Doporučovací systém (recommender system)

Příklady z praxe

1. 01

   E-shop s doplňkovým prodejem

   E-shop s elektronikou zobrazuje na detailu produktu blok „Často kupováno společně“. Systém vytáhne z historie objednávek dvojice produktů, které se opakovaně objevují ve stejném košíku, a odfiltruje triviální kombinace typu stejný produkt v jiné barvě. Blok se vyhodnocuje samostatným A/B testem proti statickému seznamu příslušenství podle kategorie.

   -- kandidáti nakupovaní společně s produktem 4711
   SELECT b.product_id, COUNT(*) AS spolu
   FROM order_items a
   JOIN order_items b ON a.order_id = b.order_id
   WHERE a.product_id = 4711 AND b.product_id <> 4711
   GROUP BY b.product_id
   HAVING COUNT(*) >= 20
   ORDER BY spolu DESC
   LIMIT 10;

2. 02

   Skóre podobnosti u nové položky

   Zpravodajský web publikuje článek, který zatím nikdo nečetl, takže kolaborativní model ho neumí doporučit. Redakční systém proto spočítá vektor z titulku a perexu a najde nejbližší dříve úspěšné články. Po prvních zhruba tisíci zobrazeních přebírá řízení kolaborativní model, který už má dost interakcí.

   import numpy as np
   
   def cosine(a, b):
       return float(a @ b / (np.linalg.norm(a) * np.linalg.norm(b)))
   
   novy = embed("Titulek nového článku")
   poradi = sorted(katalog, key=lambda c: cosine(novy, c.vector), reverse=True)
   doporuceni = poradi[:5]

Časté omyly

MýtusDoporučovací systém potřebuje hodnocení hvězdičkami.

Ve skutečnostiExplicitní hodnocení tvoří v reálném provozu zlomek dat a bývá zkreslené. Většina produkčních systémů staví na implicitní zpětné vazbě: zobrazení, kliknutí, doba čtení, přidání do košíku, dokončený nákup.

MýtusStačí nasadit lepší model a doporučení se zlepší.

Ve skutečnostiPřínos obvykle přichází z kvality dat a z návrhu produktu: kde se blok zobrazuje, kolik má míst, jak se řeší studený start a jaká metrika se optimalizuje. Výměna algoritmu bez těchto základů posune výsledek jen okrajově.

MýtusVyšší přesnost doporučení znamená spokojenějšího uživatele.

Ve skutečnostiModel optimalizovaný čistě na kliknutí sklouzává k nabízení už známých nebo bulvárních položek. Bez měření diverzity, novosti a dlouhodobého udržení může krátkodobé CTR růst a hodnota služby přitom klesat.

Časté dotazy

Kolik dat potřebuje doporučovací systém, aby dával smysl?

Doporučovací systém založený na kolaborativním filtrování obvykle potřebuje řádově desítky tisíc interakcí a dostatečnou hustotu, tedy aby průměrný uživatel měl víc než jednu či dvě události. Menší projekty proto začínají jednoduššími pravidly: nejprodávanější položky v kategorii, nedávno prohlížené, produkty společně nakupované. Tato pravidla poslouží zároveň jako záložní varianta, když model nemá dost dat. Přechod na naučený model se vyplatí ve chvíli, kdy A/B test ukáže, že pravidla už nepokrývají rozdíly mezi uživateli.

Jak řešit studený start u nového uživatele?

Studený start u nového uživatele se řeší kombinací několika signálů. Prvním je kontext dostupný okamžitě: vstupní stránka, zdroj návštěvy, zařízení, region, roční období. Druhým je popularita v rámci segmentu, která funguje jako rozumný výchozí stav. Třetím je rychlé učení v rámci relace, kdy systém po prvních dvou třech kliknutích už zužuje nabídku. Některé služby volí krátký onboarding s výběrem zájmů, ten ale zvyšuje odchodovost, takže se testuje jako každá jiná změna.

Musí být doporučovací systém real-time?

Doporučovací systém nemusí být plně real-time. Běžná architektura počítá embeddingy a kandidátní seznamy dávkově, typicky jednou za noc, a v požadavku probíhá jen rychlé přeřazení podle aktuální relace. Real-time zpracování se vyplatí tam, kde se záměr rychle mění: zpravodajství, marketplace s krátkou životností nabídky, streamování. Pro e-shop se stabilním katalogem přináší denní dávka většinu efektu za zlomek provozní složitosti a nákladů na infrastrukturu.

Jaké jsou právní povinnosti při provozu doporučovacího systému v EU?

Provoz doporučovacího systému v EU podléhá GDPR, protože chování uživatele je osobní údaj, pokud jde spojit s identifikátorem. Provozovatel potřebuje právní titul, informuje o zpracování a musí umět profil smazat. Nařízení o digitálních službách navíc ukládá online platformám popsat srozumitelně hlavní parametry doporučování, a u velmi velkých platforem nabídnout i variantu, která není založena na profilování. U reklamních doporučení hraje roli také souhlas s ukládáním údajů v koncovém zařízení.

Zdroje

1. Recommender system(otevře se v novém okně)Wikipedia
2. Recommendations AI documentation(otevře se v novém okně)Google Cloud
3. arXiv(otevře se v novém okně)Cornell University
4. Amazon Personalize Documentation(otevře se v novém okně)Amazon Web Services
5. Digital Services Act(otevře se v novém okně)European Commission

Související pojmy

• EmbeddingEmbedding je číselná vektorová reprezentace objektu, například slova, věty, obrázku, produktu nebo uživatele, navržená tak, aby zachytila významové či statistické vztahy. Modely strojového učení s embeddingy počítají podobnost, řazení, doporučování a vyhledávání, protože podobné objekty leží vektorově blízko sebe.
• Feed produktůFeed produktů je strukturovaný soubor nebo datový výstup, kterým e-shop předává katalog zboží reklamním systémům, srovnávačům, tržištím nebo interním aplikacím. Obsahuje položky jako název, cena, dostupnost, URL, obrázek a identifikátory. Kvalitní feed umožňuje automatickou aktualizaci nabídek bez ručního přepisování dat.
• KlasifikaceKlasifikace je úloha strojového učení, při níž model přiřazuje vstupům jednu nebo více předem daných tříd. Používá se například pro spam, detekci podvodů, rozpoznávání obrázků nebo třídění zákaznických zpráv. Model se učí ze štítkovaných dat a jeho výstupem bývá třída, skóre nebo pravděpodobnost.
• Vektorová databázeVektorová databáze je databázový systém nebo databázová vrstva určená k ukládání embeddingů, tedy číselných vektorů reprezentujících význam textu, obrázků, zvuku nebo jiných dat. Umožňuje rychle hledat nejpodobnější položky podle vzdálenosti ve vícerozměrném prostoru, často pro RAG, doporučování a sémantické vyhledávání.
• Cross-sellingCross-selling je prodejní technika, při které obchodník nabídne zákazníkovi doplňkový produkt k tomu, co už kupuje nebo vlastní: pouzdro k telefonu, pojištění k letence, prodlouženou záruku k pračce. Cílem je zvýšit hodnotu objednávky i užitek z hlavního nákupu, aniž by se měnil původně zvolený produkt.
• A/B testováníA/B testování je řízený experiment, který porovnává dvě varianty stránky, funkce, ceny nebo sdělení na podobných skupinách uživatelů. Měří předem zvolenou metriku, například konverzi nebo retenci, a pomáhá rozhodnout, zda změna skutečně zlepšuje výsledek, nebo zda pozorovaný rozdíl mohl vzniknout náhodou.
• AcquirerAcquirer je finanční instituce nebo platební poskytovatel, který obchodníkovi umožňuje přijímat karetní platby a předává transakce do karetních schémat. V online platbách stojí mezi platební bránou, vydavatelem karty a obchodníkem, zajišťuje autorizaci, zúčtování, vyplacení peněz a část řízení rizik.
• AI agentAI agent je softwarový systém, který pomocí modelu umělé inteligence vnímá zadaný kontext, plánuje další kroky a samostatně volá nástroje nebo služby k dosažení cíle. Na rozdíl od jednorázového promptu udržuje stav úlohy, vyhodnocuje výsledky akcí a může opakovat postup, dokud nesplní zadání nebo nenarazí na limit.