?譯者 | 布加迪

審校 | 孫淑娟

在線市場eBay在其機(jī)器學(xué)習(xí)模型中加入了額外的購買信號，比如“添加到關(guān)注列表”、“出價(jià)”和“添加到購物車”，根據(jù)搜索的初始商品提高所推薦的廣告列表具有的相關(guān)性。Chen Xue在最近的??這篇文章??中作了非常詳細(xì)的介紹。

eBay的促銷列表標(biāo)準(zhǔn)（PLS）是面向賣家的收費(fèi)選項(xiàng)。使用PLSIM這個選項(xiàng)，eBay的推薦引擎會推薦類似潛在買家剛點(diǎn)擊的某個商品的贊助商品。PLSIM按CPA模式支付（賣家僅在銷售達(dá)成時向eBay付費(fèi)），因此這對于創(chuàng)建最有效的模式來促銷最佳列表非常有動力。這往往對賣家、買家和eBay都卓有成效。

PLSIM旅程如下所示：

1. 用戶搜索商品。

2. 用戶點(diǎn)擊來自搜索的結(jié)果——>登錄查看商品（VI）頁面，以查看列出的商品（eBay稱之為種子商品）。

3. 用戶向下滾動VI頁面，可在PLSIM中看到推薦的商品。

4. 用戶點(diǎn)擊來自PLSIM的商品，執(zhí)行操作（觀看、添加到購物車和立即購買等），或者查看另一組新的推薦商品。

從機(jī)器學(xué)習(xí)的角度來看，PLSIM旅程如下：

1. 檢索與種子商品最密切相關(guān)的子集候選促銷列表標(biāo)準(zhǔn)（“查全集”）。
2. 運(yùn)用經(jīng)過訓(xùn)練的機(jī)器學(xué)習(xí)排序器，根據(jù)購買的可能性對查全集中的商品列表進(jìn)行排序。
3. 根據(jù)廣告費(fèi)率對商品列表重新排序，以便將通過促銷實(shí)現(xiàn)的賣家售賣速度與推薦相關(guān)性作一番權(quán)衡。

排序模型

排序模型基于以下歷史數(shù)據(jù)：

• 推薦商品的數(shù)據(jù)
• 與種子商品相似的推薦商品
• 上下文（國家和產(chǎn)品類別）
• 用戶個性化功能

eBay使用梯度提升樹，對于特定的種子商品而言，該梯度提升樹根據(jù)商品的相對購買概率對商品進(jìn)行排序。

從二元反饋到多重相關(guān)反饋

在過去，購買概率依賴二元購買數(shù)據(jù)。如果是與種子商品一起購買的，它就是“相關(guān)”的，不然就是“不相關(guān)”的。這是一種失敗的方法，不過有幾個主要的方面可加以優(yōu)化：

• 漏報(bào)：由于用戶通常只從推薦列表中購買一件商品，因此在購買沒有進(jìn)行的情況下，好的推薦可能被視為不好的推薦，從而導(dǎo)致誤報(bào)。
• 購買很少：與其他用戶事件相比，訓(xùn)練具有足夠購買數(shù)量和多樣性的模型來預(yù)測正向類正變得頗具挑戰(zhàn)性。
• 遺漏數(shù)據(jù)：從點(diǎn)擊到添加到購物車，眾多用戶操作揭示了大量用戶信息，揭示了可能出現(xiàn)的結(jié)果。

綜上所述，eBay工程師除了考慮初始點(diǎn)擊以及如何將它們添加到排序模型外，還考慮以下用戶操作：

• 立即購買（僅適用于Buy-It-Now即BIN列表）
• 添加到購物車（僅適用于BIN列表）
• 出價(jià)（僅適用于最佳出價(jià)列表）
• 叫價(jià)（僅適用于拍賣列表）
• 添加到關(guān)注列表（適用于 BIN、最佳出價(jià)或拍賣列表）

用戶界面示例

多重相關(guān)反饋的相關(guān)級別

eBay現(xiàn)在知道購買極具相關(guān)性，因此需要添加其他操作，但新的問題是：這些操作在相關(guān)性等級內(nèi)處于什么位置？

下圖說明了eBay如何對剩余的可能操作進(jìn)行排序——“出價(jià)”、“立即購買”、“添加到關(guān)注列表”和“添加到購物車”。

在種子商品的歷史訓(xùn)練數(shù)據(jù)中，每個潛在商品都按以下等級標(biāo)記為相關(guān)性級別。

標(biāo)記的結(jié)果是，在訓(xùn)練期間，排序器對排序錯誤的購買實(shí)行的懲罰比排序錯誤的“立即購買”更嚴(yán)重，往下依此類推。

多重相關(guān)反饋的樣本權(quán)重

梯度提升樹支持多個標(biāo)簽來捕獲一系列相關(guān)性，但沒有直接的方法來實(shí)現(xiàn)相關(guān)性的大小。

eBay不得不迭代運(yùn)行測試，直至得出使模型工作的數(shù)字。研究人員加入了額外的權(quán)重（名為“樣本權(quán)重”），這些權(quán)重被饋送到成對損失函數(shù)中。他們優(yōu)化了超參數(shù)調(diào)整工作，并運(yùn)行了25次迭代，然后得出最佳的樣本權(quán)重——“添加到關(guān)注列表”（6）、“添加到購物車”（15）、“出價(jià)”（38）、“立即購買”（8）和“購買”（15）。如果沒有樣本權(quán)重，新模型的表現(xiàn)會較差。有了樣本權(quán)重，新模型的表現(xiàn)優(yōu)于二元模型。

他們嘗試僅添加點(diǎn)擊作為額外的相關(guān)反饋，并運(yùn)用經(jīng)過調(diào)整的超參數(shù)“Purchase”樣本權(quán)重150。下面還顯示了離線結(jié)果，其中“BOWC”代表“立即購買”、“出價(jià)”、“添加到關(guān)注列表”和“添加到購物車”這些操作。購買排序反映了所購商品的平均排序。越小越好。

結(jié)論

訓(xùn)練的模型總共有超過2000個實(shí)例。A/B測試分兩個階段進(jìn)行。第一階段僅包括額外的選擇標(biāo)簽，在eBay移動應(yīng)用程序上的購買數(shù)量顯示增加2.97%，廣告收入顯示增加2.66%，這被認(rèn)為足夠成功，可以將模型投入到全球生產(chǎn)環(huán)境。

第二階段在模型中加入了更多操作，比如“添加到關(guān)注列表”、“添加到購物車”、“出價(jià)”和“立即購買”，A/B測試顯示出更好的客戶參與度（比如更多的點(diǎn)擊和BWC）。

原文標(biāo)題：??EBay Uses Machine Learning to Refine Promoted Listings???，作者：Jessica Wachtel?