Каждый месяц Pinterest пользуется 100 миллионов человек, поэтому социальная платформа использует машинное обучение, чтобы найти для своих пользователей что-то новенькое.
Люди заходят на Pinterest, чтобы находить, сохранять и делиться изображениями и постами со всего интернета. Чем легче пользователи находят нужный контент, тем больше времени они проводят на платформе. Компания утверждает, что 30% вовлеченности аудитории и 25% покупок на платформе обусловлены рекомендациями. Чтобы показывать пользователям правильные рекомендации, Pinterest использует последние технологии обработки данных и всячески с ними экспериментирует.
«В основном я пытаюсь определить, в каком направлении нам нужно развивать систему рекомендаций, — сказал Мухаммед Шаханджиан, главный инженер поисковых технологий Pinterest. — Мы проводим сотни экспериментов, которые лишь слегка меняют действующие алгоритмы. И у каждого изменения есть свои слабые и сильные стороны».
Одно из преимуществ платформы в том, что ее система строится на основе интересов пользователя, по мере того как он закрепляет на виртуальных досках различные продукты, посты и изображения со всего интернета. А значит, чтобы понять интересы пользователей, Pinterest не приходится гадать по времени, проведенному на той или иной странице, или шаблонам кликов, как это делают другие социальные сети. Алгоритмы Pinterest могут понять взаимосвязь между всеми 75 миллиардами постов, которые есть на платформе, потому что, скорее всего, многие из них будут прикреплены к одним и тем же доскам.
«Многие компании пытаются понять интересы своих пользователей по внутренним сигналам, — говорит Шаханджиан. — Но в случае с Pinterest наши пользователи сами показывают, что им интересно».
Посетители платформы вносят ценный вклад в вечно растущий трехступенчатый социальный граф, который создает миллиарды связей между пользователями, сохраненными записями и пин-досками. Все эти данные позволяют платформе более точно формировать новостную ленту, результаты поиска и рекомендации. Обычные рекомендации по пинам друзей не слишком эффективны: по словам Шаханджиана, если, например, ваша подруга собирается выйти замуж и постоянно сохраняет картинки со свадебными платьями, то вам быстро надоест поток повторяющихся картинок в рекомендациях.
Фото: Пользователь Flickr Freestocks
«Если вы сохранили пин с раковиной для кухни, то что нам нужно вам показать? Еще десять тысяч видов раковин или что-то для дизайна вашей кухни?», — задается вопросом инженер.
Чтобы найти ответ на подобные вопросы, компания решила поэкспериментировать с разнообразными алгоритмами машинного обучения. Инженеры изучили, как разные системы определяют похожие пины и как они влияют на вовлеченность настоящих пользователей.
«Мы проводим эксперименты на реальных пользователях только после тщательного изучения всех методов», — рассказал Шаханджиан.
Конечно же, нельзя быть на сто процентов уверенным, что пользователю понравятся рекомендации. «Я не могу дать кому-нибудь денег, чтобы тот сказал, понравится ли Джеку или Сьюзи этот пин», — поясняет Шаханджиан. Но на основе точности работы алгоритмов рекомендаций, все равно можно составить примерную оценку пользователей.
Переход с хронологической на алгоритмически генерируемую новостную ленту повысил вовлеченность пользователей платформы в пять-десять раз. После доработки алгоритмов она выросла еще сильнее.
«За все время существования новостной ленты мы неоднократно наблюдали рост вовлеченности, — сказал Шаханджиан. — Сильнее всего на нее повлияла персонализация».
Изображение: Flickr
Помимо этого, компания занимается доработкой визуального поиска, который помогает пользователям найти похожие изображения. Инженеры Pinterest вместе с исследователями из Центра компьютерного зрения и машинного обучения Беркли работают над технологией распознавания объектов на основе машинного обучения. С ее помощью пользователи могут просто нажать на понравившееся изображение, чтобы найти похожее в библиотеке сохраненного контента Pinterest.
«Мы не пытаемся классифицировать изображения и определить, что перед нами собака или кошка, — поясняет Дмитрий Кислюк, главный инженер Pinterest по визуальному поиску. — Мы хотим найти визуальное сходство между изображениями, как мы это и делаем в реальной жизни».
По его словам, визуальный поиск достаточно хорошо находит похожие изображения украшений для дома или модной одежды. В дальнейшем компания хочет расширить возможности этой функции, чтобы она могла разделять объекты на категории, которые пригодятся для поиска другого типа. Так например, пользователи смогут найти новые рецепты по похожим фотографиям.
«Я считаю, что наши модели поиска могут быть более семантическими, — считает Эндрю Цай, ведущий инженер по визуальному поиску. По его мнению, с помощью глубинного обучения изображения можно будет разбить на понятийные категории. — Так мы будем лучше справляться с этими видами пинов».
Инженеры Pinterest стремятся довести до идеала механизм распознавания изображения и визуальный поиск. Они даже планируют выпустить специальное приложение, которое будет анализировать фотографии со смартфона и выдавать на их основе рекомендации в Pinterest.
Материалы по теме:
Как мы учили нейронную сеть распознавать платья и туфли
Нейронные сети научились распознавать размытые лица на фотографиях
Компьютер научился определять депрессию по фотографиям в Instagram
Нашли опечатку? Выделите текст и нажмите Ctrl + Enter
Материалы по теме
- 1 Эволюция ML-сервисов в микрофинансовых организациях и советы по внедрению
- 2 Цифровые двойники: как работают, зачем нужны и как смоделировать своего
- 3 С какими сложностями может столкнуться компания при внесении данных в IT-системы и как упростить этот процесс
- 4 Помощь агробизнесу. Как Big data улучшает работу сельхозпредприятий
- 5 Как использовать Big Data & AI для увеличения потока клиентов: кейс с крупным банком
ВОЗМОЖНОСТИ
20 апреля 2024
21 апреля 2024
21 апреля 2024