کسب‏‌وکارهای هوشمند از گراف داده برای رفع مشکلات منحصربه‌فرد مشتریان استفاده می‌کنند.

از میان چهار هزار محصولی که آمازون در هر دقیقه می‌فروشد، حدود نیمی از آن‌‌ها از طریق موتور پیشنهاد محصولات و براساس سلایق و خواسته‌های مشتریان ارائه می‌شوند. هنگام بازدید از این سایت، الگوریتم‌های آن براساس پیش‌بینی خواسته‌هایتان مجموعه‌ای شخصی‌سازی‌شده از 335 میلیون آیتم فعال در فروشگاه را به شما نشان می‌دهد. این پیشنهاد‌ها از طریق گراف خرید آمازون ارائه می‌شوند که همواره در حال تکامل است. می‌توان این گراف را نمود دیجیتالی از «موجودیت‌های» دنیای واقعی -هر آنچه اطلاعاتی از قبیل مشتریان، محصولات، خریدها، رویدادها و مکان‌ها را ذخیره می‌کند- و روابط میان آن‌ها دانست. گراف خرید آمازون همۀ اطلاعات اعم از سابقۀ خرید، جست‌وجوهای سایت، کلیپ‌های سرویس پرایم ویدئو، موسیقی‌های آمازون میوزیک و داده‌های دستگاه‌های مجهز به الکسا را تلفیق می‌کند. الگوریتم‏های فروشگاه از پالایش گروهی برای ارائه پیشرفته‌ترین توصیه‌های ممکن استفاده می‌کند؛ این پالایش عواملی همچون تنوع (تفاوت میان آیتم‌های پیشنهادی)، کشفیات تصادفی (غافلگیرکننده بودن یافته‌ها) و تجربیات تازه (جدید بودن آن‌ها) را در نظر می‌گیرد. اکنون آمازون با استفاده از همین داده‌های غنی و شخصی‌سازی برجسته، سهمی 40 درصدی در بازار تجارت الکترونیک آمریکا دارد؛ درحالی‌که سهم نزدیک‌ترین رقیب آن‌ها والمارت تنها 7 درصد است.

در آوریل 2021، گوگل گراف خرید خود را برای رقابت با آمازون معرفی کرد: مدلی مجهز به هوش مصنوعی که هنگام جست‌وجوی کاربران، محصولاتی را به آن‌ها پیشنهاد می‌کند. هرروزه بیش از یک میلیارد نفر محصولات مدنظرشان را در گوگل جست‌وجو می‌کنند و گراف خرید، بیش از 24 میلیارد فهرست موجودی از میلیون‌ها فروشندۀ سراسر وب را به آن‌ها ارائه می‌دهد. چنین قابلیتی برگرفته از گراف دانش بی‌همتای گوگل است که اطلاعات گسترده‌ای از موجودیت‌‌های شبکه‌اش و روابط میان آن‌ها را ثبت می‌کند. داده‌های سازمان‌یافته و غیرسازمان‌یافتۀ اندروید، جست‌وجوهای صوتی و متنی، افزونه‌های مرورگر کروم، گوگل اسیستنت، جی‌میل، فوتوز، مپ، یوتیوب، گوگل کلود و سامانۀ گوگل پی ازجمله عناصر تشکیل‌دهندۀ این گراف هستند. 1.7 میلیون فروشنده با استفاده از ابزارهای ساده اما به‌هم‌پیوسته، فهرست کالاهای خود را از طریق گراف خرید ارائه می‌دهند و بدین ترتیب گوگل می‌تواند آمازون را به چالش بکشد.

گراف‌های دادۀ آمازون و گوگل از داده‌های کاربری محصولات برای ارزیابی روابط میان کمپانی‌‌ و مشتریانش استفاده می‌کند. مفهوم گراف داده برگرفته از تئوری گراف و شبکۀ اجتماعی است. در گراف اجتماعی، اشخاص با گره و انواع روابط میان آن‌ها ازجمله رابطۀ دوستی، همکاری، نظارتی و… با خط نشان داده می‌شود. این مفهوم از تحقیق استنلی میلگرام، روان‌شناس اجتماعی، استخراج شد و طی دو دهۀ گذشته برای تحلیل ساختار و مناسبات سازمان‌ها، صنایع، بازارها و جوامع استفاده شده است. عموم جامعه گراف اجتماعی دیجیتال را در سال 2007 شناخت، جایی که پلتفرم فیس‌بوک معرفی شد. این ابزار به توسعه‌دهندگان اجازه می‌داد تا اپلیکیشن‌های ساختۀ خودشان را در چارچوب اطلاعات و روابط سایت ادغام کنند.

گراف‌های داده فعالیت‌های کاربران از قبلی بازی‌ها، آموزش‌ها، روابط اجتماعی، تراکنش‌ها، مسافرت‌ها و… را ثبت می‌کنند.

کمپانی‌های فناوری پیشگام از گراف داده برای پیشنهاد‌های اختصاصی‌ به مشتریان، به‌روزرسانی محصولات، بهینه‌سازی تبلیغات و کاربردهای دیگر استفاده می‏کنند. موفق‌ترین نمونه‌ها عبارت‌اند از: گراف خرید آمازون، گراف جست‌وجوی گوگل، گراف اجتماعی فیس‌بوک، گراف فیلم نت‌فلیکس، گراف موسیقی اسپاتیفای، گراف سفر ایربی‌ان‌بی، گراف حمل‌ونقل اوبر و گراف شغلی لینکدین. آن‌ها از مجموعه تعاملات جاری مشتریان و الگوریتم‌های اختصاصی برای ایجاد برتری همه‌جانبه نسبت به رقبا استفاده می‌کنند.

این مقاله بهترین راهکارهای پیشگامان گراف داده برای ایجاد برتری‌های رقابتی جدید را شرح می‌دهد. سایر سازمان‌ها می‌توانند از آن‌ها الگو بگیرند.

اثر شبکه‌ای داده‌ها

برای درک گراف‌های داده باید ابتدا «اثر شبکه‌ای داده‌ها» را بشناسیم. اثر شبکه‌ای یعنی داده‌های حاصل از تعامل کاربران با محصول یا سرویس، موجب افزایش ارزش آن برای سایر کاربران می‌شود. در سایر اثرات شبکه‌ای مستقیم، اضافه‌شدن کاربران موجب افزایش ارزش سرویس می‌شود (همانند فیس‌بوک یا لینکدین). اما اثر شبکه‌ای داده‌‌ها مستلزم افزایش تعداد کاربران برای ارتقای ارزش شبکه نیست. بلکه تعامل مداوم کاربران فعلی سیستم، موجب خلق داده‌های جامع‌تر و باارزش‌تر و در ادامه بهبود نتیجۀ الگوریتم‌ها می‌شود. برای مثال هر یک از دو تریلیون جست‌وجوی سالانۀ گوگل موجب تقویت گراف دانش و بهبود این موتور جست‌وجو می‌شود؛ در نتیجه کاربران نیز نتایج بهتری از جست‌وجوهای خود می‌گیرند. درحالی‌که توقف تعامل کاربران با پلتفرم، ارزش و اعتبار آن را کاهش می‌دهد.

گراف‌های داده ایستا نیستند و اطلاعات ثابتی را منعکس نمی‌کنند. بلکه پویا هستند یا به قول متخصصان داده، «تحرک داده‌ها» را نشان می‌دهند. بخشی از علت ناتوانی انسان‌ها برای ترسیم گراف داده نیز همین است. شاید کمپانی میلیون‌ها محصول داشته باشد و مصرف‌کنندگان سراسر دنیا در هر لحظه با آن تعامل کنند؛ بی‌تردید گردآوری و تفسیر لحظه‌ای این داده‌ها به فناوری نیاز دارد.

عوامل موفقیت گراف داده

پیشگامان گراف داده، رفتار مصرف‌کنندگان را ارزیابی کرده و از این آموخته‌ها برای بهبود محصولات و خدمات خود استفاده می‌کنند. آن‌ها با اصلاحات مداوم در شیوۀ طبقه‌بندی و برچسب‌گذاری داده‌های محصولات و شناسایی روابط میان موجودیت‌ها، الگوریتم‌های پیشنهاددهندۀ خود را بهبود می‌دهند. همچنین همواره در حال به‌روزرسانی الگوریتم‌ها هستند تا پیشنهادات خود را براساس جدیدترین و مرتبط‌ترین داده‌ها ارائه دهند؛ همین موضوع موجب بهبود و تداوم تعامل مشتریان با پلتفرم می‌شود. در ادامه مهم‌ترین عوامل موفقیت کمپانی‌ها در به‌کارگیری گراف داده را بررسی می‌کنیم.

آن‌ها با سرعت و مقیاس مناسبی از داده‌ها استفاده می‌کنند. گراف‌های داده جزئیات زندگی، کارها، بازی‌ها، آموزش‌ها، داده‌های شنیداری، روابط اجتماعی، داده‌های بصری، تراکنش‌ها، مسافرت‌ها، هزینه‌ها و سایر فعالیت‌های کاربران را ثبت می‌کنند. در همین راستا دیجیتال‌سازی امکان مشاهده و تدوین داده‌‌های مشتریان با مقیاس، دامنه و سرعت چشمگیر را فراهم کرده است. برای مثال گراف اجتماعی فیس‌بوک، داده‌های 2.8 میلیارد کاربر و فعالیت‌های اجتماعی آن‌ها در هر لحظه را تحلیل می‌کند: کارهایی که انجام می‌‏دهند، افرادی که به فهرست دوستانشان اضافه یا حذف می‌کنند، سفرهایی که می‌روند، برندهایی که از آن‌ها می‌گویند، فیلم‌هایی که می‌بینند، موسیقی‌هایی که گوش می‌دهند و… . گراف شغلی لینکدین با ارزیابی 774 میلیون کارمند در بیش از 50 میلیون کمپانی و بیش از 90 هزار دانشجوی موسسات آموزشی، واکنش آن‌ها به آگهی‌های استخدام، آپدیت‌های استاتوس و ویدئوهای لایو آن‌ها را ثبت می‌کند. همچنین با در نظر گرفتن مهارت‌های هر کاربر، تبلیغات هدفمند، دوره‌های آموزشی و اخبار مناسب را در اختیارش می‌گذارد. اکنون لینکدین به زیرمجموعه‌ای از مایکروسافت و اکوسیستم دادۀ آن تبدیل شده است؛ بنابراین می‌تواند گراف دادۀ پویاتری نیز بسازد.

برای مشاهده ادامه متن مقاله، اشتراک تهیه نمایید.