Algorithm เบื้องหลัง Amazon.com

ธุรกิจ E-Commerce กำลังมาแรงในยุคที่ Internet เป็นปัจจัยสำคัญของการดำรงชีวิต เพราะนอกจากต้นทุนของการทำธุรกิจประเภทนี้จะสะดวก ไม่ต้องมีหน้าร้าน ในมุมของผู้บริโภคยังสร้างความสะดวกสบายในการจับจ่ายซื้อสินค้าได้ดีอีกด้วย เพราะข้อดีของเว็บ E-Commerce คือ ค้นหาสินค้าสะดวก และยังมีข้อมูลต่างๆ ของสินค้าให้เราได้ศึกษา ทำความเข้าใจ และเปรียบเทียบกับสินค้าอื่นๆ

เมื่อสินค้ามีหลายตัวเลือก คะแนนการรีวิวสินค้า ก็เป็นอีกหนึ่งปัจจัยที่กลายเป็นนิสัยใหม่ของผู้บริโภค นอกเหนือไปจากนั้น การแนะนำสินค้าจากทางเว็บไซด์เองผลต่อการตัดสินใจซื้อสินค้านั้นๆ ด้วยเช่นกัน เพราะในบางกรณีที่ลูกค้าไม่ได้ศึกษาสินค้าอื่นๆ หรือยังไม่แน่ใจในความต้องการในการจับจ่ายที่แท้จริงของตัวเองก็เป็นได้

หากพูดถึงเว็บ E-commerce อันดับ 1 ต้องนึกถึง Amazon.com เว็บไซด์ซื้อขายของออนไลน์ชื่อดังสัญชาติอเมริกา ที่มีรายได้ในปี 2016 สูงที่สุด ถึง 135,987 ล้านเหรียญสหรัฐ

สิ่งที่น่าสนใจ คือ เมื่อเราเข้าไป log in ทางเว็บจะมีการเก็บข้อมูลซื้อขายเก่าๆ ของเราเอาไว้ และมีการแนะนำสินค้าให้เรา จากประวัติการซื้อเดิมของเรา ดังเช่น

- Related to items you’ve viewed

- Recommendations for you in Books

รวมไปถึง เมื่อเขาคลิ๊กเข้าไปที่สินค้าตัวใหม่ ที่เรากำลังสนใจ เว็บ Amazon จะมีการเสนอแนะสินค้าเกี่ยวข้องให้เราได้อย่างน่าสนใจ

โดยหลังบ้านของเว็บไซด์ จะมีการเก็บของมูลขนาดใหญ่ข้อลูกค้าทั้งหมด เพื่อใช้ประมวลผล สร้างเป็น model เอาไว้ และเมื่อมีลูกค้ารายใหม่เข้ามา ก็จะนำมาตีโจทย์ตาม model ที่สร้างเอาไว้ เพื่อเสนอแนะสินค้าให้ลูกค้าได้อย่างทันท่วงที

ซึ่งการผูกข้อมูลต่างๆ หรือสร้าง model เหล่านี้ มันคือการใช้ Algorithm ประเภทหนึ่ง เช่น

• Customers who bought this item also bought หรือ สินค้าที่มักซื้อด้วยกัน แต่เป็นสินค้าคนละประเภทกัน ตัวอย่าง เราสนใจซื้อกล้องถ่ายภาพ จะมีสินค้าประเภทอื่นๆ ที่เกี่ยวข้อง ถูกนำมาเสนอให้เห็นในหมวดนี้ เช่น SD Card ขาตั้งกล้อง แบตเตอรี่สำรอง เป็นต้น

แนวคิดของ Algorithm ประเภทนี้ เรียกว่า Co-Occurrence Grouping เกิดจากการเก็บข้อมูลสถิติของผู้ใช้ แล้วคิดหาสัดส่วน หรือความน่าจะเป็น เมื่อลูกค้าซื้อสินค้า A แล้วซื้อสินค้า B ไปพร้อมกัน หากลูกค้าที่ซื้อของในลักษณะเดียวกันนี้บ่อยครั้ง แสดงว่ามีความเป็นไปได้สูงที่สินค้า A กับ B ควรจะขายไปด้วยกัน

ในการเสนอแนะสินค้าลักษณะนี้ นอกจากทำให้ลูกค้าสนใจซื้อสินค้ามากขึ้น เรายังสามารถทำโปรโมชั่นส่งเสริมการขายได้อีกด้วย

• Compare to similar item หรือ สินค้าใกล้เคียง เป็นการนำเสนอสินค้าประเภทเดียวกัน แต่อาจจะมีความแตกต่างกันเล็กน้อย เช่น ยี่ห้อ ขนาด รุ่น รวมไปถึง ราคา

สำหรับ Algorithm ประเภทนี้ คือ Similarity Matching เกิดจากการระบุคุณสมบัติของสินค้าแต่ละประเภท แล้วใส่ model ในการระบุความใกล้เคียงกันของสินค้า

สำหรับการเปรียบเทียบลักษณะนี้ นอกจากสร้างช่องทางในการมองเห็นสินค้าให้หลากหลายขึ้น ยังช่วยสร้างคุณค่า Platform E-Commerce อีกด้วย

จะเห็นได้ว่า เบื้องหลังความสำเร็จของ E-Commerce แนวหน้า มีการใช้หลักการของ Data Science อยู่อย่างที่เรานึกไม่ถึงกันเลยทีเดียว เพราะเมื่อธุรกิจเติบโตขึ้น และมีคู่แข่งในตลาดสูงขึ้น เทคโนโลยี Data Modeling หรือ Machine Learning จึงเป็นตัวช่วยสำคัญ สร้างความแตกต่างทางธุรกิจ และเป็นกุญแจสำคัญในการผลักดันความสำเร็จได้

#BigData
#DataScience
#Optimization
#ProductivityImprovement

#Coraline ให้คำปรึกษาการทำ Data Science and Data Modeling เพื่อเพิ่มศักยภาพของธุรกิจ