亚马逊利用人工智能进行产品推荐的 3 种方式

[ashammi244]

亚马逊推荐
亚马逊实际上发明了在线购物后提供个性化产品推荐的概念，他们使用一种称为“基于项目的协同过滤”的算法。该算法根据数百万客户的兴趣和以前的购买历史，为每个客户制作独一无二的主页。Semantics Scholar文章“亚马逊推荐系统的二十年”对此进行了很好的阐述：

Amazon.com 一直在为每位客户打造商店。每个访问 Amazon.com 的人都会看到不同的商店，因为商店会根据他们的兴趣进行个性化设置。就好像你走进一家商店，货架开始自行重新排列，你可能想要的 富人数据库 东西被移到前面，而你不太可能感兴趣的则被移到更远的地方。

亚马逊不仅使用每个客户的购买数据，还利用购买相同产品的其他人的购买历史，在其产品列表中提供“经常一起购买”的信息。此外，他们还会考虑客户的反馈和评级。怎么做到的？通过提供符合客户兴趣的建议以及报告的客户满意度、价格和质量水平。

亚马逊通过将购买历史与浏览数据相结合，继续改进其协同过滤。例如，如果客户购买了袜子，亚马逊将来可能不会只推荐袜子。相反，他们的算法可能会查看个人的浏览历史，看看他们在 Prime 上观看超级英雄电影，然后推荐漫威品牌的衬衫。对于亚马逊来说，实时解读大量不同的数据是关键，而这个推荐引擎占其总收入的 35%。

亚马逊 Alexa 和 Go
亚马逊的预测算法远远超出了他们的网站。他们现在拥有许多替代购买选项——例如通过亚马逊的语音助手 Alexa 或他们的新实体店 Amazon Go——这些选项使他们更容易为客户创造无缝的购物体验。通过 Amazon Echo 等产品，亚马逊让客户更容易购买产品，同时也为自己提供了其他数据点，例如他们正在听什么音乐。这些数据点使他们更容易给出更全面的建议。

然后是亚马逊 Go，这是该公司进军实体店的尝试，我们在这里写过相关内容。这些商店可以自动跟踪每一位顾客的购买情况，比目前任何商店都要好。正如《福布斯》所说，“来自顾客智能手机摄像头的数据可以跟踪购物活动，不仅可以帮助亚马逊 Go，还可以与机器学习团队共享，以继续开发。”

结论是什么？无论他们从哪里收集数据，亚马逊都会创建尽可能多的接触点，以便更好地了解客户并全面了解他们的行为。以《福布斯》为例，“客户可以访问 Amazon Go 商店购买一些晚餐食品，让 Alexa 查找食谱，产品推荐引擎可以确定客户可能需要购买某种类型的炖锅。”这种集成使亚马逊能够为每一位客户创建极其详细的资料，并通过客户想要的任何方式提供多种方式来提供他们所需的确切产品。

推出 Amazon Personalize
亚马逊还通过机器学习服务Amazon Personalize与其他公司分享其个性化和推荐技术。这项服务的目的是“克服创建自定义推荐时遇到的常见问题（例如没有数据的新用户、受欢迎程度偏差和用户不断变化的意图），以提供满足用户特定需求、偏好和行为的高质量推荐。” Domino's、Subway 和 Yamaha 等大公司已经与亚马逊合作，认识到人工智能对于满足客户需求的重要性。