Nega Zentavor tavsiya tizimlari standart yondashuvlardan kuchliroq
Ilg‘or ML algoritmlar (oddiy “shablon vidjetlar” emas)
Ko‘p omilli shaxsiylashtirish bilan aqlli ranking
Ketma-ket e’tiborli modellar
Vaqt davomida foydalanuvchi niyatini aniqlaydi, faqat statik o‘xshashlik bilan cheklanmaydi
Avtokoderlar va grafga asoslangan modellar
Chuqur afzallik signallari va o‘zaro bog‘liqliklarni o‘rganadi
Rasm asosida qidiruv (CV)
Vizual o‘xshashlik orqali mos natijalarni topish
Foydalanuvchi xususiyatlari:
O‘rtacha buyurtma qiymati (AOV), tashriflar chastotasi, savat hajmi, sodiqlik bosqichi
Xaridga aylanish darajasi, narx, reyting, zaxira, marja
Foydalanuvchi–kategoriya signallari:
Kategoriya bo‘yicha xarid chastotasi, afzalliklar, narx diapazonlari
Foydalanuvchi–mahsulot signallari:
Ko‘rishlar, bosishlar, xaridlar, sahifada qolish vaqti, o‘xshashlik
Matn uchun Transformer vektor tasvirlari
Tavsif va kontentni semantik jihatdan moslashtirish
Savat va sessiya modellar
O‘zaro to‘ldiruvchi xaridlarni hamda foydalanuvchi yo‘lini tushunish
Biz ketma-ket niyatni ushlaydigan, chuqur afzalliklarni o‘rganadigan va sparse o‘zaro ta’sirlar bilan to‘g‘ri ishlaydigan model oilalaridan foydalanamiz. Natija — yuqoriroq relevanlik va ranking sifati, ayniqsa katta kataloglarda
Ranking bir nechta feature guruhlari bo‘yicha shaxsiylashtiriladi — shuning uchun tavsiyalar segmentlar, kanallar va biznes cheklovlari sharoitida ham relevant bo‘lib qoladi