Группа ученых из Лаборатории исследований искусственного интеллекта Tinkoff Research разработала новый алгоритм TAIW (Time-Aware Item-based Weighting), который способен точно предсказывать момент покупки определенного товара в онлайне.
Этот инновационный алгоритм учитывает не только предыдущие покупки клиентов и их профиль, но и анализирует точное время покупки определенных товаров в прошлом.
Основное преимущество алгоритма TAIW заключается в предоставлении пользователям индивидуальных рекомендаций, оптимизированных под их потребности, а для компаний он может стать мощным инструментом для увеличения конверсии в продажи. Алгоритм способен предвидеть, когда пользователю нужно будет пополнить запас определенных продуктов и предложить соответствующие рекомендации в нужный момент.
По словам представителей «Тинькофф», ранее рекомендательные системы не учитывали уникальную частоту покупок, когда пользователь приобретал товары в определенное время, что делало рекомендации неактуальными для них в другое время. Алгоритм TAIW решает эту проблему, обеспечивая более точные рекомендации и более эффективное ранжирование товаров в соответствии с их актуальностью в определенный момент времени.
Исследователи провели эксперименты на данных онлайн-площадки Taobao из Alibaba Group. Результаты показали, что TAIW превосходит аналоги в предсказании следующей корзины покупок (NBR) за счет более точного учитывания актуальности товаров в конкретный момент времени.
Существующие методы, такие как цепи Маркова и рекуррентные нейронные сети, используются для прогнозирования повторных покупок. Однако, по словам экспертов «Тинькофф», эти методы не всегда учитывают частоту покупок пользователя.
Алгоритм TAIW состоит из двух модулей: «Повторная покупка» и «Соседство». Первый модуль основан на процессе Хоукса, который анализирует, какие товары покупал пользователь, как часто и когда совершал последнюю покупку. Второй модуль позволяет описать привычки пользователей с похожими предпочтениями для предоставления более разнообразных рекомендаций.
