Tin tức

Sự phát triển liên tục và đa dạng của mạng xã hội và các ứng dụng trong nhiều lĩnh vực đã thay đổi cách người dùng tương tác với chúng. Với những thay đổi này, không có giới hạn cho việc giao tiếp để trao đổi ý kiến, quan điểm và tạo ra nhu cầu về tính năng mới. Hệ thống khuyến nghị Recommender Systems là một trong số đó, nó đã được phát triển để đưa ra các gợi ý có liên quan tới các nhu cầu mang tính cá nhân hóa dựa trên sở thích ở hiện tại hoặc đã được lưu giữ trước đó để cung cấp thông tin phù hợp nhất được cho là bổ ích đối với người dùng.

Nói một cách đơn giản, Recommender Systems chính là hệ thống giới thiệu dựa trên việc phân tích sở thích hoặc nhu cầu của người dùng. Ví dụ, khi bạn muốn trang trí nhà cửa và việc đầu tiên là mua khung ảnh, sau khi tìm kiếm khung ảnh trên ứng dụng mua sắm, kết quả hiện ra sẽ bao gồm sản phẩm này và kèm theo đó là nhiều sản phẩm khác liên quan đến lĩnh vực trang trí nhà cửa mà bạn đang quan tâm như tranh treo tường, kệ gỗ,... Nhờ vậy bạn sẽ có thêm nhiều gợi ý cho vấn đề mà bản thân đang quan tâm mà đỡ phải mất công suy nghĩ cũng như tìm kiếm từng thứ một. Rất tuyệt vời phải không? Đó chính là kết quả của việc nhà cung cấp nền tảng ứng dụng đã xây dựng hệ thống giới thiệu đề xuất Recommender Systems hiệu quả. Vậy để xây dựng hệ thống gợi ý thỏa mãn người dùng nhất, cần làm theo những bước nào? Dưới đây sẽ là các bước cơ bản cần xác định để xây dựng hệ thống Recommender Systems phù hợp cho nền tảng ứng dụng của bạn.

BƯỚC 1: VẠCH RA CHIẾN LƯỢC ĐỀ XUẤT

Mục tiêu đặt ra sẽ không đi đúng hướng nếu chỉ dựa vào sự tiếp cận không có chiến lược. Chính vì vậy việc vạch ra các chiến lược đề xuất là một điều cần thiết, nó bao gồm việc bạn phải trả lời được những câu hỏi sau:

Làm thế nào để tìm ra sở thích của người dùng?

Khi một khách hàng mới sử dụng nền tảng của bạn, bạn sẽ giới thiệu gì cho họ? Cách tiếp cận thường gặp nhất là cung cấp những nội dung phổ biến và mới nhất, vì đó hỗ trợ rất tốt cho việc tìm hiểu và thu thập thông tin về sở thích của người dùng. Tiếp tục ví dụ về ứng dụng mua sắm: các sản phẩm mới nhất và phổ biến nhất sẽ hiển thị cho người dùng mới bắt đầu, trong danh sách đó, chắc chắn người dùng sẽ nhấn vào xem những sản phẩm họ cảm thấy ấn tượng và có hứng thú. Dựa vào số lượt xem và thời gian xem trên các sản phẩm có thể giúp hình thành tổng quan về nhu cầu và sở thích hiện có của từng người. Điều bất ngờ mang đến cho người dùng là ở những lần truy cập sau, hiện ở trang chủ là các sản phẩm gợi ý mà họ đang quan tâm.

Tuy nhiên, bạn cũng có thể bắt đầu tối ưu hơn với quy trình giới thiệu trực tiếp để thu thập thông tin cơ bản về sở thích của người dùng. Ví dụ như đặt ra các câu hỏi kèm theo các lựa chọn gợi ý để tổng hợp thông tin về lĩnh vực mà người dùng quan tâm.

Bạn có muốn các dữ liệu gợi ý đa dạng hơn không?

Hệ thống đề xuất lọc nội dung đôi khi có thể lọc nội dung quá nghiêm ngặt. Nếu người dùng tương tác với một loại nội dung trong một thời gian dài - giả sử tìm kiếm 'sản phẩm trang trí nhà cửa 'trên ứng dụng mua sắm, các gợi ý hàng ngày sẽ hiện ra vô vàn các gợi ý liên quan, như vậy khi người dùng đã hết nhu cầu trang trí nhà, những gợi ý này sẽ trở nên nhàm chán. Để giữ chân khách hàng lâu hơn, bạn có thể thêm một số đề xuất ngẫu nhiên về các mục khác  chẳng hạn như: sản phẩm tiện ích cho nhà bếp, thiết bị dọn dẹp thông minh,...)

Bạn có muốn chú thích về các đề xuất đã đưa ra không?

Khi sử dụng một số ứng dụng nổi tiếng, có thể bạn sẽ thấy các thông tin chú thích xuất hiện kèm theo gợi ý chẳng hạn như một bộ phim khác sẽ hiện sau khi bạn xem xong phim kèm với dòng lí giải: “Vì bạn đã xem X” hoặc “Vì bạn theo dõi Y” -> "Chúng tôi nghĩ bạn sẽ muốn xem bộ phim này",... Việc giải thích thường không cần thiết, nhưng sử dụng chúng cũng là một cách để bạn xác định được sự thay đổi xu hướng hoặc sở thích của người dùng dựa vào các thao tác tiếp theo của họ.

Ngoài ra, bạn cũng có thể cho người dùng biết cách bạn làm điều đó để nhận được các thông tin chính xác hơn "chúng tôi thu thập thông tin về hoạt động và sở thích của bạn và so sánh với hoạt động của những người dùng khác để tìm điểm tương đồng, sau đó chúng tôi sử dụng thông tin này để giới thiệu cho bạn các mặt hàng mà người dùng có sở thích tương tự quan tâm". 

BƯỚC 2: THU THẬP VÀ SẮP XẾP DỮ LIỆU CÓ LIÊN QUAN

Không thể có công cụ đề xuất mà thiếu dữ liệu. Vì vậy dù chọn loại hệ thống tư vấn nào, thì dữ liệu là yếu tố bắt buộc cần phải bổ sung đầy đủ. 

Khi thu thập thông tin, hãy đảm bảo rằng nó được sắp xếp theo một số hình thức chuẩn dễ hiểu. Có tất cả thông tin ở cùng một biểu mẫu giúp dễ dàng so sánh người dùng A với người dùng B và với người dùng ở các mục khác. 

Thu thập càng nhiều dữ liệu có liên quan sẽ giúp đề xuất nhiều gợi ý tốt và thu hút hơn.

BƯỚC 3: XÁC ĐỊNH CÁC ĐIỂM TƯƠNG ĐỒNG

Xác định các điểm tương đồng giữa người dùng, giữa các sản phẩm hoặc cả hai. So sánh những người dùng hoặc các mục để xác định mẫu gợi ý phù hợp. Điều này có thể được thực hiện với việc sử dụng các thuật toán phân cụm, ví dụ như việc tạo các thuậnt toán để hiện ra đề xuất các mục gần nhất với các mục mà người dùng đã thích. Đó là thuật toán học máy trực quan nhất, vì nó hoạt động hiệu quả để hình thành thông tin sở thích và nhu cầu của người dùng.

BƯỚC 4: THEO DÕI TƯƠNG TÁC CỦA NGƯỜI DÙNG

Nội dung bạn phân phối cho người dùng dưới dạng đề xuất là những gì bạn cho rằng họ sẽ quan tâm. Với dữ liệu đầy đủ, rất có thể họ sẽ thực sự thích các mục được đề xuất.

Trong quá trình đó, bạn cũng cần theo dõi các tương tác của người dùng để đánh giá hiệu quả và chấ lượng của đề xuất. Một số công cụ hỗ trợ cho điều đó có thể là nút yêu thích, chia sẻ hoặc xếp hạng. Nhờ đó khách hàng của bạn có thể cung cấp các phản hồi hiệu quả giúp cải thiện công cụ đề xuất.

Ở trên là những thông tin cần thiết về các bước cơ bản xây dựng hệ thống Recommender Systems trước khi đi vào các kiến thức phức tạp và chuyên sâu hơn. Chắc chắn những thông tin này sẽ hiệu quả trong việc giúp bạn định hướng mục tiêu để tiến hành các thao tác tiếp theo đòi hỏi kĩ thuận và chuyên môn cao.