Hệ thống khuyến nghị tạo đề xuất dựa trên tín hiệu nào?

Vì vậy, cá nhân hóa không đến từ một tín hiệu duy nhất. Một đề xuất thường là kết quả của việc kết hợp nhiều tín hiệu, trong đó hành vi người dùng cho biết họ quan tâm đến điều gì, nội dung cho biết một lựa chọn có đặc điểm gì, còn bối cảnh giúp xác định lựa chọn nào phù hợp ở thời điểm hiện tại.

Hệ thống khuyến nghị là gì và hoạt động theo cơ chế nào?

Về bản chất, hệ thống khuyến nghị biến các tín hiệu rời rạc thành một quyết định xếp hạng. Luồng xử lý có thể hình dung như sau:

Tín hiệu → Biểu diễn sở thích → Dự đoán mức độ phù hợp → Xếp hạng → Đề xuất

Tín hiệu đầu vào có thể đến từ hành động trực tiếp của người dùng, đặc điểm của nội dung, thông tin phiên truy cập hoặc dữ liệu tổng hợp từ nhiều người dùng. Hệ thống sau đó tìm mối quan hệ giữa những tín hiệu này và khả năng người dùng quan tâm đến một lựa chọn.

Có hai cách tiếp cận phổ biến. Một hệ thống có thể dựa nhiều vào collaborative filtering, trong đó sở thích của những người dùng có hành vi tương tự được sử dụng để suy ra đề xuất. Cách khác là content-based recommendation, trong đó hệ thống so sánh đặc điểm của nội dung người dùng từng quan tâm với đặc điểm của các nội dung khác.

Trong thực tế, nhiều hệ thống kết hợp cả hai hướng cùng với các tín hiệu bối cảnh. Mục tiêu cuối cùng không phải chỉ là tìm nội dung “giống” nội dung cũ, mà là xác định lựa chọn nào có mức độ phù hợp cao hơn trong tình huống hiện tại.

Hành vi người dùng cung cấp những tín hiệu quan trọng nào?

Hành vi là một trong những nguồn tín hiệu trực tiếp nhất vì nó phản ánh những gì người dùng thực sự làm thay vì chỉ những gì họ nói mình thích.

Các tín hiệu có thể bao gồm:

·         Lượt xem hoặc lượt mở nội dung

·         Lượt nhấp vào một đề xuất

·         Thời gian tương tác hoặc mức độ hoàn thành nội dung

·         Lượt thích, lưu, đánh dấu hoặc theo dõi

·         Lượt thêm sản phẩm vào giỏ hoặc thực hiện giao dịch

·         Lịch sử tìm kiếm

·         Những nội dung bị bỏ qua hoặc nhanh chóng rời khỏi

Không phải hành vi nào cũng có cùng ý nghĩa. Một lượt nhấp cho thấy người dùng đã quan tâm đủ để mở nội dung, nhưng chưa chắc đồng nghĩa với việc họ thực sự thích nội dung đó. Ngược lại, việc xem lâu, hoàn thành, lưu hoặc quay lại có thể cung cấp tín hiệu mạnh hơn về mức độ quan tâm tùy vào loại sản phẩm và mục tiêu của hệ thống.

Đây cũng là lý do hệ thống cần phân biệt tín hiệu tích cực và tín hiệu tiêu cực. Nếu chỉ ghi nhận những gì người dùng nhấp vào mà bỏ qua những gì họ liên tục bỏ qua, mô hình có thể tiếp tục đề xuất những lựa chọn không còn phù hợp.

Nội dung và đặc điểm đối tượng ảnh hưởng thế nào đến đề xuất?

Tín hiệu hành vi cho biết người dùng phản ứng với điều gì, còn tín hiệu nội dung cho biết đối tượng đó có đặc điểm gì.

Tùy lĩnh vực, hệ thống có thể sử dụng:

·         Chủ đề hoặc danh mục

·         Từ khóa và đặc trưng ngữ nghĩa

·         Tác giả, thương hiệu hoặc nhà cung cấp

·         Loại nội dung

·         Mức giá hoặc thuộc tính sản phẩm

·         Thể loại, định dạng hoặc đặc điểm kỹ thuật

·         Mối quan hệ giữa các nội dung

Ví dụ, nếu một người thường đọc nội dung về nhiếp ảnh, hệ thống có thể dùng đặc điểm chủ đề, từ khóa và loại nội dung của những bài đã đọc để tìm các bài có đặc trưng tương đồng. Với sản phẩm, các thuộc tính như danh mục, thương hiệu, khoảng giá hoặc đặc điểm kỹ thuật có thể được dùng để xác định những sản phẩm tương thích hơn với lịch sử quan tâm.

Cách tiếp cận này đặc biệt hữu ích khi một nội dung hoặc sản phẩm mới chưa có nhiều dữ liệu tương tác. Thay vì chờ đủ lịch sử hành vi, hệ thống có thể dựa vào đặc điểm của chính đối tượng để ước tính mức độ phù hợp.

Bối cảnh và thời điểm thay đổi đề xuất như thế nào?

Một người không phải lúc nào cũng có cùng một nhu cầu. Sở thích dài hạn có thể tương đối ổn định, nhưng nhu cầu trong một phiên truy cập cụ thể có thể thay đổi nhanh.

Bối cảnh có thể bao gồm:

·         Thời điểm và ngày truy cập

·         Phiên hiện tại và chuỗi hành động gần nhất

·         Thiết bị hoặc kênh sử dụng

·         Vị trí hoặc khu vực khi yếu tố này thực sự liên quan

·         Trạng thái của phiên tìm kiếm

·         Tình trạng sẵn có của nội dung hoặc sản phẩm

Tín hiệu thời gian đặc biệt quan trọng với những hệ thống mà nhu cầu thay đổi nhanh. Một người có thể thường xuyên quan tâm đến một chủ đề nhưng trong phiên hiện tại lại đang tìm kiếm một nội dung hoàn toàn khác.

Do đó, hệ thống khuyến nghị thường cần kết hợp sở thích dài hạn với ý định ngắn hạn. Nếu chỉ dựa vào lịch sử lâu dài, đề xuất có thể đúng với hồ sơ người dùng nhưng sai với nhu cầu hiện tại.

Hệ thống khuyến nghị kết hợp các tín hiệu để cá nhân hóa ra sao?

Các tín hiệu thường không được sử dụng độc lập. Hệ thống cần đánh giá chúng cùng nhau để tạo điểm phù hợp cho từng lựa chọn.

Có thể hình dung một đề xuất được đánh giá dựa trên bốn nhóm chính:

1.    Mức độ phù hợp với lịch sử người dùng: lựa chọn có tương thích với sở thích đã quan sát hay không

2.    Mức độ phù hợp về nội dung: lựa chọn có đặc điểm liên quan đến những gì người dùng từng quan tâm hay không

3.    Mức độ phù hợp với phiên hiện tại: lựa chọn có đáp ứng hành vi và ý định gần nhất hay không

4.    Tín hiệu từ tập thể hoặc hệ thống: lựa chọn có mức độ quan tâm, tương tác hoặc hiệu quả phù hợp trong nhóm người dùng liên quan hay không

Sau đó, các ứng viên được xếp hạng thay vì đơn giản chọn một nội dung giống nhất với lịch sử cũ.

Điểm quan trọng là tín hiệu mạnh không phải lúc nào cũng là tín hiệu đúng nhất. Một sản phẩm phổ biến có thể có tín hiệu tương tác rất lớn nhưng vẫn không phù hợp với một người dùng cụ thể. Tương tự, một nội dung rất giống những gì người dùng từng xem có thể tạo ra đề xuất an toàn nhưng làm giảm khả năng khám phá nội dung mới.

Vì vậy, hệ thống cần cân bằng giữa mức độ phù hợp, sở thích hiện tại, khả năng khám phá và các ràng buộc của sản phẩm.

Những giới hạn nào cần lưu ý khi dùng tín hiệu để đề xuất?

Tín hiệu hành vi không phải lúc nào cũng phản ánh chính xác sở thích. Người dùng có thể nhấp vì tiêu đề hấp dẫn, xem một nội dung vì tình cờ, hoặc bỏ qua một đề xuất dù thực tế họ quan tâm nhưng không có thời gian tương tác.

Một vấn đề khác là feedback loop. Khi hệ thống liên tục đề xuất những nội dung tương tự, chính các đề xuất đó lại tạo thêm dữ liệu hành vi. Theo thời gian, hệ thống có thể ngày càng củng cố một nhóm sở thích và giảm khả năng đưa ra lựa chọn mới.

Ngoài ra, tín hiệu có thể thay đổi theo thời gian. Sở thích cũ không nhất thiết phản ánh nhu cầu hiện tại. Vì vậy, hệ thống cần xác định tín hiệu nào mang tính dài hạn và tín hiệu nào phản ánh ý định tức thời.

Một hệ thống khuyến nghị tốt do đó không chỉ hỏi “Người dùng từng thích gì?”, mà còn phải xem xét “Người dùng đang làm gì, lựa chọn này có đặc điểm gì và nó có phù hợp với bối cảnh hiện tại không?”

Khi các nhóm tín hiệu được kết hợp đúng cách, hệ thống có thể chuyển từ đề xuất dựa trên lịch sử đơn thuần sang cá nhân hóa theo cả hành vi, nội dung và bối cảnh. Đây là cơ sở để tạo ra những đề xuất vừa phù hợp với sở thích đã biết, vừa thích ứng với nhu cầu hiện tại mà không hoàn toàn khóa người dùng trong những lựa chọn quen thuộc.