Recommendations AI 助力 Bazaarvoice 提升 60%点击率

将 AI 的技术融入到商品推荐引擎中在不久以前仍然是一项极其艰巨而耗时的任务，这项工作可能需要数年时间才能实现落地。但在 Bazaarvoice 的案例中表明，借助于云服务可以让 AI 的投入到业务成果的产出所需的时间比以往任何时候都短。 

Bazaarvoice 是行业领先的产品评论和用户原创内容 (UGC) 解决方案提供商，可以帮助品牌商和零售商了解客户并能更好地为客户服务。该公司在 2019 年收购了 Influenster.com，通过这个平台进一步丰富了 Bazaarvoice 的产品组合，该平台是一个拥有着 650 万消费评论者的强大社区，消费者可以在上面坦率分享他们的意见，总次数超过了 5400 万次。 

在这次收购后，Bazaarvoice 将网站的产品种类扩大了 53%，达到了 540 万种以上。为了能保持较高的用户参与，Influenster 必须可以被用户视为公开透明的可信评论的来源，同时也能帮助用户首次发现有用的相关产品。通过向购物者介绍新产品，Influenster 不仅为消费者提供价值，也能帮助品牌商对消费者有更多的洞察。

Influenster 最初是一个人们聚集在一起分享他们对美容产品真实想法的地方，但很快扩展到从艺术到可穿戴设备的几乎所有类别。在早期，Influenster 之所以可以取得成功，是因为它提供了人性化的视角：对于每件产品，都有丰富的评论和图片，让用户感觉他们好像是从朋友那里获得了对产品的推荐。由于初期产品范围并不大，该网站的自身发展是借助于基于规则的产品推荐引擎。 然而，随着 Influenster 在被Bazaarvoice 并购后扩大了其覆盖的产品范围，更强大的产品推荐系统则变得非常必要。

在网站产品和相关种类不断激增的情况下，Bazaarvoice 技术团队一直在追求着能让用户持续拥有个性化的体验。他们需要个性化推荐引擎是可以随着网站规模不断自我扩展的，而不是每次引入新产品类别时都需要构建更多规则。另外，即使针对网站的未知用户，技术团队也需要确保他们在 Influenster 上一样能拥有卓越的个性化体验。

因此，Bazaarvoice 结合他们当前使用的基于规则的推荐系统对多个推荐引擎进行了基准测试。最终，他们决定使用 Google Cloud 的 Recommendations AI，因为它具有着多种优点，诸如：计费透明、易于集成和经证实的卓越效果等。

计费透明

Influenster 内容获取服务产品部门高级副总裁 Nick Shiftan 说：“工程师们喜欢 Recommendations AI 的部分原因是他们可以确切地知道随着应用规模的扩大将要付出多少成本。” 客户的目标是只需构建一次就可进行持续创新，而不是要留下成本不可控的技术风险。Google Cloud 简单明了的即用即付的计费方式使客户能够预测成本将如何随着用户交互的增长而增长，从而可以做出相应的计划。

易于集成

“我非常惊讶 Google 能将如此复杂的推荐系统打包到一个非常易于使用的 API 中”，负责督导该项目的软件工程团队负责人 Eralp Bayraktar 评论道。因为最初的团队只有一名全职工程师，易于集成的功能特点对于项目成功来说就更显重要。Recommendations AI 不仅借鉴了谷歌搜索和 YouTube 多年的专业推荐经验，而且可与谷歌广告的 Merchant Center 相结合，它还创建了一个用于导入产品元数据的简化流程。当你确定好推荐类型以及对应的业务目标后，通过 Recommendations AI 就可以便捷地创建出相关模型。而在模型创建好以后并将 API 集成到网站中，代码就已经在全球范围内进行了部署：无需考虑做进一步的架构设计来确保向全球用户提供服务。对于 Bazaarvoice 来说，这意味着在一个月内就可以实现从项目的构思到实际生产上线。

经证实的卓越效果

“我们已将 Recommendations AI 用于产品推荐，并已经从我们的数据库上把相关的业务逻辑剥离到了 Recommendations AI 中，这不仅使得整体响应时间更快，而且通过 A/B 测试也证实了 Recommendations AI 的推荐效果要好得多”Eralp 继续说道。

Bazaarvoice 结合其原有的基于规则的推荐系统对 Recommendations AI 进行了 A/B 测试。在测试阶段早期，他们就注意到点击率比原来的推荐系统明显且稳定地增加了 60%。 

更令人印象深刻的是 Recommendations AI 在未知用户上的表现。除了在 Influenster.com 上完成了账户注册的人来说，网站上还有许多没有完成注册就离开了的访问者。这个问题在业内通常被称为 "冷启动 "，在没有他们的历史、行为或偏好的情况下，你如何知道向这些人该推荐什么？Recommendations AI 让你可以导入这些未知用户的数据并进行训练，通过结合产品的元数据，它可以为注册会员和首次使用的用户都提供高质量的个性化推荐服务。

放眼未来，Eralp 基于 Bazaarvoice 的经验总结了他的看法：“Recommendations AI 让我们的产品可以获得更健康的流量分布。我们目前正在投资数据科学，并已将 Recommendations AI 作为基线，这对我们的业务发展来说是一个很好的挑战。”