تسعى منصات التجارة الإلكترونية الكبرى إلى الحفاظ على صحة نظمها البيئية من خلال تعزيز نمو المنتجات الجديدة. ورغم أن الظاهرة المعروفة بتأثير "ماثيو" تجعل الأنظمة الحالية تركز على عرض العناصر الأكثر شعبية، فإن هذا النهج يعيق اكتشاف المنتجات الجديدة ويؤثر سلبًا على تجربة المستخدم. في بداية البحث، لا تتماشى النماذج الحالية مع الأهداف التجارية على الإنترنت، حيث تفتقر إلى آليات فعالة لقياس إمكانيات نمو المنتج.

لذا، تقدم الورقة البحثية إطارًا مبتكرًا يُعرف بـ GrowGR، وهو إطار يستجيب لمتطلبات التجارة الإلكترونية من خلال تحسين محركات البحث لمراعاة القيم المتعددة. يعتمد إطار العمل على مكونين رئيسيين:
1. **Module Item Long-term Transaction Value Prediction (ItemLTV)**: حيث يتم استخدام الاستدلال العكسي (Counterfactual Inference) لتحديد الزيادة في القيمة طويلة الأمد الناتجة عن تفاعل مستخدم واحد.
2. **Module Multi-Value-Aware Generative Retrieval (MultiGR)**: الذي يعتمد على معمارية استرجاع توليد القائمة على تعريفات دلالية، ويستخدم عينات هيكلية مع إشارات سلسلية للبحث. يعتمد أيضًا على نموذج التدريب Multi-Value-Aware Policy Optimization (MoPO) لتحقيق التوافق بين القيم المتعددة.

بعد نشر الإطار على منصة Taobao، تم تحقيق زيادة ملحوظة بنسبة 5.3% في المبيعات من العناصر الجديدة، بالإضافة إلى تحسين بنسبة 0.3% في إجمالي مبيعات البحث. يُظهر التحليل المكثف والاختبارات عبر الإنترنت تأثيرًا إيجابيًا على القيمة الإجمالية للنظام، مما يسهل تجربة تسوق أكثر تفاعلاً وإفادة للمستخدمين.

إذا كنت من مستخدمي التجارة الإلكترونية، ماذا تعتقد بأن هذه التقنيات ستغير طريقة تسوقك؟ شاركونا آرائكم في التعليقات!