eBay一直在不断地收集消费者数据 ， 并通过机器学习方法来吸引更多的消费者 ， 提高交易可信度 。
为了提升消费者在网站上的交互体验 ， eBay在网站中加入了机器学习方法 。 过去的四年里 ， eBay一直在收集消费者的搜索数据、搜索点击率等相关交互数据 ， 然后把这些数据加载到其机器学习系统中 。

文章插图

在与InformationWeek的一次访谈中 ， eBay工程部副总裁Dan Fain透露了公司的计划安排及背后的商业动机 。 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 ， 从而提高公司的市场占有率 。
Fain说 ， 消费者的搜索习惯、喜欢看什么网页、惯用语言、推荐商品与图片分析都是机器学习系统中的关键要素 ， 而eBay把握住了这一点 。
最至关重要的是 ， 应用机器学习的目的旨在强化eBay网站的搜索功能 。 Fain在采访中说：“我们有多种机器学习模式 ， 只为了保证给消费者呈现最佳匹配的搜索结果” 。
eBay上售卖的物品超过十亿件 ， 一不小心搜索结果就可能出错 。 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 ， 断字不一样 ， 结果也可能不一样 。 例如 ， 当搜索“缝纫机”时 ， 消费者想要的可能是一个能缝纫的工具 。
然而机器学习的结果向我们展示了：消费者搜索的缝纫机可能是祖辈用的老式缝纫机 ， 也有可能是收藏爱好者向往的古董级缝纫机 。
搜索关键字“缝纫机”会触发eBay检索其在售缝纫机存货 ， 而机器学习系统则从搜索者的搜索历史中推测其想要的缝纫机类型 。 除此之外 ， 机器学习系统也会监测网站上搜索缝纫机所有的消费者 ， 观察他们是看了就走呢？还是看中了新款呢？那些收藏家们是怎样搜索古董级缝纫机的呢？
另一个例子：如果我们检索“瑞士手表、真皮表带” ， 这对网站的机器学习系统来说又是一种不同的挑战 。 一般的搜索引擎会分别返回一长列瑞士手表与一长列真皮手环 。 而如果客户想要的是“真皮表带的瑞士手表” ， 这种搜索结果显然没有任何意义 。
Fain说：“面对这种搜索关键字 ， 两种不同类别的商品需要互相包含 。 ”尽管这种搜索关键字的出现频率很小 ， 系统在匹配最佳搜索结果时依然会考虑长尾效应 。 Fain还指出 ， 系统可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称联系在一起 。
eBay的搜索引擎在判定搜索关键字的类别上十分谨慎小心 ， 系统会根据关键字类别中的内容联合客户的其他线索信息 ， 最后搜索出消费者感兴趣的商品 。 因此 ， 在上述的搜索案例中 ， eBay的搜索引擎就能给消费者呈现带有真皮表带的瑞士手表中的热销商品 。
一切为了交易
Fain说 ， 截止2015年底 ， eBay有1.62亿活跃用户 。 而到了2016年 8月 ， 这个数字已涨至1.64亿 。 对于eBay这样收益停滞不前甚至下跌的企业来说 ， 小幅上涨的活跃用户是一个利好消息 。 因为电子商务行业竞争十分激烈 ， 消费者们在网上购物的渠道也是五花八门 。
而技术团队发展的机器学习系统给消费者提供的搜索结果越准确 ， 消费者购买的可能性越大 。 因为搜索引擎呈现的信息很大程度上能引导这些潜在消费者 。
面对国际消费者的搜索请求来说 ， 机器学习的加入可以使搜索结果更加有效 ， 因为他们更多的是用母语对商品进行描述而非商品产地语言 。 例如 ， 如果要搜索带有金属饰片的博柏利手包 ， 西班牙语和英语的处理方式就不一样 。