Wayfair的CTO Fiona Tan在5月底麻省理工舉辦的EmTech科技公司峰會上分享了他們關(guān)于機器學習的應用實踐,分享的內(nèi)容對于賣家如何讓自己的產(chǎn)品更容易讓更多客戶看到也是一個啟發(fā)。

包括Wayfair的3000名技術(shù)人員如何在5個主網(wǎng)站上管理2萬名供應商提供的1400萬種產(chǎn)品,給瀏覽網(wǎng)站的消費者從海量數(shù)據(jù)中提供即時推薦和個性化體驗。

對于風格品味差異化巨大的家居平臺來說,這更加是一個挑戰(zhàn)。

而對于非常明確自己想要的產(chǎn)品的各方面要求的客戶來說,可以用精準的搜索或者通過細分目錄找到需要的產(chǎn)品,但有時候客戶不是很明確自己要什么,或者只有一個大致的概念,用的關(guān)鍵詞是比較模糊的,那么平臺的算法需要綜合各類信息,給客戶推薦他們最可能希望看到的結(jié)果,使得客戶在平臺上停留更長的時間。

最開始Wayfair采用的是一種叫做“詞法搜索”的邏輯,比如客戶搜索紅色沙發(fā),那么平臺只會在具有紅色+沙發(fā)的屬性內(nèi)去返回結(jié)果,以求與客戶的需求盡量接近。

現(xiàn)在Wayfair更多地采用一種叫做業(yè)內(nèi)更通用的“語義搜索”,涵蓋搜索詞更廣泛的關(guān)聯(lián),還是上面的例子,搜索紅色沙發(fā),出來的結(jié)果里面也會含酒紅色的沙發(fā)凳,猩紅色的沙發(fā)床等,這些擴大的結(jié)果使得客戶更能夠有逛街的感覺,停留在網(wǎng)站上的時間就會更長。

下圖可見,red couch的搜索結(jié)果不僅僅就是紅色的沙發(fā)。

當然如果你只想篩選紅色,也可以在左邊進行顏色篩選。

Wayfair也在對供應商提供的產(chǎn)品信息進行整合,結(jié)合客戶對產(chǎn)品的反饋,通過循環(huán)的機器學習,構(gòu)建自己的產(chǎn)品目錄數(shù)據(jù)庫,增加產(chǎn)品信息的準確性,提高搜索推薦的適配。

也就是說Wayfair對于市面上主流的家居產(chǎn)品整理了一個自己的產(chǎn)品目錄,這個目錄是實時更新的,里面產(chǎn)品的各項屬性它都會有一個比較合理的評估,我們提交的產(chǎn)品會被作為這個大目錄的數(shù)據(jù)來源,也會被用來和這個大目錄來比對。

這就是為什么Wayfair要求我們提供產(chǎn)品更明確的tags,也就是標簽屬性,這個問題之前文章也講到過（查重如何挽回）。

總的來講,還是要提高listing的質(zhì)量,一個是各項規(guī)格屬性的準確性,一個是完整性。

另一個方面就是物流距離。

她提到平臺對產(chǎn)品進行了一些重新排名,在產(chǎn)品選擇相關(guān)性的基礎上,更接近客戶的選擇會得到提升。

這也再一次印證了,倉庫與客戶的接近程度對產(chǎn)品在客戶搜索結(jié)果頁面的排名相關(guān)性進一步提升了,這一點我們也多次說過。