自動推薦系統在內地每年的「雙11」購物節中大行其道,成為電子商務的關鍵技術。顧名思義,它的任務是根據潛在用戶的興趣,把合適的產品推薦給他們。在網購系統設計中,不論任何產品,如何跟蹤用戶的購物意圖、識別合適的產品,是推薦技術的任務目標。
透過紀錄提升推薦效能
線上用戶的意圖,可以從其網上足跡及購物習慣可知一二。實際上,獲取這些資訊輕而易舉,然而在不同網絡環境下,系統會採用不同的方法。
在互聯網商務,推薦系統可以透過記錄及分析用戶點擊(User Clicks)而達到目標,例如用戶訪問過哪些網站、在每個網站花了多少時間、過程中在哪些網站購買或拒絕了那些產品等,資訊都可以幫助提升推薦任務的效能。
在社交網絡商務環境中,同樣的資訊可透過用戶對話來獲取,例如利用自然語言處理(NLP)AI技術分析用戶的說話,從而了解用戶喜歡或討厭哪類產品,甚至作出購物決定的理由,例如:在句子「我不想看『魷魚遊戲』,因為畫面太殘忍了」中,「不想看」和「太殘忍」分別表達了用戶的「情感」和「理由」。
然而,利用NLP分析句子,去判斷出各詞組的語意,並非容易。
推薦系統的盲點
概括而言,推薦系統的目標,是進行用戶意向和產品特徵的配對。表面看來很簡單,但落實時經常碰到兩個困難:一是當系統碰上陌生用戶(例如一個網購公司的新會員)時,由於系統之前並沒有他的購物歷史,所以未能有效推測他的意向。
這問題學術界稱之為「冷啟動」(Cold Start)。解決這問題的常用方法是協同過濾(Collaborative Filtering)。這技術通過分析用戶和其他用戶之間的相似性,來預測新用戶可能感興趣的產品,繼而把產品推薦給他。例如甲與乙是好朋友,甲喜歡看金庸武俠小說,那麽系統估計乙也有相似的閱讀興趣,而把《鹿鼎記》推薦給他。
二是不少用戶只顧在網上徘徊,無心購物。社交網絡的推薦算法假設用戶是具有明確意向,即他很清楚自己想要買的產品,因此系統能從用戶的說話中識別出其意向。但在現實中,不少潛在顧客只在社交網絡中漫無目的地與其他網友聊天,並沒有意向去購物。
在這情況之下,業界可以利同AI對話系統技術,模擬人類推銷技巧,鼓其如簧之舌,在社交網絡中引導及遊說潛在用戶「落疊」購買其公司的產品。
進軍三維元宇宙市場
近期,元宇宙成為創科業界的熱門話題。Meta、微軟、騰訊等科技巨擘對元宇宙市場無不垂涎三尺,爭相巨額投資。
未來的網購活動必然會擴展至這三維虛擬世界,產品推薦工作將會由虛擬推銷員執行,它會利用行為分析技術去了解每個虛擬人的生活(包括購物)、文化和習慣,例如它們經常光顧的元宇宙商店、玩的遊戲等,從中找出潛在顧客,然後一步一步地「氹佢落疊」,最後向他推銷合適產品。
有效的推薦系統當然能為用戶帶來許多方便,但是不論是一維的互聯網市場,二維的社交網絡市場,或者三維的元宇宙市場,若然系統被不良分子或奸商操縱,用戶便很容易「上當」受騙。
正如某哲學家所言,人工智能有其美好的一面,然而「另一面可能會流淌着邪惡的資本基因,讓不願意思考的人把精神和靈魂交給虛擬世界,而這些人會成為供養資本的原料」。此言甚是,很值得還活在現實世界的你和我好好三思。
原刊於《星島日報》,本社獲作者授權轉載。