基于众包的产品质量比较与推荐算法研究

探索顾客购买决策背后的原因

为了提升产品发现算法的满意度，需要确保将高质量产品与顾客查询相匹配。近期一项研究利用众包方法识别能够预测人类质量判断的产品数据，原计划在ACM SIGIR人机信息交互与检索会议(CHIIR)上报告结果。

研究向众包工作者展示相关产品对的图片，同时提供商家和顾客提供的公共产品信息，要求他们判断哪个产品质量更高，并选择最能解释其判断的产品信息中的术语。

研究发现感知质量并不能很好地预测顾客的购买决策。这与此第二个发现相关：感知质量与价格高度相关。如果价格相应较低，顾客可能会选择质量较低的产品。

大多数情况下，最能描述众包工作者判断标准的术语来自顾客提供的公共信息，而非商家信息。顾客提供的信息有两个来源：顾客评论和顾客回答其他顾客产品相关问题的问答序列。

每个产品对包含一个实际购买的产品和一个在同一查询中被点击但未购买的产品。产品还必须共享某电商平台产品分类层次结构中最细粒度的分类。向众包工作者展示的术语是基于它们在那些细粒度类别相关文本中出现的频率选择的。

现有关于产品推荐的研究主要侧重于直接建模购买行为，而没有试图寻找顾客决策背后的原因。理解顾客购买决策背后的过程将有助于做出更好的产品推荐。这项工作代表了朝着这个方向迈出的几个步骤之一。

信息检索与搜索