【51CTO.com快譯】eBay在運用機器學習方面的經驗主要是改善客戶與其網站的交互方式。四年來，eBay一直在收集客戶搜索數據，以及搜索點擊率及其他客戶交互數據，并將這些信息饋送到機器學習系統。

該公司的工程副總裁丹·費恩(Dan Fain)在一次采訪中道出了他們所采取的措施以及背后的商業動機。費恩稱，搜索、客戶點擊模式、語言翻譯、貨品推薦和圖像分析都是eBay運用機器學習的幾種方式。

他表示，機器學習第一種也是最重要的應用就是，改善eBay.com上的搜索功能，“我們后臺有幾種機器學習模型在運行，確保我們獲得最佳的搜索結果。”

由于有10億多個貨品在賣，在eBay上搜索時，許多方面會容易出錯。比如，很多搜索會依賴顧客選擇的單詞和短語。有人搜索“縫紉機”，那么他或她可能是想要自行縫紉所使用的東西。

但機器學習表明，人們有時在尋購老一輩過去使用的那種縫紉機或者是收藏者眼里屬于古董的“收藏品”時，搜索會觸發系統檢查eBay的在售縫紉機款式庫存。機器學習模型也許能夠從查詢訪客的購物歷史來做出一番推斷。它們也會檢查在網站上搜索縫紉機的其他訪客的行為，來判斷訪客們是不是瀏覽后就走人了?或者他們找到一款現代縫紉機后就止步了嗎?四處尋購老式縫紉機的人從哪些方面顯示了他們的興趣?

再比如，另一個搜索短語“配皮表帶的瑞士手表”。這給網站提出了不同的挑戰，但機器學習應對得了。通常的搜索會返回長長的瑞士手表名單以及同樣長長的皮表帶品牌名單。如果搜索的人想要尋找二者兼具的一個產品，那這類搜索結果就不是很有用。

[[178803]]

費恩說：“在這個查詢中，一個類別不該把另一個類別排斥在外。”盡管這類搜索可能每年只有幾次，但系統考慮到了長尾，提出了最佳匹配結果。通過分析之前的搜索，eBay搜索引擎就能把只是偶爾出現的幾個單詞聯系起來。

搜索引擎經過一番訓練，可以認真地判斷搜索屬于哪一類，然后對照搜索者對什么感興趣的其他線索，檢查這個類別的內容。在上述搜索例子中，一個線索就是某皮表帶品牌的一款流行的瑞士手表已經在熱賣。

激烈的競爭

2015年年底，費恩表示，eBay聲稱擁有1.62億活躍買家。到2016年8月，這個數字已增加到1.64億。適度增長對一家收入持平或下滑的公司來說意義重大。競爭很激烈，顧客隨時會去光顧其他的電子商務網站。

費恩的團隊越能運用機器學習，確保顧客精準地找到搜索的貨品，搜索導致購物的可能性就越大。潛在買家也更有可能相信他們獲得的信息。

機器學習還讓這個網站在處理國外買家的查詢方面更高效。這些人可能用本國語查看貨品描述，未必明白原始語言的慣例。比如，同樣搜索帶金屬小飾物的巴寶莉手袋，對于說西班牙語的買家和說英語的買家要給予不同的對待。

有了eBay基于機器學習的翻譯功能，不會說英語的網站訪客比過去更容易完成購買了。不管顧客在世界上的什么地方或者說什么語言，顧客能夠明白所售貨品的介紹和價值，這點很重要。

為此，eBay為自己的搜索引擎增添了一種“最佳匹配”算法，分析對買家了解什么、哪些是熱銷貨品、某些貨品對潛在買家有怎樣的價值。這類匹配體現了eBay“最大規模地運用機器學習的做法。”費恩說，“這是一種挖掘商機的有效工具。”

比如，在上述的縫紉機搜索例子中，“最佳匹配”響應會根據價格值不值來顯示縫紉機。如果搜索者是桌面用戶，eBay在屏幕上有地方來顯示排名的最佳匹配結果，以及訪客可能會搜索的額外類別，比如“古董”或“收藏品”。

但在智能手機或其他移動設備上，屏幕空間不夠大，顯示不了太多的補充信息。費恩稱，這是個問題。因為如今在eBay上達成的一半業務量是來自某種移動設備。如果想要采取另外一步，移動用戶會得到一個鏈接，在新的屏幕上打開其他類別。

除了竭力讓搜索盡可能準確外，eBay還熱衷于讓搜索體現市場價值，比如將貨品價格很值的結果顯示在價格不太值的那些貨品上面。

交易的可信度也是eBay關注的一大優先事項。它利用機器學習發現哪些因素表明可信度――比如賣家成功完成交易的比率，而哪些因素無法表明可信度。反過來，如果賣家方面有一連串投訴或問題，搜索結果就會下調到列表靠后的位置。

通過使用機器學習，eBay旨在確保買賣雙方都滿意而歸。進行交易時，系統會問：“這筆交易將滿足我們標準的可能性有多大?”費恩說，“結果基于證據力度，這由機器學習來決定。”

不僅僅著眼于點擊

費恩將自己在雅虎工作的五年(他要面對的主要證據是頁面點擊)與關于eBay用戶的大量信息作了一番比較。

他表示，點擊告訴系統某貨品引起了訪客的注意，但除此之外幫助不大。而在eBay，系統可以研究帶來購買的點擊流。“購買是一個極其有效的證據”，饋送到機器學習系統，那樣eBay完全有能力收集購買證據，并且高效地利用起來。

現在，eBay工程部門在利用機器學習，更準確地了解eBay上所用圖像的質量，從而確定什么才是促成交易的出色圖像質量。它可以運用集群中圖形處理單元的強大并行處理功能，分析訪客與圖像之間的交互。費恩說：“借助GPU的專用處理功能，我們能夠迅速處理多得多的例子”，因而從龐大的實際eBay數據集獲取經驗教訓。

雖然費恩沒有提到具體有多少臺服務器專門用于機器學習，不過他表示有好幾個集群。eBay發覺機器學習是一種寶貴的工具，正在購置更多的機器學習硬件，招聘擁有機器學習技能的技術人員，并且啟動另外的機器學習項目。費恩表示：“機器學習是我們的一大投入領域。”

原文標題：What eBay's Machine Learning Advances Can Teach IT Professionals，作者：Charles Babcock

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】