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

Sui ripiani digitali dei moderni negozi online, il percorso verso un acquisto è raramente uno sguardo singolo. È invece un viaggio attraverso un carosello di immagini, video e modelli tridimensionali interattivi che il cliente deve scorrere uno alla volta. Poiché gli acquirenti non possono toccare o tenere in mano il prodotto, si affidano a questa sequenza di indizi visivi per costruire un'immagine di ciò che stanno comprando. Accumulano prove, pezzo per pezzo, finché non si sentono abbastanza sicuri da acquistare o decidono che lo sforzo è troppo grande e se ne vanno. La sfida per le piattaforme che vendono questi beni è che l'ordine in cui questi indizi appaiono conta immensamente. Se l'informazione più convincente è sepolta in fondo alla lista, un cliente potrebbe arrendersi prima ancora di vederla. Non si tratta solo di catturare l'attenzione; si tratta di guidare una persona attraverso una storia che conduca a una decisione.

I ricercatori di Amazon, guidati da Prasenjit Dey, Frank McIntyre e Arnab Sinha, hanno sviluppato un nuovo modo per risolvere questo enigma. Chiamano il loro approccio Sequential Multimodal Evidence Optimization, o SMEO. Invece di trattare ogni immagine o video come un elemento isolato in competizione per un clic, vedono l'intera collezione di media per un singolo prodotto come un team cooperativo che lavora insieme per raccontare una storia completa. Il loro obiettivo era trovare l'ordine specifico che aiuti un cliente a raggiungere una decisione di tipo "sì" con il minor sforzo possibile. Analizzando milioni di sessioni di shopping reali, hanno scoperto che i sistemi esistenti spesso falliscono perché si concentrano sulle reazioni a breve termine, come quanto tempo un utente indugia su uno schermo, piuttosto che sul risultato finale, ovvero se una vendita sia effettivamente avvenuta.

I ricercatori hanno scoperto che gli attuali metodi commettono spesso l'errore di pensare che un'immagine appariscente che riceve molti clic sia la più importante da mostrare per prima. Tuttavia, un clic non significa sempre un acquisto. Un cliente potrebbe cliccare su una foto luminosa per curiosità, ma poi andarsene senza comprare perché non ha mai visto i dettagli tecnici o la dimostrazione video che lo avrebbero convinto. Il nuovo sistema, SMEO, impara dalla cronologia di ciò che i clienti hanno effettivamente fatto. Osserva la sequenza di media che un cliente ha visualizzato prima di acquistare l'articolo o di smettere di guardare. Determina quindi quali pezzi di prova siano stati i più persuasivi in quel contesto specifico. Ad esempio, potrebbe imparare che per una macchina da caffè, un video che mostra la macchina in funzione è molto più critico di una foto statica della confezione, e che questo video dovrebbe essere mostrato precocemente nella sequenza per evitare che il cliente abbandoni la pagina.

Per raggiungere questo obiettivo, il team ha costruito un processo in due fasi. Per prima cosa, hanno addestrato un modello per comprendere il valore di una sequenza di media basandosi sul fatto che portasse o meno a una vendita. Questo modello ha imparato a ignorare il pregiudizio della posizione degli elementi nel passato, concentrandosi invece sul contenuto effettivo e su come questo abbia aiutato il cliente a decidere. In secondo luogo, hanno usato questa comprensione per insegnare a un programma per computer come organizzare i media per qualsiasi nuovo prodotto. Questo programma agisce come un editor, scegliendo il miglior ordine per le immagini e i video. Prioritizza la presentazione delle informazioni decisionali più importanti il prima possibile, assicurando che il cliente veda la prova più importante prima di stancarsi di scorrere.

I risultati dei test di questo sistema su scala massiccia sono stati significativi. Quando i ricercatori hanno confrontato il loro nuovo metodo con le regole standard utilizzate dagli negozi online, hanno scoperto che il nuovo sistema ha aumentato il tasso stimato di acquisti riusciti del 5,5 percento. Ancora più importante, ha aiutato i clienti a raggiungere quella decisione il 15 percento più velocemente, il che significa che hanno dovuto scorrere meno immagini per trovare ciò che cercavano. Lo studio ha anche rivelato che il sistema ha imparato a riconoscere schemi senza che gli venisse esplicitamente detto cosa cercare. Ad esempio, ha scoperto che per i mobili, i modelli tridimensionali sono molto più preziosi rispetto ad altri tipi di prodotti, mentre per l'abbigliamento, i video che mostrano come si muove il tessuto sono i più persuasivi. Ciò ha permesso al sistema di personalizzare automaticamente la presentazione delle prove in base alle esigenze specifiche di diverse categorie di prodotti.

Uno degli aspetti più potenti di questo lavoro è che risolve un problema che è stato difficile da misurare: quanto credito dovrebbe ricevere una specifica immagine o un video per una vendita? In passato, era difficile dire se un acquisto fosse causato dalla prima foto o dal quinto video. Il nuovo sistema fornisce un modo per guardare indietro e comprendere il contributo di ogni pezzo di media, anche senza etichette dirette che dicano "questa immagine ha causato la vendita". Lo fa simulando cosa sarebbe successo se un pezzo di media fosse stato rimosso o spostato, permettendo al sistema di vedere come sarebbe cambiato il percorso del cliente. Questa intuizione aiuta i proprietari dei negozi a capire quali asset sono veramente preziosi e quali sono ridondanti, consentendo loro di migliorare le pagine prodotto in modo più efficace.

I ricercatori hanno testato le loro idee rigorosamente utilizzando dati provenienti da milioni di sessioni di shopping reali in varie categorie, dall'elettronica ai prodotti di bellezza. Hanno confrontato il loro metodo con diversi altri approcci, inclusi le regole semplici basate sulla popolarità e altri sistemi di classificazione avanzati. Il loro metodo ha superato costantemente queste alternative, dimostrando che trattare i media come una storia sequenziale è più efficace che trattarli come una lista di elementi in competizione. Il sistema è progettato per funzionare offline, il che significa che l'ordine delle immagini è preparato in anticipo e memorizzato, in modo da non rallentare il sito web quando un cliente lo visita. Ciò lo rende pratico per l'uso su larga scala, dove milioni di prodotti devono essere organizzati ogni giorno.

In definitiva, questo lavoro sposta l'attenzione dal semplice catturare l'occhio di un cliente al rispettare il suo tempo e la sua intenzione. Organizzando le prove visive in un modo che costruisce fiducia rapidamente, il sistema riduce l'attrito dello shopping online. Riconosce che l'attenzione di un cliente è una risorsa limitata e che l'obiettivo è aiutarlo a trovare le informazioni di cui ha bisogno con il minor numero di passaggi possibile. Le conclusioni suggeriscono che quando i negozi digitali sono organizzati con in mente il processo decisionale del cliente, il risultato è un'esperienza migliore per lo shopper e un mercato più efficiente per il venditore. Lo studio conferma che l'ordine delle informazioni non è solo un dettaglio estetico, ma una parte fondamentale di come le persone prendono decisioni nel mondo digitale.