심층 강화 학습 - 개인 선호도 학습

주요 원칙은 유사한 관심사를 가진 다른 사용자가 선호하는 항목을 기반으로 사용자 선호도 행렬을 도출하기 위해 사용자 선호도를 미리 추론하는 것입니다. 협업 필터링을 위한 다층 퍼셉트론은 사용자가 시스템과 상호작용함에 따라 네트워크가 학습하고 적응하게 함으로써 사용자 선호도를 미리 정확하게 추론하는 데 사용될 수 있습니다. 충분한 데이터 포인트가 주어지면, 공통점을 가진 사람들은 군집화하는 경향이 있기 때문에 시스템은 사용자 선호도를 추론하는 데 있어 현저히 정확해집니다.

조직적 과제 개요

조직은 다양한 인구 통계학적 배경을 가진 사람들이 접근할 수 있는 서비스를 제공해야 합니다. 모든 사람을 위해 프로그래밍 방식과 의미론적 방식으로 개인화된 사용자 선호도를 고려하는 시스템을 정의하는 것은 어렵습니다. 이는 개인의 선호도가 매일 또는 개인의 인생 단계에 따라 변경될 수 있다는 사실로 인해 더욱 복잡해집니다.

이 문제를 해결하는 것은 필수적입니다. 왜냐하면 하나의 방식으로 콘텐츠를 표시하는 것이 특정 사용자에게는 바람직할 수 있지만 다른 사용자에게는 외면당하게 하여 제품이 달성할 수 있는 사용자 수의 상한선과 사용자가 플랫폼에서 보내는 시간에 직접적인 영향을 미치기 때문입니다. 소셜 미디어 앱 TikTok이 YouTube 및 Instagram과 같은 기존 플랫폼을 혼란에 빠뜨리는 실제 영향이 관찰되었습니다. 앞서 언급한 플랫폼이 콘텐츠를 추천하기 위해 소셜 미디어 그래프 분석을 사용하는 반면, TikTok은 오직 사용자가 제공한 정보와 컴퓨터 비전, 자연어 처리 및 메타데이터 분석의 조합에만 의존하여 콘텐츠를 큐레이션합니다. 이는 매우 잘 작동하여 플랫폼의 사용자 유지율이 경쟁사를 능가합니다.

콘텐츠를 큐레이션하기 위해 전통적인 머신러닝을 사용하는 것은 잘 확립된 개념으로, 이후 인공지능 프레임워크가 더 접근하기 쉬워짐에 따라 인공 신경망을 사용하는 방향으로 발전하고 진보했습니다. 머신러닝을 사용하여 콘텐츠를 큐레이션한 초기 사례는 넷플릭스 프라이즈(https://en.wikipedia.org/wiki/Netflix_Prize)로, 넷플릭스는 우승자에게 1,000,000 USD의 상금을 수여하며 머신러닝 모델의 제출을 요청했습니다. 이후 이 아이디어의 반복은 MovieLens 데이터셋(https://movielens.org/)으로 실현되었습니다.

현재 및 미래의 플랫폼은 사용자를 재교육하고 유치하기 위해 인공 신경망을 사용하는 이 기능을 구축해야 합니다.

AI 입력으로 사용 가능한 조직 데이터

AI 예측에 사용할 수 있는 데이터 소스는 다음과 같습니다:

다음은 딥 러닝 방법과 결합된 인공지능을 통해 고객 맞춤화를 제공하는 방법에 대한 상위 수준의 프로세스를 제공합니다:

1. CRM 시스템(예: Salesforce, Microsoft CRM)의 고객 메타데이터
2. 구매 기록 (예: Amazon, Shopify)
3. 거래 타임스탬프 및 금액(예: PoS 시스템, Stripe, PayPal)

통합 방법론

1. 사용자 선호도를 추론할 수 있는 사용자 특징을 캡처합니다.
2. 캡처된 특징으로 딥러닝 모델 학습
3. 기능을 기반으로 사용자가 선호할 것을 예측합니다.
4. 사용자가 보고 싶어 하는 것에 대한 예측을 기반으로 콘텐츠 사용자 지정
5. 사용자가 온라인 시스템과 상호 작용할 때 모델을 지속적으로 수정하여 시간이 지남에 따라 시스템을 개선합니다.

Telemus AI™가 대부분의 작업을 처리하므로, 조직은 기술적 구현보다 비즈니스 로직에 집중할 수 있습니다.

조직적 응용 프로그램

귀하의 조직을 위한 기타 잠재적 애플리케이션의 목록은 다음과 같습니다:

• 구매 가능성을 높이기 위해 사용자에 맞게 콘텐츠 사용자 지정
• 사용자 유지율을 높이는 서비스로 고객 만족 보장
• 콘텐츠가 최신 상태이고 사용자와 관련이 있는지 확인

잠재적 및 실현된 이점

Telemus AI™은 정부 및 기업에 고급 솔루션을 제공하는 호주 기반의 인공지능 기업입니다. Telemus AI™을 귀하의 조직에 어떻게 통합할 수 있는지 무료 상담을 위해 오늘 당사에 문의하십시오.