Conceitos Básicos
Precomputed embeddings enhance personalized feed generation efficiency and customer engagement.
Resumo
この論文では、個人の推奨システムにおいて、埋め込みを使用して顧客の行動とアイテムをエンコードし、近似最近傍探索を使用して埋め込み空間で検索する方法が提案されています。 しかし、このアプローチには2つの課題があります。1)ユーザーの埋め込みは捉えられる興味の多様性を制限し、2)それらを最新の状態に保つ必要性は高価なリアルタイムインフラストラクチャを必要とします。この論文では、これらの課題を実践的な産業設定で克服する方法が提案されています。この方法は、事前計算された埋め込みとそれらの類似性を利用して2分ごとにカスタマープロファイルを動的に更新し、フィードを作成します。Bolでプロモーションアイテムを個別化するためにこの方法がテストおよび展開されました。
Estatísticas
ユーザー埋め込みは興味の多様性を制限する可能性がある。
方法は2分ごとにカスタマープロファイルを更新し、フィードを作成する。
Bolで実施した方法はカスタマーエンゲージメントと体験向上に貢献し、コンバージョン率が4.9%向上した。
Citações
"In this paper, we propose a method that overcomes these challenges in a practical, industrial setting."
"The method dynamically updates customer profiles and composes a feed every two minutes."
"The method enhanced customer engagement and experience, leading to a significant 4.9% uplift in conversions."