eBay技术博客发布了一篇关于在购物推荐中测试“相关性”的新文章，内容颇具看点。
此前，eBay将销售热度作为推荐的主要因素之一，包括“相似赞助商品”。
当顾客来到eBay时，我们的目标是帮助他们轻松找到心仪的产品。
在过去一年里，我们的团队专注于如何为买家提供更相关、更契合其购物兴趣的商品推荐。
在之前的推荐模型下，eBay市场上的商品（包括商品详情页上的“相似赞助商品”栏）是根据其销售热度向顾客展示的。
顾名思义，“相似赞助商品”会根据页面上的主要商品（我们称之为“种子”商品）来推荐相似的商品。
顾客收到的推荐由机器学习模型驱动；然而，偶尔会出现推荐商品与种子商品不太匹配的情况。
例如，在下方的截图中，针对一款售价14,500美元的豪华腕表，前三款推荐腕表在商品标题、外观、品牌和价格区间上均有所不同。这类推荐很可能不符合访问该豪华腕表页面的顾客的购物兴趣。
在所有特征中，我们注意到许多最重要的特征属于热度特征组，这意味着热门商品往往比一些相关但不热门的商品（例如没有销售历史的新商品）获得更高的排名……
……为了提高推荐的相关性，我们构建了一个相关性模型，并将其作为过滤器使用，以移除相关性较低的候选商品，仅将相关的候选商品引入排序模型。
这篇博客文章技术性较强，对非技术背景的读者来说可能不那么有趣，但测试的最终结果却引人关注。
现在，让我们重新审视腕表的案例。相关性级联模型推荐的商品在标题、外观、品牌和价格区间上与种子商品更加相似。
这清楚地表明，首先筛选出相关的候选商品，然后应用以转化为目标优化的排序模型（正如我们的相关性级联模型所做的那样）至关重要。
这对买家和卖家意味着什么？
一方面，对于清楚自己想要什么的买家来说，这或许是一种改进，因为它只显示最相关、几乎完全相同的商品。
对卖家而言，这可能意味着在“逐底竞争”式定价上面临更大压力，因为在这种推荐模型中，这是脱颖而出的唯一方式。随着争夺这些“类似赞助商品”（Similar Sponsored Items）位置的竞争日益激烈，广告费率也可能继续攀升。
但 eBay 是否正在重蹈 Amazon 之前的覆辙？当电商平台将搜索和推荐功能打磨得越来越精准和狭窄时，它们是否会错失浏览和发现的机会？
RetailWire 的 Jeff Sward 提出了一个关于“购买”与“购物”之间区别的有趣观点——eBay 在调整推荐机器学习模型时，或许值得考虑这一点。
没错！那句名言是什么来着……？Amazon 赢得了“购买”，却毁了“购物”。针对已知商品的购买（及配送）与为未知商品进行的购物截然不同。请继续关注 Amazon Style，这是他们的下一个学习实验项目。
早在今年十月，当 eBay 彻底颠覆许多品类的结构时，收藏类和爱好类品类的卖家尤其感到 eBay 忽略了搜索者与浏览者之间的重要区别。
当你已经大致知道自己想要什么时，使用特定关键词进行搜索是有效的。例如，如果我想买一台游戏主机，我可能已经决定了要哪一款，只是试图寻找价格最优、配送最快、评分最高的卖家等。在这种情况下，输入你正在寻找的确切短语是有意义的，并且通常会返回高度相关的结果。
然而，许多买家来到 eBay 时并不一定带着要搜索的具体商品想法。他们只是想在自己感兴趣的特定品类中浏览，看看是否有新的、有趣的商品上架出售。
一旦买家点击进入某个商品列表页，说他们很可能是在寻找与该列表“相似”的商品就比较容易了，但“相似”与“相同”之间存在一条微妙的界限，而且这条界限在不同品类/产品类型中可能并不处于同一位置。
那篇博客文章中使用的例子是手表、靴子和耳机——所有买家更有可能寻求更具体、更狭窄结果的品类。
希望 eBay 正在广泛的各种品类中仔细进行 A/B 测试这种新方法，并考虑它是否最适合特定类型的商品。
卖家已经对那种几乎 exclusively 专注于少数选定垂直领域而排除其他领域的策略感到厌倦。如果在整个平台上通过缩小结果范围的一刀切式推荐模型，可能会加剧这一问题。
作为买家或卖家，您如何看待eBay的相关性模型测试结果？您更倾向于严格、高度相似的近乎相同的结果，还是更宽泛的“相似”定义？请在下方评论区告诉我们！