eBay一直在不斷地收集消費者數據，并通過機器學習方法來吸引更多的消費者，提高交易可信度。

為了提升消費者在網站上的交互體驗，eBay在網站中加入了機器學習方法。過去的四年里，eBay一直在收集消費者的搜索數據、搜索點擊率等相關交互數據，然后把這些數據加載到其機器學習系統中。

在與InformationWeek的一次訪談中，eBay工程部副總裁Dan Fain透露了公司的計劃安排及背后的商業動機。這是一個值得IT工程師們效仿的案例，他們可以在這種面向消費者的應用中加入機器學習系統，從而提高公司的市場占有率。

Fain說，消費者的搜索習慣、喜歡看什么網頁、慣用語言、推薦商品與圖片分析都是機器學習系統中的關鍵要素，而eBay把握住了這一點。

最至關重要的是，應用機器學習的目的旨在強化eBay網站的搜索功能。Fain在采訪中說：“我們有多種機器學習模式，只為了保證給消費者呈現最佳匹配的搜索結果”。

eBay上售賣的物品超過十億件，一不小心搜索結果就可能出錯。因為這些搜索結果很大程度上取決于消費者輸入的關鍵字，斷字不一樣，結果也可能不一樣。例如，當搜索“縫紉機”時，消費者想要的可能是一個能縫紉的工具。

然而機器學習的結果向我們展示了：消費者搜索的縫紉機可能是祖輩用的老式縫紉機，也有可能是收藏愛好者向往的古董級縫紉機。

搜索關鍵字“縫紉機”會觸發eBay檢索其在售縫紉機存貨，而機器學習系統則從搜索者的搜索歷史中推測其想要的縫紉機類型。除此之外，機器學習系統也會監測網站上搜索縫紉機所有的消費者，觀察他們是看了就走呢？還是看中了新款呢？那些收藏家們是怎樣搜索古董級縫紉機的呢？

另一個例子：如果我們檢索“瑞士手表、真皮表帶”，這對網站的機器學習系統來說又是一種不同的挑戰。一般的搜索引擎會分別返回一長列瑞士手表與一長列真皮手環。而如果客戶想要的是“真皮表帶的瑞士手表”，這種搜索結果顯然沒有任何意義。

Fain說：“面對這種搜索關鍵字，兩種不同類別的商品需要互相包含。”盡管這種搜索關鍵字的出現頻率很小，系統在匹配最佳搜索結果時依然會考慮長尾效應。Fain還指出，系統可通過對消費者搜索歷史的分析，將一些幾乎不會同時出現的名稱聯系在一起。

eBay的搜索引擎在判定搜索關鍵字的類別上十分謹慎小心，系統會根據關鍵字類別中的內容聯合客戶的其他線索信息，最后搜索出消費者感興趣的商品。因此，在上述的搜索案例中，eBay的搜索引擎就能給消費者呈現帶有真皮表帶的瑞士手表中的熱銷商品。

一切為了交易

Fain說，截止2015年底，eBay有1.62億活躍用戶。而到了2016年 8月，這個數字已漲至1.64億。對于eBay這樣收益停滯不前甚至下跌的企業來說，小幅上漲的活躍用戶是一個利好消息。因為電子商務行業競爭十分激烈，消費者們在網上購物的渠道也是五花八門。

而技術團隊發展的機器學習系統給消費者提供的搜索結果越準確，消費者購買的可能性越大。因為搜索引擎呈現的信息很大程度上能引導這些潛在消費者。

面對國際消費者的搜索請求來說，機器學習的加入可以使搜索結果更加有效，因為他們更多的是用母語對商品進行描述而非商品產地語言。例如，如果要搜索帶有金屬飾片的博柏利手包，西班牙語和英語的處理方式就不一樣。

eBay的翻譯功能加入了機器學習，這減輕了非英語國家的國際消費者在消費時的困擾。無論商品在何地出售，包裝上以何種語言書就，讓消費者看懂商品簡介，了解其應有的價值是非常重要的。

Fain稱，eBay的搜索引擎加入了“最佳匹配”算法，系統可以分析消費者的已知信息、消費者搜索物品中最火熱的是哪款以及消費者可能會購買什么商品。Fain說：“這便是eBay大規模應用機器學習的最好證明，這是一款促成交易的強有力武器”。

拿上文的“縫紉機”搜索舉例，最佳匹配應按縫紉機價格排列。如果消費者使用的是臺式機，eBay還能在屏幕空白處顯示不同程度的“最佳匹配”，并附有消費者可能會搜索的物品種類（古董或收藏）。

在智能手機或其他移動設備上，屏幕尺寸使得呈現信息大大受限。那么問題來了，因為據Fain所說，eBay有50% 的交易都由移動設備端完成。如果消費者想要選擇其他相關種類，只能點擊鏈接打開新的頁面。

為了保證搜索結果的匹配程度，eBay一直努力使其結果能準確反應商品市場價值，其搜索結果按價格從高到低排列。

交易可信度一直是eBay的重點課題。而機器學習可以識別出哪些是能反映可信度的指標（如，賣家的交易量），哪些不能。同理，如果賣家的差評或其他問題較多，其店鋪在搜索結果中的排位會被系統自動拉低。

eBay在其網站加入機器學習旨在讓賣家順心、買家放心。Fain說，每完成一筆交易時，他都會問：

“這筆交易是否滿足我們的標準？這些搜索結果雖然都源于客戶的相關信息，但也是由機器學習所決定的。”

點擊背后的海量信息

Fain想起了他在Yahoo工作的那五年，當時他的主要工作是處理網頁點擊量，而恰是這些網頁能為eBay用戶提供豐富的信息。

他表示，對系統來說，當年的一個點擊僅僅意味著消費者對其感興趣，沒有更多深層次的信息。而現在eBay的系統可以分析消費者的點擊流，從而促使消費者進行消費。

對機器學習系統來說，“下訂單是一個非常強有力的信息證據”，而eBay也在一直收集消費者的購買訂單，使其發揮出應有的效能。

目前，eBay工程部亦嘗試用機器學習系統識別商戶上傳的圖片質量，并告訴商戶哪種圖片才有可能引導消費者消費。它通過強大的圖形圖片處理單元并行處理來分析消費者對圖片的感受情況。Fain說：“基于eBay從現實生活中挖掘出的龐大數據庫，在圖形圖片處理單元的加持下，系統可以推測出更多的可能性。”

盡管Fain沒有透露用于機器學習的服務器數量，但他表示那相當于一個服務器群。eBay發現機器學習系統是一個非常有價值的工具，所以其加大了對機器學習硬件的投入，雇傭了更多專業技術人員，開展了更多機器學習項目。“機器學習是我們的一筆大投資”，Fain說。

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。