Yandex Lavka حلت مشكلة حلقة التوصيات بالاستكشاف الشخصي

شرح رامل بويارتشينكوف، متخصص في التعلم الآلي في فريق Yandex Lavka، على Habr كيف تعامل الخدمة مع مشكلة حلقات التغذية الراجعة للتوصيات — تأثير يصبح فيه النظام الموصي به المدرب جيداً أسيراً لدقته الخاصة.

المشكلة مع التوصيات الجيدة

وفقاً للمؤلف، كلما تنبأ النظام بدقة أكبر بما سيضعه المستخدم في سلته، كلما قل عدد المرات التي يعرض فيها شيئاً غير مألوف — بعد كل شيء، من الأرباح أكثر أن يقترح منتجات مثبتة من وجهة نظر المبيعات قصيرة الأجل. بمرور الوقت، ينغلق نظام التوصيات على عادات المستخدم المُعاشة بالفعل ويتوقف عن دفع المستخدم خارج هذه العادات، حتى عندما تتغير مصالح المستخدم. النظام ببساطة لا يلاحظ هذه التغييرات لأنه لا يرى إشارات خارج مجموعة المنتجات المألوفة.

محاولة حل هذه المشكلة مباشرة — إضافة منتجات غير مألوفة إلى النتائج — تؤذي دائماً القياسات: ينخفض حجم المشتريات الفورية حتماً إذا اقترحت على المستخدم شيئاً لا يثق به النظام.

كيفية عمل الآلية الجديدة

بنى فريق Yandex Lavka آلية تضيف منتجات غير مألوفة ليس عشوائياً، بل شخصياً — للمستخدمين الذين يميلون إحصائياً إلى تجربة شيء جديد.

• تُضاف المنتجات غير المألوفة شخصياً، وليس بشكل موحد لجميع المستخدمين
• لكل مستخدم، يتم حساب احتمال فردي لعرض عناصر جديدة
• قام الفريق بمعايرة "عدوانية" الاستكشاف — التوازن بين مخاطر إظهار منتج جديد غير ناجح وفائدة توسيع آفاق التوصيات
• مؤلف المادة — رامل بويارتشينكوف، مهندس التعلم الآلي في Yandex Lavka

الفكرة هي توجيه الاستكشاف إلى حيث يكون الفائدة المحتملة من تعريف المستخدم بمنتج جديد أعلى من الخسارة المحتملة قصيرة الأجل في المبيعات — بدلاً من إضافة منتجات جديدة بشكل موحد ومن ثم أكثر خطورة على كل جمهورك.

لماذا لا يمكن حل هذا بصيغة واحدة

التوازن بين الاستكشاف (محاولة عرض المستخدمين شيء جديد، مخاطرة الدقة) والاستغلال (الاعتماد على التفضيلات المثبتة بالفعل) هو مشكلة كلاسيكية مألوفة لأي نظام توصيات، من خدمات الموسيقى المتدفقة إلى أسواق. رسمياً يمكن وصفه رياضياً، لكن في الممارسة العملية يعتمد الإعداد الصحيح على تفاصيل عمل معين: في توصيل المنتجات، حيث يتم اتخاذ قرارات الشراء بسرعة وعاطفياً، يخاطر الاستكشاف العدواني جداً بخيبة آمال المستخدم بمنتج غريب وغير شهي، بينما يترك الاستكشاف الحذر جداً النظام مغلقاً في تشكيلة مألوفة بالفعل. لهذا السبب كان على فريق Yandex Lavka معايرة درجة عدوانية الاستكشاف بشكل تجريبي بدلاً من أخذ حل عام جاهز.

كيف يبدو هذا للمستخدم النهائي

من وجهة نظر متسوق Yandex Lavka، التغييرات ليست ملحوظة مباشرة: يرى ببساطة من حين لآخر في اختيار التوصيات منتجاً لم يكن قد اشتراه من قبل وربما لم يبحث عنه حتى. لكن وراء هذا العرض الفردي يكمن حساب احتمالية أن هذا المستخدم بالذات مستعد لتجربة منتج جديد دون خيبة آمال الخدمة. مثل هذا التخصيص الموجه للاستكشاف يميز نهج Yandex Lavka عن الأنظمة الأكثر خشونة حيث تُضاف المنتجات الجديدة بشكل موحد إلى الخلاصة لجميع المستخدمين على التوالي، وتخسر بعض المبيعات على من لا يرحبون بمثل هذه التجارب.

ما معنى هذا

هذه الحالة هي مثال مميز على كيفية حل مهمة مألوفة لأي نظام توصيات — التوازن بين الاستكشاف والاستغلال — ليس بصيغة مجردة، بل بمعايرة عملية لعمل معين ومستخدم معين. يسمح تخصيص الاستكشاف بتوسيع آفاق التوصيات دون التضحية بالمبيعات قصيرة الأجل، وهذا النهج قابل للتطبيق بعيداً عن توصيل المنتجات — في أي خدمة حيث نظام التوصيات يخاطر بالانغلاق في منتجات مألوفة بالفعل للمستخدم.