ระบบผู้ช่วยแนะนำ หรือ Recommendation System (RS) คือ ระบบที่ช่วยแนะนำในสิ่งที่เราชอบมาให้ โดยอ้างอิงจากผู้ใช้งานที่คล้ายคลึงกับเรา และประวัติการใช้งานของเราเป็นพื้นฐาน
RS สามารถอยู่ได้ในอุตสาหกรรม ปัจจุบันที่เราสามารถพบเจอได้ง่ายก็จะเป็นภาพยนตร์แนะนำจากแพลทฟอร์ม Netflix เพลย์ลิสต์แนะนำสำหรับคุณจาก Spotify หรือแม้แต่บทความแนะนำจาก Medium เป็นต้น
“หนังแนะนำสำหรับคุณ”
“เพลย์ลิสต์แนะนำสำหรับคุณ”
“สินค้าแนะนำสำหรับคุณ”
ประโยคที่ดูจะเป็นที่คุ้นเคยสำหรับเราหลาย ๆ คนไปเรียบร้อยแล้วสำหรับตอนนี้ โดยเฉพาะคนที่ชอบใช้บริการแพลทฟอร์มออนไลน์ต่าง ๆ ไม่ว่าจะเป็นการซื้อสินค้า การฟังเพลง หรือแม้แต่การดูหนัง ภายในคำโปรยทั้งสามประโยคจะมาพร้อมกับคอนเทนท์ที่ถูกคัดสรรมาเพื่อตอบโจทย์ให้ตรงตามความสนใจผู้ใช้อย่างเรา ณ ขณะนั้น เปรียบดังผู้ช่วยมหัศจรรย์ที่รู้ใจเราพอ ๆ กับตัวเราเอง ในบางครั้งก็นำเสนอคอนเทนท์บางอย่างที่เราไม่รู้เลยด้วยซ้ำว่าเราอยากได้จนเจอผู้ช่วยคนนี้แนะนำมาให้ หลายครั้งเราคงสงสัยว่า ทำไมถึงรู้ว่าอยากได้กันนะ? วันนี้เราจะมาทำความรู้จักกับเจ้าผู้ช่วยที่ว่านี้กัน เราเรียกเขาว่า Recommendation System (RS)
ระบบแนะนำสินค้า หรือ Recommendation System กล่าวโดยย่อแล้วคือ ระบบรู้ใจที่ช่วยแนะนำสินค้าเพื่อช่วยลดภาระในการค้นหาของเราลงโดยอ้างอิงจากสิ่งที่เราสนใจอยู่ในระยะเวลานั้น โดยพยายามเรียนรู้ผ่านพฤติกรรมของเรา พยายามที่จะเข้าใจเรา ที่น่าสนใจยิ่งกว่านั้นคือเจ้าผู้ช่วยคนนี้ยังสามารถเดาได้ด้วยว่า เราน่าจะสนใจสิ่งใดอื่นอีกที่คล้ายคลึงกันกับสิ่งที่เราดู หรือน่าจะใช้ร่วมกันกับสิ่งที่เราเพิ่งได้ซื้อไปด้วย เรียกได้ว่ารู้ใจว่ายิ่งกว่าตัวเราเองเสียอีก
แล้วภายใน Recommendation System เป็นยังไง ?
หลังบ้านการทำงานของระบบผู้ช่วยแนะนำสุดแสนรู้ใจนี้ ประกอบไปด้วยหลากหลายโมเดลคณิตศาสตร์และอัลกอริทึมขึ้นอยู่กับข้อมูลผู้ใช่และ business problem แต่โมเดลโดยส่วนใหญ่ที่มักจะถูกใช้กันมีอยู่ด้วยกันสามประเภท ได้แก่
- Content-based เป็นรูปแบบโมเดลที่แนะนำลักษณะของตัวบริการหรือสินค้าเป็นตัวตั้ง แล้วแนะนำสินค้าและบริการอื่นที่มีคุณลักษณะคล้าย ๆ กัน เช่น Medium แนะนำบทความที่คล้ายคลึงกับประวัติการอ่านของผู้ใช้ จากหมวดหมู่ที่อ่าน แท็กด้านในบทความ จนไปถึงพับบลิชเชอร์ และผู้เขียนที่เหมือนกัน หรือมีโปรไฟล์คล้ายกัน (รูปด้านซ้ายมือ)
- Collaborative filtering เป็นรูปแบบโมเดลที่เรียนรู้จากพฤติกรรมของผู้ใช้กับผู้ใช้คนอื่น ๆ ที่คล้ายคลึงกัน เช่น ถ้าคุณบ็อบชอบสินค้า A,B,C คุณอลิซชอบสินค้า A,B,D คุณเกดชอบสินค้า B,C,D,E สินค้าที่ D,E จะถูกแนะนำให้กับคุณบ็อบ สินค้า C,E จะถูกแนะนำให้กับคุณอลิซ และสินค้า A จะถูกแนะนำให้กับคุณเกด เป็นต้น (รูปด้านขวามือ)
- Hybrid system เป็นการมัดรวมทั้งสองอัลกอริทึมด้านบนเอาไว้เพื่อทำให้ระบบการแนะนำสมบูรณ์ขึ้น ซึ่งระบบนี้ถูกนำไปใช้ในปัจจุบันมากที่สุด แทบจะทุกแพลทฟอร์มใหญ่ที่มีการแนะนำสินค้าและบริการ
นี่เป็นเพียงส่วนหนึ่งของโมเดลและอัลกอริทึมที่ใช่ในการคาดเดาความสนใจของผู้ใช้เบื้องต้นเท่านั้น การจะแนะนำได้โดนอย่างคนรู้ใจ จำเป็นต้องอาศัยปัจจัยอื่นๆ เข้ามาเกี่ยวข้องอีกมากมายแตกต่างกันไปตามธุรกิจ และลักษณะของผู้ใช้งานซึ่งมันซับซ้อนกว่านี้มาก เช่น
- Medium ที่เป็นฟรีเว็บบล็อก นอกจากใช้ประวัติการอ่านและค้นหาบทความแล้ว ก่อนหน้าที่ผู้ใช้จะใช้งานมีการเก็บข้อมูลหมวดหมู่ที่สนใจไว้ก่อน มีการเก็บระยะเวลาในการอ่านแต่ละบทความของผู้ใช้ เพื่อเพิ่มความแม่นยำในการส่งบทความไปให้อ่านได้ตรงใจมากขึ้น และนำไปสู่การสร้างเป็นโมเดลอีกตัว เพื่อช่วยในการเพิ่มประสิทธิภาพของเจ้าระบบผู้ช่วยแนะนำตัวนี้
- Netflix ที่นอกจากจะแนะนำภาพยนตร์ผ่านทางโมเดลที่ได้อธิบายไว้ข้างต้นแล้ว ยังนำข้อมูลการดูของผู้ใช้ (ละเอียดระดับการกดหยุด กดข้ามในแต่ละฉาก) ไปสร้างมูฟวี่คอนเทนท์ และซีรี่ส์คอนเทนท์ของตัวเองเพื่อส่งไปให้คนดูที่สนใจ
- Spotify ที่มีเพลงดีดีมาให้เราฟังทุกวันจันทร์ ผ่าน Discover Weekly นอกจากการแนะนำเพลงผ่านพฤติกรรมการฟังของเราแล้ว ยังใช้โมเดลวิเคราะห์ข้อความจากรายละเอียดของเพลง และโมเดลวิเคราะห์คุณลักษณะของเสียงจากเพลงที่เราฟัง เพื่อช่วยในการส่งเพลงที่โดนใจเรา หรือเพลงแบบที่ไม่เคยเจอมาก่อนให้ฟังได้อย่างไม่สะดุด
นี่เป็นเหตุผลว่า
ทำไม Medium ถึงมีคอนเทนท์บทความแนะนำให้เราได้อย่างน่าสนใจ
ทำไม Netflix สามารถแนะนำภาพยนตร์ และสร้างคอนเทนท์เองได้แปลกใหม่
ทำไม Spotify สามารถส่งเพลงได้เข้าถึงใจผู้ฟังได้มากกว่าแพลทฟอร์มอื่น
เพราะพวกเขาไม่เพียงขายสินค้าและบริการ แต่สินค้าและบริการดังกล่าวต้องแมทช์กับผู้ใช้คนนั้นมากที่สุดจนสัมผัสได้นั่นเอง