SimPersona: Learning Discrete Buyer Personas from Raw Clickstreams for Grounded E-Commerce Agents
SimPersona एक नवीन फ्रेमवर्क है जो कच्चे क्लिकस्ट्रीम डेटा से डिस्क्रीट (discrete), व्याख्या योग्य खरीदार व्यक्तित्वों (buyer personas) को सीखने के लिए VQ-VAE का उपयोग करता है ताकि LLM-आधारित ई-कॉमर्स एजेंटों को वास्तविक जनसंख्या वितरण में स्थापित किया जा सके, जिससे बिना किसी पुनर्रचना (retraining) या मैनुअल प्रॉम्प्ट इंजीनियरिंग के मौजूदा विधियों की तुलना में बेहतर रूपांतरण-दर संरेखण (conversion-rate alignment) और लक्ष्य-उन्मुख प्रदर्शन प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट को ऑनलाइन खरीदारी करना सिखाने की कोशिश कर रहे हैं। यदि आप रोबोट को सिर्फ यह कह देते हैं, "जाकर कुछ जूते खरीद लाओ," तो वह एक "औसत" व्यक्ति की तरह व्यवहार करेगा। वह थोड़ा ब्राउज़ कर सकता है, शायद कार्ट में एक चीज़ जोड़ सकता है, और फिर छोड़ कर जा सकता है। लेकिन वास्तविक दुनिया में, खरीदार बहुत अलग होते हैं। कुछ "विंडो शॉपर्स" (सिर्फ देखने वाले) होते हैं जो बस देखते हैं और कभी कुछ नहीं खरीदते। कुछ "डील हंटर्स" (सस्ते सौदे खोजने वाले) होते हैं जो घंटों तक खोज करते हैं। अन्य "इम्पल्स बायर्स" (आवेग में खरीदने वाले) होते हैं जो जो भी पहली चीज़ देखते हैं उसे उठाते हैं और तुरंत चेकआउट कर देते हैं।
वर्तमान AI शॉपिंग एजेंटों के साथ समस्या यह है कि वे केवल उस "औसत" व्यक्ति को जानते हैं। वे उस विशिष्ट प्रकार के मानव के अनुरूप अपनी पर्सनैलिटी (व्यक्तित्व) बदलने में सक्षम नहीं हैं जिसका उन्हें प्रतिनिधित्व करना है।
एंट्री सिमपर्सोना (SimPersona): शॉपिंग रोबटों के लिए "पर्सनैलिटी चिप"
Shopify के शोधकर्ताओं ने एक नया सिस्टम बनाया है जिसे SimPersona कहा जाता है। इसे एक ऐसे तरीके के रूप में सोचें जो आपको एक विशिष्ट "पर्सनैलिटी चिप" देने का तरीका है, जो रोबोट को बताता है कि उसे वास्तव में कैसे व्यवहार करना है, जो लाखों वास्तविक खरीदारों के वास्तविक डेटा पर आधारित है।
यह कैसे काम करता है, यहाँ इसके सरल चरणों में विवरण दिया गया है:
1. जासूसी का काम (भीड़ से सीखना)
सबसे पहले, सिस्टम रॉ क्लिकस्ट्रीम्स (raw clickstreams) को देखता है। एक विशाल रसीदों और लॉग्स के ढेर की कल्पना करें जो दिखाते हैं कि लाखों लोगों ने क्या क्लिक किया, उन्होंने एक पेज को कितनी देर तक देखा, उन्होंने कार्ट में क्या जोड़ा, और उन्होंने क्या छोड़ दिया।
इंसानों से "द इम्पल्सिव बायर" या "द केयरफुल रिसर्चर" जैसे विवरण लिखने के लिए कहने के बजाय, कंप्यूटर एक विशेष गणितीय उपकरण (जिसे VQ-VAE कहा जाता है) का उपयोग करके इस अव्यवस्थित डेटा में पैटर्न ढूंढता है। यह लाखों उंगलियों के निशान में से एक जासूस की तरह है जो यह पहचान लेता है कि, "हे, ये 50,000 लोग एक ही तरह से क्लिक करते हैं, और ये अन्य 30,000 लोग बिल्कुल अलग तरह से व्यवहार करते हैं।"
सिस्टम इन लाखों खरीदारों को डिस्क्रीट टाइप्स (यानी अलग-अलग प्रकारों) या "पर्सोना" में समूहित करता है। यह केवल अनुमान नहीं लगाता; यह प्रत्येक प्रकार के सांख्यिकीय "फिंगरप्रिंट" को सीखता है।
2. आईडी कार्ड (द पर्सोना टोकन)
एक बार जब सिस्टम ने इन विभिन्न प्रकार के खरीदारों की पहचान कर ली, तो वह प्रत्येक को एक अद्वितीय ID कार्ड देता है, जिसे शोधकर्ता "पर्सोना टोकन" कहते हैं।
इस टोकन को एक छोटे, अदृश्य स्टिकर की तरह समझें जिसे आप रोबोट के दिमाग पर चिपका सकते हैं।
- यदि आप रोबोट पर "विंडो शॉपर" टोकन चिपकाते हैं, तो वह धीरे-धीरे ब्राउज़ करेगा और शायद ही कभी खरीदेगा।
- यदि आप उस पर "सुपर बायर" टोकन चिपकाते हैं, तो वह तेज़ी से बढ़ेगा, चीज़ें कार्ट में जोड़ेगा और जल्दी से चेकआउट करेगा।
सबसे अच्छी बात? ये टोकन बहुत छोटे होते हैं। ये रोबोट की मेमोरी में लगभग कोई जगह नहीं लेते, लेकिन इनमें व्यवहार की भारी मात्रा भरी होती है।
3. ट्रेनिंग (रोबोट को अभिनय करना सिखाना)
केवल आईडी कार्ड होने से काम नहीं चलेगा; रोबोट को यह सीखने की ज़रूरत है कि उस व्यक्ति की तरह अभिनय कैसे किया जाए। शोधकर्ताओं ने एक दो-चरणीय प्रशिक्षण प्रक्रिया का उपयोग किया:
- चरण 1: वाइब (Vibe) को समझना। सबसे पहले, वे रोबोट के दिमाग को फ्रीज कर देते हैं और केवल उसे यह सिखाते हैं कि प्रत्येक टोकन का अर्थ क्या है। वे उसे उन उदाहरणों के साथ दिखाते हैं कि उस टोकन वाले वास्तविक लोग कैसे व्यवहार करते हैं, ताकि रोबोट वास्तविक खरीदारी के निर्देशों से भ्रमित हुए बिना "व्यक्तित्व" सीख सके।
- चरण 2: चालें सीखना। इसके बाद, वे रोबोट के दिमाग को अनलॉक करते हैं और उसे उस व्यक्तित्व के साथ वेबसाइट का नेविगेशन करना सिखाते हैं। अब, जब रोबोट "बाय" बटन देखता है, तो वह जानता है कि उसे तुरंत क्लिक करना है (यदि उसके पास "इम्पल्स" टोकन है) या और तलाश करनी है (यदि उसके पास "रिसर्चर" टोकन है)।
4. परिणाम: अद्वितीय खरीदारों की एक भीड़
जब सिस्टम तैयार हो जाता है, तो वे एक पूरे स्टोर में खरीदारों का अनुकरण (simulate) कर सकते हैं। 1,000 रोबोटों के होने के बजाय जो एक जैसा व्यवहार करते हैं, वे अलग-अलग टोकन प्रत्येक रोबट को सौंप सकते हैं।
- वे एक ऐसी भीड़ बना सकते हैं जो किसी विशिष्ट स्टोर के वास्तविक ग्राहक आधार के बिल्कुल समान दिखे।
- यदि किसी वास्तविक स्टोर में 80% विंडो शॉपर्स और 20% बायर्स हैं, तो सिमुलेशन स्वाभाविक रूप से उसी मिश्रण को दर्शाएगा।
- रोबोटों को हर नए स्टोर के लिए फिर से प्रशिक्षित करने की आवश्यकता नहीं होती है; टोकन कहीं भी काम करते हैं।
यह क्यों महत्वपूर्ण है (पेपर के अनुसार)
शोधकर्ताओं ने इसका परीक्षण 42 अलग-अलग ऑनलाइन स्टोर्स में 8.37 मिलियन वास्तविक खरीदारों पर किया। यहाँ उन्हें क्या मिला:
- यह सटीक है: रोबोटों ने वास्तविक मानवीय खरीदारी दरों की 78% सटीकता के साथ नकल की। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने वास्तविक कन्वर्जन रेट (कितने लोग वास्तव में खरीदते हैं) से लगभग पूरी तरह मेल खाया।
- यह बड़े मॉडलों से स्मार्ट है: भले ही उनका सिस्टम अन्य विशाल AI मॉडलों की तुलना में बहुत छोटा है, फिर भी इसने खरीदारी के निर्देशों का पालन करने में बेहतर प्रदर्शन किया।
- यह स्थिर है: इन पर्सनैलिटी टोकन के बिना, रोबोट अक्सर क्रैश हो जाते या भ्रमित हो जाते। इन टोकनों के साथ, वे वेबसाइटों पर बहुत सुचारू रूप से नेविगेट करते हैं, ठीक वैसे ही जैसे एक इंसान करता है।
संक्षेप में:
SimPersona, लाखों खरीदारों के अव्यवस्थित डेटा को "पर्सनैलिटी चिप्स" के एक सेट में बदलने का एक तरीका है। इन चिप्स को शॉपिंग रोबोट में लगाकर, आप इसे बिल्कुल एक विशिष्ट प्रकार के मानव खरीदार की तरह व्यवहार करने के लिए तैयार कर सकते हैं, जिससे कंपनियों को केवल एक उबाऊ, औसत रोबोट के बजाय डिजिटल खरीदारों की एक वास्तविक भीड़ के साथ अपनी वेबसाइटों और मार्केटिंग रणनीतियों का परीक्षण करने की अनुमति मिलती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।