eBay用机器学习加持购物体验

EBay一直在不断收集消费者数据，通过机器学习的方法吸引更多的消费者，提高交易的可信度。

为了改善消费者在网站上的互动体验，易贝在网站中加入了机器学习方法。在过去的四年中，易贝一直在收集消费者的搜索数据、搜索点击率和其他相关的交互数据，然后将这些数据加载到其机器学习系统中。

在接受《信息周刊》(InformationWeek)采访时，易贝工程部副总裁丹费恩(Dan Fain)透露了该公司的计划及其背后的商业动机。这是一个值得IT工程师效仿的案例。他们可以在这个面向消费者的应用中加入机器学习系统，从而提高公司的市场份额。

费恩说，消费者的搜索习惯、他们喜欢阅读什么网页、惯用语言、推荐产品和图像分析都是机器学习系统中的关键元素，易贝抓住了这一点。

最重要的是，应用机器学习的目的是为了加强易贝网站的搜索功能。费恩在接受采访时表示：“我们有多种机器学习模式，只是为了确保将最匹配的搜索结果呈现给消费者。”

易贝上出售的商品超过10亿件，如果不小心，搜索结果可能会出错。因为这些搜索结果很大程度上取决于消费者输入的关键字，所以使用不同的连字符，结果可能会有所不同。例如，当搜索“缝纫机”时，消费者可能想要一种可以缝纫的工具。

但是机器学习的结果告诉我们，消费者搜索到的缝纫机可能是老祖宗用过的老式缝纫机，也可能是收藏者向往的古董缝纫机。

搜索关键字“缝纫机”将触发易贝检索其待售的缝纫机库存，机器学习系统将从搜索者的搜索历史中推断出它想要的缝纫机类型。此外，机器学习系统还会监控所有在网站上搜索缝纫机的消费者，看他们看完之后是否离开。还是看中了新款？那些收藏家是怎么搜古董缝纫机的？

再比如：如果我们搜索“瑞士手表，皮质表带”，对于网站的机器学习系统来说，是一个不一样的挑战。一般的搜索引擎会返回一长串瑞士手表和一长串皮手镯。而如果客户想要的是“皮质表带的瑞士表”，这个搜索结果显然没有任何意义。

费恩说：“面对这个搜索关键词，两个不同类别的商品需要互相包含。”虽然这个搜索关键词出现的频率很小，但是系统在匹配最佳搜索结果时还是会考虑长尾效应。费恩还指出，该系统可以通过对消费者搜索历史的分析，将一些几乎不会同时出现的名字联系起来。

EBay的搜索引擎在确定搜索关键词的类别时非常谨慎，系统会根据关键词类别中的内容，结合客户的其他线索，最终搜索出消费者感兴趣的商品。因此，在上述搜索案例中，易贝的搜索引擎可以将带有皮革表带的瑞士手表中最畅销的商品呈现给消费者。

一切都是为了交易。

费恩表示，截至2015年底，易贝拥有1.62亿活跃用户。到2016年8月，这个数字已经上升到1.64亿。对于像易贝这样收入停滞甚至下降的公司来说，活跃用户的轻微增加是个好消息。由于电子商务行业竞争激烈，消费者有各种各样的网上购物渠道。

技术团队开发的机器学习系统提供给消费者的搜索结果越准确，消费者购买的可能性就越大。因为搜索引擎呈现的信息很大程度上可以引导这些潜在消费者。

面对国际消费者的搜索请求，机器学习的加入可以让搜索结果更加有效，因为他们是用母语而不是原产地语言来描述商品的。例如，如果你想搜索一个带有金属饰品的博柏利手提包，西班牙语和英语会有不同的处理方式。

易贝的翻译功能中加入了机器学习，缓解了非英语国家的国际消费者的困扰。无论商品在哪里销售，让消费者了解商品的介绍，了解其应有的价值是非常重要的。

费恩说，易贝的搜索引擎增加了“最佳匹配”算法，系统可以分析消费者的已知信息，在消费者搜索的产品中，哪种产品最热门，消费者可能会购买什么产品。费恩说：“这是易贝大规模应用机器学习的最好证明，机器学习是便利交易的有力武器。”

以上面的“缝纫机”搜索为例，要根据缝纫机的价格来安排最佳搭配。如果消费者使用的是台式机，易贝还可以在屏幕的空白处显示不同程度的“最佳匹配”，以及消费者可能搜索的物品类型(古董或收藏品)。

在智能手机或其他移动设备上，屏幕尺寸极大地限制了所呈现的信息。那么问题来了，因为根据Fain的数据，易贝50%的交易都是通过移动设备完成的。如果消费者想选择其他相关类别，只能点击链接打开新的页面。

为了保证搜索结果的匹配度，易贝一直试图使其结果准确反映商品的市场价值，其搜索结果按价格从高到低排序。

交易信誉一直是易贝的一个重要话题。机器学习可以识别哪些指标可以反映可信度(比如卖家的交易量)，哪些不能。同样，如果卖家有更多的差评或其他问题，其店铺在搜索结果中的排名也会被系统自动调低。

EBay在网站上加入机器学习，让卖家开心，买家放心。费恩说，每完成一笔交易，他都会问：

“这笔交易符合我们的标准吗？虽然这些搜索结果都是来源于客户的相关信息，但也是由机器学习决定的。”

点击背后的海量信息

费恩想起了他在雅虎工作的五年，当时他的主要工作是处理网页的点击量，这可以为易贝用户提供丰富的信息。

他说，对于系统来说，当年的一次点击，只意味着消费者对它感兴趣，并没有更深入的信息。现在，易贝的系统可以分析消费者的点击流，从而促使消费者消费。

对于机器学习系统来说，“下订单是非常有力的信息证据”，易贝一直在收集消费者的购买订单，使其发挥应有的作用。

目前，易贝的工程部还尝试用机器学习系统识别商家上传的图片质量，告诉商家哪些图片有可能引导消费者消费。它通过强大的图形和图片处理单元并行处理，分析消费者对图片的感受。费恩说：“基于易贝从现实生活中挖掘出的庞大数据库，在图形和图片处理单元的帮助下，系统可以推测出更多的可能性。”

虽然Fain没有透露用于机器学习的服务器数量，但他表示，这相当于一个服务器农场。EBay发现机器学习系统是一个非常有价值的工具，于是加大了对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。“机器学习对我们来说是一项巨大的投资，”费恩说。

这篇文章“易贝使用机器学习来支持购物体验”是为卖家的信息编辑器创建的。转载请注明出处。