Quels facteurs de pertinence pour la recherche de produits e-commerce ?

1

Quels facteurs de pertinence pour la recherche de produits e-commerce ?Laure Soulier — Lamjed Ben Jabeur — Paul Mousset — Lynda Tamine

2

Plan

1. Recherche des produits e-commerce2. Campagne d’évaluation LL4IR3. Impact des caractéristiques des requêtes 4. Impact des caractéristiques des produits5. Conclusion

Recherche de produits | Campagne LL4IR | Caractéristiques des requêtes | caractéristiques des produits | Conclusion

3

La recherche de produits e-commerce

240 millions produits!


4

La recherche de produits e-commerceRequêtes populaires 2016nike 100

samsung 95

amazon 95

iphone 90

adidas 60

bon coin 50

le bon coin 45

(Google Search Trends)

Requêtes en hausse 2016chaussure led +300 %

iphone 6s +120 %

maison du monde +70 %

meuble tv +60 %

reebok +60 %

superstar femme +60 %

but +50 %

(Google Search Trends)


5

La recherche de produits e-commerce

Samsung


6

Approches de l’état de l’art

1. Approches orientées utilisateurs(Chen, 2010 ; Castagnos et al., 2010)

2. Approches orientées produits(Detlor et al., 2003, Chen et al., 2011, Vandic et al., 2012, Duan et al., 2013)

Samsung

Galaxy S5AndroidBlanc16Mpx32Go

1 2


7

Contexte de notre étude

• Participation à la campagne LL41IR (Schuth et al, 2015)

• Tâche de recherche de produits• Recherche d’information

• Requête : mots clés + préférences• Documents : produits

• Evaluation par des utilisateurs réels• Requêtes fréquentes : « head queries » (Balog et al, 2014)

• Clics utilisateurs

• Contribution du papier : Retour d’expérience

http://living-labs.net/


8

Questions de rechercheRQ1 : Quelles sont les caractéristiques des requêtes utilisateurs lors d’une recherche de produits ?Quel est l’impact de ces caractéristiques sur l’efficacité de la recherche ?

RQ2 : Quelles sont les caractéristiques des produits retournés par notre modèle ?Quelles caractéristiques des produits impactent l’efficacité de la recherche ?


9

LL4IR : Principe et fonctionnement

Requête

Résultats Résultats Résultats

DocumentsRequêtes

DocumentsRequêtes

(temps-réel) (temps-réel)

(temps-réel)(temps-réel)

Requête Requête

Clics Clics Clics

(Schuth et al, 2015)


site ParticipantUtilisateur

10

LL4IR : Principe et fonctionnement• Site de vente de jouets• Leader Hongrois• Moteur de recherche Solr

• 100 requêtes

http://www.regiojatek.hu/

Requêtes

Apprentissage Test

ClicsMesures d’efficacité

Mise à jour


Mise à jour


Mise à jourPério

des

Appr

entis

sage

Test



11

LL4IR : Principe et fonctionnement• ~6572 produits


12

LL4IR : Principe et fonctionnement• ~6572 produits



13

• Algorithme d’entrelacement (Radlinski et al, 2008)

• Mesure d’évaluation

LL4IR : Principe et fonctionnement


A B A+BSolr Participant

14

LL4IR : Modèle de recherche de produits proposé

Modèle probabiliste de recherche de produits• La probabilité que les champs descriptifs soient similaires à la requête• La probabilité que la catégorie du produit soit pertinente pour la requête

Pertinence de produit

Réordonnancement Engagement (social) des utilisateurs


15

LL4IR: Participants et Résultats


Baseline : Clics historiquesGESIS : Réordonnancement selon clics historiquesUiS : Modèle probabiliste basé sur les champs des documentsIRIT : Notre système

16

LL4IR: Participants et Résultats


Résultats LL4IR sur la période 15-31 juillet 2015

17

Rappel des questions de rechercheRQ1 : Quelles sont les caractéristiques des requêtes utilisateurs lors d’une recherche de produits ?Quel est l’impact de ces caractéristiques sur l’efficacité de la recherche ?

RQ2 : Quelles sont les caractéristiques des produits retournés par notre modèle ?Quelles caractéristiques des produits impactent l’efficacité de la recherche ?

Retour d’expérience:


18

Catégories des requêtesAnalyse descriptive des caractéristiques requêtes

Classification manuelle de la requête

Requête Traduction Entités nommées (Wikidata) Classe

Lego DuploTűzoltó

Lego DuploFireman

Lego Duplo brand, toy, construction setTűzoltó : historical profession, profession

Entité Instance deMarqueThème


19

Analyse des requêtes selon la mesure d’efficacité

Analyse de l’efficacité selon la classe de la requête

Classification des requêtes


Echec: Table, Lego, costume, Poni, Thomas, VoituresAcceptable : Angry Birds, maison de poupées, Landau, Scrabble, ville LegoSuccès : Activité, aspirateur, tracteur, puzzle

20

Caractéristiques qualitatives des produits

Caractéristiques numériques des produits

Caractéristiques des produits


21

Modèle descriptif des préférences utilisateurs

Préférence des utilisateurs


22

Conclusion

• Identifier les facteurs de pertinence• facteurs liés à la requête • facteurs liés aux produits

• Absence de relation entre l’efficacité d’une requête et ses caractéristiques• Des requêtes non discriminantes pour la recherche de

produits.

• La pertinence est dépendante des caractéristiques des produits• La présentation du produit est prépondérante• Ancienneté sur le marché et réduction


23

Conclusion

• Répondre au besoin de l’utilisateur• Au delà des produits similaires• Inférer les préférences des utilisateurs

• (exemple,le genre ou l’âge recommandés)

• Perspectives• Tenir compte du contexte de la recherche

• Produits dans le panier, requêtes précédentes• Mise à jour régulière des résultats selon les clics• Apprentissage adaptatif

• Recherche bibliographique• TREC OpenSeach 2016• Microsoft Academic, SSOAR and CiteSeerX


24

Merci pour votre attention!

@LaureSoulier@amjedbj@paulmousset@LyndaTamine

amjedbj/vulter

Science

Quels facteurs de pertinence pour la recherche de produits e-commerce ?