Персональные рекомендации, как первый этап персонализации Интернета в целом, направлены на облегчение поиска информации. Но целесообразность их использования остается достаточно спорной.
У нас была возможность оценить эффективность наиболее популярных подходов к формированию рекомендаций пользователю. Наша система обработала информацию, полученную от нескольких сервисов (на правах партнеров), которые предлагали своим пользователям рекомендации информационного контента и рекламных баннеров и фиксировали реакцию пользователя на них (клик/отсутствие клика). Таким образом, для анализа мы получили 13,4 млн рекомендаций, сформированных на основе разными методами.
Количество рекомендаций контента, предложенных пользователям. Другие методы рекомендации контента включали рекомендацию популярного контента, контент, рекомендованный друзьями пользователя и т.д.
Большая часть рекомендаций была сформирована с помощью контекстного метода. И неудивительно, это один из самых популярных на рынке рекомендательных методов, имеющий ряд преимуществ.
Согласно нашим данным, рекомендации рекламных баннеров на основе контекстного подхода, получили на 17% больше позитивных реакций от пользователей по сравнению с рекомендациями, которые формировались случайным образом.
Эффективность контекстных рекомендаций рекламного контента
Количество позитивных реакций на рекомендации информационного контента (статьи, новости) на 1,9% больше, чем реакций на случайные рекомендации.
Эффективность контекстных рекомендаций информационного контента
Для сравнения — допустимая погрешность работы нашей системы составляет 2,4% от всего массива обработанных данных. Поэтому говорить об эффективности контекстного метода в сфере информационных предложений мы не будем, но заметим, что эффективность контекстного подхода для рекомендации рекламного контента уже достойна обсуждения.
Напомним, что суть данного метода в предложении пользователю контента, аналогичного тому, который ранее уже вызвал у пользователя позитивную реакцию. Для предложения «аналогичного контента» контекстный метод опирается на ключевые слова, присвоенные контенту. Часть эффективности его рекомендации могут терять по причине ошибок при выявлении сходства между двумя единицами контента. Другой фактор, который может понижать эффективность рекомендаций — невозможность выйти за рамки тех тем, информация о которых доступна сервису по предыдущей активности пользователя. Вспомним Артемия Лебедева, который удачно обрисовал логику контекстной рекламы во фразе: «вот тебе ботинки, ты же купил ботинки». Для товаров, которые не могут потребляться пользователем на регулярной основе, этот подход неэффективен. Еще менее оправдывает себя предложение одинакового информационного контента — поскольку потребление информации более разнообразно и динамично, нежели покупательская активность.
Контекстный метод рекомендаций запирает пользователей в нескольких темах
Эти проблемы лежат в области реализации и с развитием контекстных алгоритмов могут быть устранены. Но есть проблемы, которые не ликвидировать доработкой и усовершенствованием алгоритмов, поскольку они обусловлены особенностями самого принципа контекстного метода. Таким концептуальным недостатком мы считаем отсутствие анализа индивидуальных особенностей пользователя при формировании прогнозов выбора.
В своих рекомендациях контекст оперирует паттернами поведения, которые обусловлены социокультурными особенностями нашего общества. К примеру, в заграничный тур люди едут с фотоаппаратами, юбилеи отмечают в ресторанах, для новорожденных девочек покупают розовую одежду, для мальчиков — голубую. Но число таких паттернов несоизмеримо меньше всего многообразия реакций, свойственных людям. Человеческое поведение не исчерпывается неким набором схем. Каждый выбор, каждое действие пользователя обусловлено его индивидуальными особенностями, актуальными потребностями, внутренними ресурсами, которыми он располагает. Без выяснения глубинных закономерностей, которые заставляют человека совершать то или иное действие, невозможно эффективно прогнозировать его выборы.
Справедливо и то, что конкретно для рекламных целей пока что достаточно знания о человеке на том уровне, каким владеет контекстный метод. Точнее, того уровня, к которому он стремится. Контекстный метод применим, в первую очередь, там, где есть однозначная цепочка действий для большинства пользователей вне зависимости от их личных особенностей, тогда как, рекламное предложение направлено на привлечение к товару большого количества потребителей. Но отнести контекстный подход к методам персонализации можно весьма условно — критерии персонального предложения предполагают индивидуальность, ориентированность на конкретную личность, ее индивидуальные предпочтения, интересы и потребности, привычные жизненные сценарии, мотивы и желания.
Мир, в котором мы все живем — наши социальные привычки, менталитет, особенности нашего быта, безусловно, определяет наши действия, но наши внутренние процессы, мотивы и взгляды совершенно точно определяют мир, в котором живет каждый из нас. И картина мира пользователя-1 может существенно отличаться от картины мира пользователя-2, и даже пресловутые социальные тенденции, объединяющие всех нас, трансформируются в нечто совершенно индивидуальное в психике каждого.
Поэтому, будучи эффективным в сфере рекламного предложения, контекстный метод не будет успешен в рекомендации информационного контента, как и в прочих сферах, для которых значение индивидуальности первостепенно — помощь в поиске, сфера знакомств, формирование персональных журналов и новостных лент.
Таким образом, следует признать, что контекстный метод может эффективно применяться в ряде сфер, в частности в области рекламных предложений. Едва ли в ближайшем будущем появится метод более качественного подбора сопутствующих товаров. Возможно дополнение контекстного подхода другими алгоритмами, но, с нашей точки зрения, именно контекст будет формировать не менее 80% всего предложения.
Тем не менее, не стоит пытаться превратить его в панацею и решать с его помощью задачи, касающиеся персонализации.
Статья написана в соавторстве: Хребтова Оксана, Головань Александр.
Автор: InFortis
