eBay通过机器学习提高购物体验

eBay不断收集消费者数据，通过机器学习方法吸引更多消费者，提高交易可靠性。

为了提高消费者在网站上的互动体验，eBay在网站上方法。在过去的四年里，eBay一直在收集消费者的搜索数据、搜索点击率等相关互动数据，然后将这些数据加载到其机器学习系统中。

在与InformationWeek的采访中，eBay工程部副社长DanFain明确了公司的计划安排和背后的商业动机。这是一个值得IT工程师们效仿的案例，他们可以在这种面向消费者的应用中加入机器学习系统，提高公司的市场占有率。

Fain表示，消费者的检索习惯、喜欢看什么样的网页、习惯性的语言、推荐商品和照片分析是机械学习系统的重要因素，eBay掌握了这一点。

最重要的是应用机器学习的目的是加强eBay网站的搜索功能。Fain在采访中说:我们有很多机器学习模式，只是为了保证给消费者最合适的检索结果。

eBay销售的物品超过10亿件，不小心检索结果可能会出错。因为这些搜索结果在很大程度上取决于消费者输入的关键词，断字不同，结果也可能不同。例如，在搜索缝纫机时，消费者想要的可能是缝纫工具。

但机器学习的结果，消费者搜索的缝纫机可能是祖先使用的旧缝纫机，也可能是收藏爱好者憧憬的古董级缝纫机。

搜索关键词缝纫机将触发eBay搜索销售缝纫机的库存，机械学习系统将从搜索者的搜索历史中推测所需的缝纫机类型。此外，机械学习系统还监视在网站上搜索缝纫机的所有消费者，观察他们是否一看就去？还是喜欢新的东西？那些收藏家们是如何搜索古董级缝纫机的呢？

另一个例子是搜索瑞士手表、真皮带，对网站的机械学习系统来说是另一个挑战。一般搜索引擎分别返回长列瑞士手表和长列真皮手环。如果客户想要真皮带瑞士手表，这种搜索结果显然没有意义。

Fain说:面对这个检索关键词，两种不同类型的商品需要相互包含。尽管该检索关键字的出现频率很小，但系统在匹配最佳检索结果时仍会考虑长尾效果。Fain还指出，通过对消费者搜索历史的分析，系统可以将几乎不同时出现的名称联系起来。

eBay的搜索引擎在判定搜索关键词的类别时非常小心，系统根据关键词类别中的内容与客户的其他线索信息联系，最后搜索消费者感兴趣的商品。因此，在上述搜索案例中，eBay的搜索引擎可以向消费者展示带有真皮带的瑞士手表的人气商品。

所有为交易

Fain表示，到2015年底，eBay将有1.62亿活跃用户。到了2016年8月，这个数字已经上升到了1亿6400万人。对于eBay这样收益停滞甚至下跌的企业来说，小幅度上升的活跃用户是好消息。由于电子商务行业激烈，消费者们在网上购物的渠道也是五花八门。

技术团队发展的机械学习系统为消费者提供的检索结果越准确，消费者购买的可能性越高。因为搜索引擎显示的信息可以大大引导潜在消费者。

面对国际消费者的搜索要求，机器学习的加入可以使搜索结果更有效。因为他们不是商品的产地语言，而是用母语描述商品。例如，如果你想搜索带金属饰品的博柏利手袋，西班牙语和英语的处理方法是不同的。

eBay翻译功能加入机器学习，减轻了非英语国家国际消费者消费时的烦恼。无论商品在哪里销售，包装上用什么语言书，让消费者理解商品的介绍，理解其应有的价值是很重要的。

Fain表示，eBay的搜索引擎加入了最佳匹配算法，系统可以分析消费者的已知信息、消费者搜索物品中最热的是哪个，消费者可能购买哪个商品。Fain说:这是eBay大规模应用机器学习的最佳证明。这是促进交易的有力武器。

以上缝纫机为例，最佳匹配应按缝纫机价格排列。如果消费者使用桌面，eBay还可以在屏幕空白处显示不同程度的最佳匹配，并附上消费者可能搜索的类型(古董或收藏)。

在智能手机和其他移动设备上，屏幕尺寸大大限制了显示信息。因为Fain说eBay有50%的交易由移动设备方面完成。如果消费者想选择其他相关类型，只能点击链接打开新页面。

为了保证搜索结果的匹配程度，eBay一直努力使其结果能够准确反应商品的市场价值，其搜索结果按价格从高到低排列。

交易的可靠性一直是eBay的重点课题。机器学习可以识别反映可靠性的指标(例如卖方的交易量)，无法识别哪些指标。同样，如果卖方的评价和其他问题很多，其店铺在检索结果中的等级会自动下降到系统中。

eBay在网站上加入机器学习的目的是让卖方放心，让买方放心。Fain说，每次交易结束，他都会问:这笔交易符合我们的标准吗？这些检索结果来自客户的相关信息，但也由机械学习决定。

点击背后的大量信息

Fain想起了在Yahoo工作的5年，当时的主要工作是处理网页的点击量，这些网页可以为eBay用户提供丰富的信息。

对系统来说，当时的点击只是消费者感兴趣，没有更深的信息。现在eBay的系统可以分析消费者的点击流，促进消费者消费。

对于机器学习系统来说，下单是一个非常强大的信息证据，eBay也一直在收集消费者的购买订单，发挥其应有的性能。

目前，eBay工程部也试图通过机械学习系统识别商户上传的图像质量，并告诉商户哪些图像可能引导消费者消费。通过强大的图形图像处理单元并行处理，分析消费者对图像的感觉。Fain说:基于eBay从现实生活中发掘出的巨大数据库，在图形图像处理单元的支持下，系统可以推测出更多的可能性。

Fain虽然没有明确用于机器学习的服务器数量，但表示相当于服务器组。eBay发现机器学习系统是一个非常有价值的工具，因此增加了机器学习硬件的投入，雇佣了更多的专业技术人员，开展了更多的机器学习项目。机器学习是我们的大投资，Fain说。

本文“eBay用机器学习持续购物体验为卖方信息编辑编辑编辑，转载请注明来源小红书原籍0257

<