh xạ người dùng và các mục thành các vectơ tiềm ẩn được chia sẻ. Thay vào đó, tính năng lọc dựa trên nội dung sẽ khớp các thuộc tính của mục với sở thích đã biết của người dùng. Các hệ thống hiện đại là hệ thống kết hợp và ngày càng sử dụng mạng nơ-ron hai tháp và học sâu để nhúng người dùng và vật phẩm để có thể tính toán độ tương tự ở quy mô lớn. Netflix cá nhân hóa không chỉ tiêu đề mà còn cả tác phẩm nghệ thuật được trình chiếu; Spotify kết hợp các tín hiệu cộng tác với phân tích âm thanh cho Discover Weekly. Động cơ cũng phải giải quyết vấn đề khởi động nguội đối với người dùng và vật phẩm mới, đồng thời cân bằng giữa mức độ liên quan và tính đa dạng để tránh bong bóng bộ lọc.
Hiểu biết kỹ thuật
Nhiều động cơ quy mô lớn hoạt động theo hai giai đoạn. Bước tạo ứng cử viên nhanh chóng (thường là nhúng hai tháp cộng với tìm kiếm lân cận gần nhất) thu hẹp hàng triệu mục xuống còn vài trăm; một mô hình xếp hạng nặng hơn sẽ chấm điểm những điểm đó bằng xác suất nhấp chuột hoặc xem dự đoán bằng cách sử dụng các tính năng phong phú. Việc nhúng biến người dùng và vật phẩm thành các vectơ trong đó sự gần gũi có nghĩa là mức độ liên quan. Phản hồi ngầm định (số lần nhấp chuột, thời gian dừng) thường cao hơn xếp hạng rõ ràng. Kẻ cướp theo ngữ cảnh và học tăng cường giúp các công cụ khám phá các tùy chọn mới thay vì khai thác quá mức các mục yêu thích đã biết.
Tác động chiến lược
Xây dựng lựa chọn
Thiết kế cấp ứng dụng xác định liệu AI có cải thiện kết quả thực tế hay không.
Nhóm và quy trình làm việc
Tích hợp quy trình làm việc tốt sẽ giúp tăng năng suất mà người dùng có thể tin tưởng.
Rủi ro và an toàn
Các trường hợp sử dụng có phạm vi phù hợp giúp giảm bớt sự mệt mỏi khi thay đổi và rủi ro triển khai.
Tương lai của công cụ cá nhân hóa AI
Quá trình cá nhân hóa đang trở nên mang tính tổng quát: các mô hình ngôn ngữ lớn có thể viết mô tả riêng, tập hợp các trang động và cung cấp năng lượng cho những người đề xuất trò chuyện để giải thích các lựa chọn của họ. Mong đợi nhiều tính năng cá nhân hóa theo phiên và thời gian thực hơn sẽ phản hồi trong một lần truy cập, cùng với các mẫu trên thiết bị có thể cá nhân hóa trong khi vẫn giữ dữ liệu ở chế độ riêng tư. Các quy tắc bảo mật chặt chẽ hơn và sự suy giảm cookie của bên thứ ba đẩy các công cụ hướng tới các tín hiệu theo ngữ cảnh và của bên thứ nhất. Các cơ quan quản lý cũng như người dùng sẽ yêu cầu sự minh bạch và khả năng kiểm soát nhiều hơn, thúc đẩy các công cụ tối ưu hóa để mang lại sự hài lòng lâu dài chứ không chỉ là những cú nhấp chuột ngay lập tức.
Triển khai trong thế giới thực
Netflix đề xuất tiêu đề và thậm chí hoán đổi hình minh họa hình thu nhỏ để phù hợp với thể loại mà mỗi người xem có xu hướng xem.
Discover Weekly của Spotify kết hợp tính năng lọc cộng tác với các tính năng âm thanh để tạo danh sách phát được cá nhân hóa vào thứ Hai hàng tuần.
'Khách hàng đã mua sản phẩm này cũng đã mua' của Amazon sử dụng tính năng lọc cộng tác theo từng mặt hàng để đề xuất các giao dịch mua bổ sung.
Một trang web thương mại điện tử sắp xếp lại các biểu ngữ trang chủ và hàng sản phẩm theo thời gian thực dựa trên phiên duyệt của mỗi người mua hàng.
Rủi ro & lan can
Tự động hóa một quy trình bị hỏng có thể khuếch đại các vấn đề hiện có.
Các nhóm có thể tự động hóa quá mức và loại bỏ sự phán xét cần thiết của con người.
Chất lượng có thể thay đổi nếu kết quả đầu ra không được đánh giá liên tục.
Lộ trình thực hiện
Lập sơ đồ quy trình làm việc hiện tại và xác định bước có mức độ ma sát cao nhất.
Xác định các điểm kiểm tra của con người trước khi tự động hóa hoàn toàn.
Đào tạo người dùng về lời nhắc, đường dẫn leo thang và tiêu chuẩn chất lượng.
Theo dõi kết quả ở cấp độ nhiệm vụ để xác nhận giá trị bền vững.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI Personalization Engines quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
TensorRT và công cụ suy luận
Câu hỏi thường gặp
What is AI Personalization Engines?
Công cụ cá nhân hóa AI điều chỉnh những gì mỗi người dùng nhìn thấy, từ đề xuất sản phẩm đến bố cục trang chủ, bằng cách tìm hiểu sở thích cá nhân từ hành vi. Chúng hỗ trợ phần lớn Internet hiện đại, thúc đẩy mức độ tương tác, chuyển đổi và cảm giác rằng một ứng dụng 'thích hợp với bạn'.
Lọc cộng tác chủ yếu dựa vào điều gì?
Lọc cộng tác suy luận các tùy chọn từ hành vi của những người dùng và mặt hàng tương tự, chứ không chỉ từ nội dung mặt hàng.
'Vấn đề khởi đầu nguội' trong việc cá nhân hóa là gì?
Khi người dùng hoặc vật phẩm là hoàn toàn mới, công cụ sẽ thiếu lịch sử tương tác để làm cơ sở đề xuất.
Trong kiến trúc hai giai đoạn điển hình, giai đoạn đầu tiên (thế hệ ứng viên) làm gì?
Việc tạo ứng viên sử dụng các phương pháp nhanh chóng như nhúng tính tương đồng để thu nhỏ danh mục khổng lồ trước khi mô hình xếp hạng nặng hơn ghi điểm vào danh sách rút gọn.
Tại sao động cơ cân bằng giữa mức độ phù hợp với sự đa dạng?
Chỉ hiển thị những lựa chọn dễ đoán nhất có thể khiến người dùng mắc kẹt trong một vòng lặp hẹp; đưa vào sự đa dạng giúp cải thiện khả năng khám phá và sự hài lòng lâu dài.
'Phần nhúng' trong hệ thống khuyến nghị là gì?
Việc nhúng ánh xạ người dùng và các mục vào một không gian vectơ chung, trong đó các vectơ lân cận biểu thị các kết quả phù hợp.