A Cascaded Generative Approach for e-Commerce Recommendations
تقدم هذه الورقة إطار عمل توليدي متتالي يستبدل مكونات واجهة المتاجر الإلكترونية الجامدة بتوليد ديناميكي للمواضيع والكلمات المفتاحية لتعزيز التخصيص والتماسك الدلالي، محققاً زيادة بنسبة 2.7% في عمليات إضافة المنتات إلى السلة من خلال صقل نموذج المعلم والطالب القابل للتوسع والتكامل الهجين مع نماذج التصنيف التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدخل متجر بقالة ضخمًا. في الطريقة القديمة، كان مدير المتجر (نظام الكمبيوتر) يمتلك خريطة مطبوعة مسبقًا وصارمة لكل ممر من الممرات. الجميع يرى نفس لافتة "الألبان"، ونفس لافتة "المسليات"، ونفس قائمة المنتجات، بغض النظر عما إذا كنت تشتري طعامًا للرضع أو أجبانًا فاخرة. وإذا أراد المدير تغيير اللافتات، كان عليه إعادة كتابتها يدويًا للجميع، مما كان عملية بطيئة ومكلفة، وغالبًا ما تؤدي إلى فوضى مربكة حيث تجد ممر "الألبان" بجوار ممر "الألعاب" مباشرة.
تصف هذه الورقة طريقة جديدة وأكثر ذكاءً لبناء متاجر البقالة الرقمية هذه (مثل إنستاكارت) باستخدام الذكاء الاصطناي التوليدي. فبدلاً من الخريطة الجامدة، يعمل النظام الآن كـ متسوق شخصي يصمم تخطيط متجر فريدًا لكل عميل في الوقت الفعلي.
إليك كيف يعمل "نهج التوليد المتتالي" الخاص بهم، مقسمًا إلى خطوات بسيطة:
1. استراتيجية "من الأعلى إلى الأسفل" ذات الخطوتين
أدرك المؤلفون أن محاولة توليد متجر كامل مليء بمنتجات محددة دفعة واحدة (نهج "من الأسفل إلى الأعلى") تشبه محاولة كتابة موسوعة كاملة في نفس واحد—فهي عملية بطيئة جدًا، ومكلفة، وعرضة للأخطاء.
بدلاً من ذلك، يستخدمون نهجًا من الأعلى إلى الأسفل، والذي يحدث في مرحلتين متميزتين:
المرحلة 1: تصميم "الموضوع" (القائمة):
أولاً، ينظر الذكاء الاصطناي إلى ما اشتريته سابقًا وما تفضله. ثم يبتكر موضوعًا لقسم من صفحتك. بدلاً من عنوان ممل مثل "الألبان"، قد يولد موضوعًا مخصصًا مثل "بناة النكهات للوجبات الليلية السريعة" أو "ترطيب وظيفي بسكر أقل".- التشبيه: فكر في الأمر كأن المتسوق الشخصي يقرر: "اليوم، هذا العميل يحتاج إلى قسم 'عشاء سريع'"، بدلاً من مجرد عرض ممر 'الألبان'.
المرحلة 2: إيجاد المنتجات (قائمة التسوق):
بمجرد تحديد الموضوع، يحتاج الذكاء الاصطناي إلى إيجاد المنتجات الفعلية التي تناسب هذا الموضوع. هو لا يخمن فحسب؛ بل يحول هذا الموضوع إلى كلمات مفتاحية محددة (مثل مصطلحات البحث) للبحث عنها في قاعدة بيانات المتجر.- التشبيه: يأخذ المتسوق موضوع "العشاء السريع" ويكتب قائمة تسوق محددة: "دجاج، معكرونة، صلصة مارينارا".
2. خدعة "المعلم والتلميذ" (لتوفيد المال والوقت)
إن تشغيل نموذج ذكاء اصطناي فائق الذكاء (نموذج لغوي كبير) هو أمر مكلف وبطيء، مثل توظيف شيف عالمي مشهور لكل طلب. ولحل هذه المشكلة، استخدم الفريق طريقة "المعلم والتلميذ":
- المعلم: نموذج ذكاء اصطناي ضخم ومكلف (مثل GPT-5) يولد أمثلة مثالية للمواضيع والكلمات المفتاحية.
- التلميذ: نموذج ذكاء اصطناي أصغر وأرخص وأسرع يتم تدريبه على تقليد سلوك المعلم.
- النتيجة: يحصل نموذج "التلميذ" على أداء يقارب أداء "المعلم" ولكنه يعمل بشكل أسرع بكثير ويكلف جزءًا بسيطًا من السعر، مما يجعل من الممكن استخدام هذا للتعامل مع ملايين المستخدمين.
3. شبكة الأمان (ضبط الجودة)
بما أن الذكاء الاصطناي ينشئ محتوى جديدًا في الوقت الفعلي، فهناك خطر من أن يقول شيئًا غريبًا أو يعرض المنتجات الخاطئة. ولمنع ذلك، أضافوا فلتر جودة:
- القاضي الذكي: يقوم ذكاء اصطناي آخر بفحص المواضيع المولدة للتأكد من أنها ليست مكررة (على سبيل المثال، التأكد من عدم ظهور "الألبان" و"الأجبان" كقسمين منفصلين يعنيان الشيء نفسه).
- فاحص الصلة: أداة متخصصة تضمن أن المنتجات التي تم العثور عليها تتطابق بالفعل مع الموضوع. إذا كان الموضوع هو "سكر منخفض" ولكن الذكاء الاصطآي اختار "مشروبات غازية"، فإن هذه الأداة ترصد ذلك وتزيله قبل أن تراه.
4. النتائج: هل نجح الأمر؟
اختبر الفريق هذا النظام الجديد مقابل نظامهم القديم الجامد مع مستخدمين حقيقيين.
- النتيجة: أدى النظام الجديد إلى زيادة بنسبة 2.7% في العناصر المضافة إلى عربات التسوق لكل عرض صفحة.
- لماذا يهم هذا: هذا يعني أن التخصيص قد نجح بالفعل. لقد وجد المستخدمون أشياء يرغبون في شرائها بشكل أكثر تكرارًا لأن تخطيط المتجر بدا أكثر صلة باحتياجاتهم المحددة، وليس مجرد قائمة عامة.
- السرعة: حتى مع كل هذا التفكير الإضافي الذي يحدث، كان النظام سريعًا بما يكفي بحيث لم يلاحظ المستخدمون أي تأخير.
ملخص
باختصار، تصف هذه الورقة نظامًا يتوقف عن معاملة كل متسوق عبر الإنترنت بالطريقة نفسها. فبدلاً من متجر ثابت وموحد للجميع، يستخدم الذكاء الاصطناي لـ تصميم تخطيط متجر مخصص لكل مستخدم، وكتابة قائمة تسوق مخصصة لهذا التخطيط، والتدقيق المزدوج لضمان جودة عالية. والنتيجة هي تجربة تسوق تبدو أكثر إنسانية، وأكثر صلة، وتساعد المستخدمين في العث على ما يحتاجون إليه بالضبط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.