Egyedi ajánlások webalkalmazásának fejlesztése gépi tanulás segítségével

Egyedi ajánlások magánügyfeleknek online feladatra

Az Egyedi ajánlások akkor hasznosak, ha egy webes felületnek nem ugyanazt kell mutatnia minden látogatónak, hanem a felhasználó viselkedése, választása vagy korábbi adatai alapján kell jobb sorrendet, találatot vagy javaslatot adnia. Ez lehet termékajánló, tartalomajánló, tanulási útvonal, ügyfélprofil alapján adott lista, keresési eredmény finomítása vagy olyan belső segédlet, amely gyorsabb döntést ad egy magánmegrendelőnek. A lényeg nem az, hogy a rendszer bonyolultnak tűnjön. A lényeg az, hogy a látogató kevesebb zajt kapjon, és hamarabb találja meg azt, ami neki való.

Én azt látom, hogy sok ügyfél először túl nagy rendszert képzel el. Olyat, amely mindent tud, minden adatot ért, és azonnal pontosan működik. A valóságban a jó személyre szabott javaslat gyakran egy kisebb, tiszta logikával indul. Először szabályokkal, pontozással, kategóriákkal vagy egyszerű viselkedési adatokkal. Később lehet finomítani. A Qjob.hu felületén magánszemélyek olyan fejlesztőt kereshetnek, aki nem céges csomagot ad el, hanem egy konkrét online feladatra vállal munkát. Ez fontos különbség, mert egy ilyen munka sok egyeztetést, pontosítást és rugalmas gondolkodást igényel.

Egyedi ajánló rendszer célja

Egy egyedi ajánló rendszer célja az, hogy a felhasználó ne általános listát kapjon. A rendszer figyelembe veheti a kattintásokat, kereséseket, korábbi választásokat, kosárba tett elemeket, kedvelt témákat, kitöltött űrlapokat vagy akár kézzel megadott preferenciákat. Nem minden projektnél kell gépi tanulás. Sőt, sok kisebb webalkalmazásnál a túl korai gépi tanulás inkább akadály. Kevés adat mellett gyakran jobb egy jól átlátható szabályrendszer.

Szerintem a legjobb első kérdés nem az, hogy milyen technológia kell. Hanem az, hogy mitől lesz jobb a felhasználó döntése. Ha erre nincs válasz, a fejlesztés könnyen dekoratív funkcióvá válik. Egy magánügyfélnek gyakran elég egy olyan ajánló modul, amely három vagy négy szempont alapján rangsorol. Például érdeklődési kör, árérzékenység, elérhető idő, korábbi választás. Egy tapasztalt fejlesztő ezt át tudja fordítani adatmezőkre, szabályokra és képernyőkre.

Volt olyan eset, amikor egy ügyfél tanfolyamokat akart ajánlani a látogatóinak. Először összetett mesterséges intelligenciát szeretett volna. A beszélgetés után kiderült, hogy a látogatók csak négy kérdésre válaszolnak. A megoldás végül egy pontozásos rendszer lett, amely azonnal érthető eredményt adott. Olcsóbb volt, gyorsabban elkészült, és a felhasználók sem érezték idegennek.

Személyre szabott javaslatok adatai

A személyre szabott javaslatok minősége erősen függ az adatoktól. Nem attól, hogy sok adat van-e, hanem attól, hogy használható-e. Ha a bemenet pontatlan, az eredmény is zavaros lesz. Ezért a fejlesztés elején tisztázni kell, milyen adat áll rendelkezésre, mit ad meg a felhasználó, mit tárol a webalkalmazás, és milyen adatot nem szabad vagy nem érdemes kezelni.

Magánügyfélként érdemes egyszerű listát készíteni. Milyen adatot lát a rendszer. Milyen döntést kell hoznia. Mi számít jó ajánlatnak. Mi számít rossz találatnak. Ez a rövid leírás sok félreértést megelőz. Sokan ott hibáznak, hogy csak a végeredményt mondják el. Például azt, hogy a rendszer ajánljon releváns termékeket. De nem mondják el, mitől releváns egy termék. Ár alapján, téma alapján, népszerűség alapján, frissesség alapján vagy korábbi viselkedés alapján.

A fejlesztő feladata ilyenkor nem csak a kód megírása. A szakember segít a logika tisztázásában is. Megkérdezi, milyen szabály legyen erősebb, mi történjen hiányzó adatnál, kell-e kézi felülírás, és mikor kapjon a felhasználó általános találatot. Tapasztalatom szerint ez a rész dönti el, hogy a projekt később javítható marad-e.

Egyedi ajánlások ára

Az Egyedi ajánlások ára főleg a logika összetettségétől, az adatok előkészítésétől, a felület mennyiségétől és a tesztelés mélységétől függ. Egy egyszerű ajánló blokk nem ugyanaz, mint egy teljes webalkalmazás rangsorolással, felhasználói fiókkal, admin felülettel és statisztikákkal. A túl olcsó munka ezen a területen gyakran gyengébb minőséget jelent, mert az ajánlási logikát nem lehet csak látvány alapján megítélni. Lehet szép a felület, miközben a sorrend rossz.

Ezek az összegek tájékoztató jellegűek, de reális tartományt adnak egy online feladathoz. Ha a megrendelőnek már van kész adatbázisa és pontos leírása, a munka olcsóbb lehet. Ha az adatokat előbb tisztítani kell, a szabályokat ki kell találni, vagy több szerepkör van a rendszerben, az ár emelkedik. Szerintem az a jó ajánlat, amelyben nem csak az összeg szerepel, hanem a határidő, az átadott fájlok, a javítási körök száma és az is, hogy mi nem része a munkának.

Megfelelő fejlesztő választása

Megfelelő fejlesztő választásánál nem elég azt nézni, hogy valaki tud webalkalmazást készíteni. Az ajánló logika miatt fontos, hogy értse az adatokat és a felhasználói döntéseket is. Nem kell feltétlenül nagy rendszerben gondolkodó szakértő. De kell olyan szakember, aki kérdez. Ha egy fejlesztő azonnal árat mond anélkül, hogy megértené a szabályokat, az kockázat.

Érdemes portfóliót kérni, de nem csak képernyőképeket. Jobb, ha a szakember el tudja mondani, milyen döntési logika volt a munkában. Hogyan kezelte a hiányzó adatokat. Milyen módon lehetett később módosítani a szabályokat. Egy magánügyfélnek ez azért fontos, mert a projekt után gyakran jönnek új ötletek. Ha a rendszer merev, minden változtatás drága lesz.

A jó fejlesztő nem ígéri, hogy az ajánlások első nap tökéletesek lesznek. Inkább azt mondja el, hogyan lehet mérni és javítani őket. Ez számomra megbízhatóbb jel. Aki mindent biztosra mond, az gyakran nem számol a valós használattal. Egy ajánló megoldásnál a felhasználók viselkedése sokszor csak az indulás után látszik.

Online munka menete és átadás

Az online munka menete akkor tiszta, ha a megrendelő és a fejlesztő az elején rögzíti a feladatot. Először jön a rövid leírás. Milyen felhasználó érkezik. Mit lát. Mit választ. Milyen eredményt kap. Ezután jön az adatstruktúra, a képernyők vázlata és az ajánlási szabályok. Nem kell mindent hosszú dokumentumba írni, de a fő döntéseket érdemes rögzíteni.

A kommunikáció történhet üzenetben, videóhívásban vagy megosztott dokumentumban. A lényeg az, hogy a döntések visszakereshetők legyenek. Ha csak szóban hangzik el minden, könnyű elcsúszni. Kisebb feladatnál elég lehet egy rövid feladatlista. Nagyobb webalkalmazásnál jobb mérföldköveket használni. Például adatmezők, ajánló logika, felület, próbaadatok, javítások, végleges átadás.

Az eredmény átadása nem csak azt jelenti, hogy működik az oldal. Kell hozzá hozzáférés, forráskód vagy telepített változat, rövid használati leírás és lehetőleg egy lista azokról a pontokról, amelyeket később módosítani lehet. Egy személyre szabott megoldásnál ez különösen fontos. Ha változik az üzleti cél, az ajánló szabály is változhat.

Gyakori hibák ajánló webalkalmazásnál

Sokan ott hibáznak, hogy az Egyedi ajánlások mögé túl kevés gondolkodást tesznek. Azt várják, hogy a fejlesztő majd kitalálja, mi a jó sorrend. A fejlesztő tud javasolni, de a megrendelő ismeri a saját célját. Ha ez nincs kimondva, a rendszer általános lesz. És az általános ajánlás pont azt nem adja meg, amiért a projekt elindult.

Másik gyakori gond a túl sok feltétel. Minden fontosnak tűnik. Ár, népszerűség, újdonság, kategória, felhasználói válasz, korábbi viselkedés, kézi kiemelés. Ha nincs súlyozás, az ajánló zavaros lesz. Ilyenkor a felhasználó olyan találatot kap, amely papíron logikus, de a gyakorlatban nem segít. Jobb kevesebb szabállyal indulni, majd mérés alapján bővíteni.

Az is hiba, ha nincs tesztadat. Egy fejlesztés végén nem elég két példával kipróbálni a rendszert. Kell több eltérő helyzet. Új felhasználó, visszatérő felhasználó, hiányos válasz, sok találat, kevés találat, üres eredmény. Ezek mutatják meg, hogy a megoldás valóban használható-e. Tapasztalatom szerint a hibák nagy része nem a látványos részen jön elő, hanem ezekben a szélső esetekben.

Személyre szabott ajánló fejlesztés minősége

A személyre szabott ajánló fejlesztés minősége azon látszik, hogy a rendszer érthető marad-e. A megrendelőnek tudnia kell, miért jelenik meg egy javaslat. Nem minden esetben kell ezt a látogatónak részletesen mutatni, de a háttérben legyen követhető logika. Ha senki nem érti, miért első az első találat, később nehéz javítani.

Az egyedi ajánló megoldás akkor jó, ha nem csak az indulás napján működik. Bírja az új tartalmakat, a változó adatokat és a kisebb módosításokat. Legyen benne hibaüzenet, alapértelmezett ajánlás és átlátható kezelési mód. A szakember feladata, hogy ezt ne utólag toldozza hozzá, hanem már a tervezésnél figyeljen rá.

Én azt tartom jó eredménynek, amikor a felhasználó nem gondolkodik a technikán. Csak azt érzi, hogy a kapott lista közelebb van ahhoz, amit keres. Egy ilyen fejlesztés nem hangos. Nem kell túlmagyarázni. Egyszerűen csökkenti a keresgélést, kevesebb rossz választást ad, és segít abban, hogy a döntés gyorsabb legyen. Ez az online szolgáltatás valódi értéke.