Tinkoff Research разработал алгоритм, способный угадывать точное время онлайн-покупки товара

Суть открытия

Алгоритм TAIW точнее предсказывает, какие товары будут нужны клиенту в ближайшем будущем с учетом точного момента покупки. Он учитывает как состав предыдущих покупок конкретного человека и схожих по профилю пользователей, так и анализирует точное время покупки определенных товаров в прошлом.

Таким образом, пользователи получают максимально персонализированные рекомендации, а компании могут увеличить конверсию в покупку. Так, TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент

Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao (входит в Alibaba Group). Результаты экспериментов TAIW показали, что инструмент эффективнее аналогов в задаче next basket recommendation (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени.

Согласно полученным результатам, алгоритм повышает точность рекомендательной системы до 8%.

Чем алгоритм отличается от других методов

Чтобы предсказать повторные покупки, в настоящее время часто используются такие методы, как цепи Маркова (математическая модель, помогает предсказывать будущие события на основе прошлых событий) и рекуррентные нейронные сети (модели машинного обучения, которые анализируют последовательность действий пользователя), отмечает компания.

Однако, указывают в «Тинькофф», эти инструменты не всегда позволяют корректно учесть при прогнозировании частоту покупки.

Алгоритм TAIW, в свою очередь, состоит из двух модулей: «Повторная покупка» и «Соседство». Модуль «Повторная покупка» работает на основе процесса Хоукса (статистическая модель, позволяет понять временные закономерности и зависимости между событиями). Алгоритм анализирует, какие товары покупал пользователь, как часто и когда была совершена последняя покупка. Этот модуль позволяет определить, когда конкретные товары будут больше всего актуальны для конкретного покупателя.

Модуль «Соседство» позволяет описать привычки пользователей с похожими предпочтениями. Эти данные используются, чтобы обеспечить более разнообразные рекомендации для конкретного человека.

Результаты исследования были представлены на конференции по рекомендательным системам ACM RecSys, которая состоялась в 2023 году Сингапуре. Ее организатором выступает Ассоциация вычислительной техники — крупнейшее в мире образовательное и научное компьютерное сообщество.

Фото на обложке: Unsplash