Sequential Multimodal Evidence Optimization for Product Media Ranking in E-Commerce

على الأرفف الرقمية للمتاجر الإلكترية الحديثة، نادراً ما يكون المسار نحو عملية الشراء مجرد نظرة واحدة. بدلاً من ذلك، هو رحلة عبر شريط دوار من الصور، ومقاطع الفيديو، والنماذج ثلاثية الأبعاد التفاعلية التي يجب على العميل التمرير من خلالها واحداً تلو الآخر. ولأن المتسوقين لا يمكنهم لمس المنتج أو إمساكه، فإنهم يعتمدون على هذا التسلسل من الأدلة البصرية لبناء صورة عما يشترونه. إنهم يجمعون الأدلة، قطعة بقطعة، حتى يشعروا بالثقة الكافية للشراء أو يقرروا أن الجهد المبذول كبير جداً فيغادرون. ويكمن التحدي للمنصات التي تبيع هذه السلع في أن الترتيب الذي تظهر به هذه الأدلة مهم للغاية؛ فإذا كانت المعلومات الأكثر إقناعاً مدفونة في أسفل القائمة، فقد يستسلم العميل قبل رؤيتها أبداً. لا يتعلق الأمر بمجرد جذب الانتباه، بل بتوجيه الشخص عبر قصة تقود إلى اتخاذ قرار.

لقد طور باحثون في أمازون، بقيادة براسينجيت دي، وفرانك مكنتاير، وأربنا سينها، طريقة جديدة لحل هذا اللغز. أطلقوا على نهجهم اسم "تحسين الأدلة متعدد الوسائط المتسلسل" (SMEO). وبدلاً من معاملة كل صورة أو فيديو كعنصر معزول يتنافس على النقرة، فإنهم ينظرون إلى المجموعة الكاملة للوسائط لمنتج واحد كفريق تعاوني يعمل معاً لسرد قصة كاملة. كان هدفهم هو إيجاد الترتيب المحدد الذي يساعد العميل على الوصول إلى قرار "نعم" بأقل قدر من الجهد. ومن خلال تحليل ملايين جلسات التسوق الحقيقية، اكتشفوا أن الأنظمة الحالية غالباً ما تفشل لأنها تركز على ردود الفعل قصيرة المدى، مثل المدة التي يقضيها المستخدم أمام الشاشة، بدلاً من النتيجة النهائية المتمثلة في حدوث عملية البيع فعلياً.

وجد الباحثون أن الطرق الحالية غالباً ما تقع في خطأ الاعتقاد بأن الصورة البراقة التي تحصل على الكثير من النقرات هي الأكثر أهمية لعرضها أولاً. ومع ذلك، فإن النقرة لا تعني دائماً عملية شراء؛ فقد ينقر العميل على صورة زاهية بدافع الفضول، لكنه يغادر دون شراء لأنه لم يرَ التفاصيل التقنية أو عرض الفيديو الذي كان من شأنه إقناعه. يتعلم نظام SMEO الجديد من تاريخ ما فعله العملاء حقاً؛ فهو يحلل تسلسل الوسائط التي شاهدها العميل قبل أن يشتري المنتج أو يتوقف عن البحث. ثم يستنتج أي قطع من الأدلة كانت الأكثر إقناعاً في ذلك السياق المحدد. على سبيل المثال، قد يتعلم النظام أنه بالنسبة لصانعة القهوة، فإن مقطع فيديو يظهر الآلة أثناء العمل أكثر أهمية بكثير من صورة ثابتة لعلبتها، وأن هذا الفيديو يجب عرضه في وقت مبكر من التسلسل لمنع العميل من المغادرة.

ولتحقيق ذلك، بنى الفريق عملية مكونة من خطوتين. أولاً، قاموا بتدريب نموذج لفهم قيمة تسلسل الوسائط بناءً على ما إذا كان قد أدى إلى عملية بيع؛ حيث تعلم هذا النموذج تجاهل انحياز مكان وضع العناصر في الماضي، والتركيز بدلاً من ذلك على المحتوى الفعلي وكيف ساعد العميل على اتخاذ القرار. ثانياً، استخدموا هذا الفهم لتعليم برنامج حاسوبي كيفية ترتيب الوسائط لأي منتج جديد. يعمل هذا البرنامج كمحرر، حيث يختار أفضل ترتيب للصور ومقاطع الفيديو، ويعطي الأولوية لعرض المعلومات الأكثر تأثيراً في اتخاذ القرار في أقرب وقت ممكن، مما يضمن أن يرى العميل الدليل الأكثر أهمية قبل أن يتعب من التمرير.

كانت نتائج اختبار هذا النظام على نطاق واسع كبيرة؛ فعندما قارن الباحثون طريقتهم الجديدة بالقواعد القياسية المستخدمة في المتاجر عبر الإنترنت، وجدوا أن النظام الجديد زاد من معدل عمليات الشراء الناجحة المقدر بنسبة 5.5 بالمائة. والأهم من ذلك، أنه ساعد العملاء على اتخاذ القرار بشكل أسرع بنسبة 15 بالمائة، مما يعني أنهم احتاجوا إلى تمرير عدد أقل من الصور للعثور على ما يبحثون عنه. كما كشفت الدراسة أن النظام تعلم التعرف على الأنماط دون أن يُخبر صراحة بما يجب البحث عنه؛ فعلى سبيل المثال، اكتشف النظام أنه بالنسبة للأثاث، فإن النماذج ثلاثية الأبعاد أكثر قيمة بكثير من غيرها من المنتجات، بينما بالنسبة للملابس، كانت مقاطع الفيديو التي تظهر حركة القماش هي الأكثر إقناعاً. سمح هذا للنظام تلقائياً بتكييف عرض الأدلة وفقاً للاحتياجات المحددة لفئات المنتجات المختلفة.

أحد أقوى جوانب هذا العمل هو أنه يحل مشكلة كان من الص kesulitan قياسها: مقدار الفضل الذي يجب أن تنسبه لصورة أو فيديو معين في عملية البيع؟ في الماضي، كان من الصعب معرفة ما إذا كانت عملية الشراء قد نتجت عن الصورة الأولى أم عن الفيديو الخامس. يوفر النظام الجديد طريقة للرجوع وفهم مساهمة كل قطعة من الوسائط، حتى بدون تسميات مباشرة تقول "هذه الصورة تسببت في البيع". يفعل ذلك من خلال محاكاة ما كان سيحدث لو تمت إزالة قطعة من الوسائط أو نقلها، مما يسمح للنظام برؤية كيف كانت رحلة العميل ستتغير. تساعد هذه الرؤية أصحاب المتاجر على فهم أي الأصول هي حقاً ذات قيمة وأيها زائد عن الحاجة، مما يسمي لهم تحسين صفحات منتجاتهم بشكل أكثر فعالية.

اختبر الباحثون أفكارهم بصرامة باستخدام بيانات من ملايين جلسات التسوق الحقيقية عبر فئات متنوعة، من الإلكترونيات إلى منتجات التجميل. وقارنوا طريقتهم بعدة أساليب أخرى، بما في ذلك القواعد البسيطة القائمة على الشعبية وأنظمة التصنيف المتقدمة الأخرى. تفوقت طريقتهم باستمرار على هذه البدائل، مما أثبت أن التعامل مع الوسائط كتسلسل قصصي أكثر فعالية من التعامل معها كقائمة من العناصر المتنافسة. تم تصميم النظام ليعمل "دون اتصال" (offline)، مما يعني أن ترتيب الصور يتم إعداده مسبقاً وتخزينه، بحيث لا يؤدي إلى إبطاء الموقع الإلكتروني عند زيارة العميل له. وهذا يجعل استخدامه عملياً على نطاق واسع، حيث يحتاج ملايين المنتجات إلى تنظيم يومياً.

في نهاية المطاف، ينقل هذا العمل التركيز من مجرد جذب عين العميل إلى احترام وقته وقصده. ومن خلال ترتيب الأدلة المرئية بطريقة تبني الثقة بسرعة، يقلل النظام من الاحتكاك في عملية التسوق عبر الإنترنت. إنه يدرك أن انتباه العميل مورد محدود، وأن الهدف هو مساعدته في العثور على المعلومات التي يحتاجها بأقل عدد ممكن من الخطوات. تشير النتائج إلى أنه عندما يتم تنظيم المتاجر الرقمية مع وضع عملية اتخاذ القرار لدى العميل في الاعتبار، تكون النتيجة تجربة أفضل للمتسوق وسوقاً أكثر كفاءة للبائع. تؤكد الدراسة أن ترتيب المعلومات ليس مجرد تفصيل تجميلي، بل هو جزء أساسي من كيفية اتخاذ الناس للخيارات في العالم الرقمي.