باحثون من شركة أبل أجرى اختبار أ/ب لقياس مدى تأثير التصنيفات ذات الصلة التي ينشئها الذكاء الاصطناعي على تصنيفات البحث في متجر التطبيقات وتنزيلات التطبيقات. وهنا ما وجدوه.
أدت التصنيفات ذات الصلة التي تم إنشاؤها بواسطة الذكاء الاصطناعي إلى تحسين تحويلات البحث في متجر التطبيقات بشكل طفيف
وفي دراسة جديدة بعنوان توسيع نطاق البحث عن الصلة: زيادة تصنيف متجر التطبيقات من خلال الأحكام الصادرة عن LLM، استكشفت مجموعة من الباحثين في Apple ما إذا كان بإمكان حاملي شهادات LLM المساعدة في تحسين نتائج بحث App Store من خلال إنشاء تصنيفات الصلة المستخدمة لتدريب نظام التصنيف.
وكما توضح الدراسة، من الواضح أن الملاءمة هي المفتاح لمساعدة المستخدمين في العثور على التطبيقات التي يبحثون عنها. وعلى الرغم من وجود العديد من الإشارات التي يمكن أن تساهم في ترتيب البحث، فقد ركز الباحثون على اثنتين رئيسيتين:
- الأهمية السلوكية، والذي يعكس كيفية تفاعل المستخدمين مع النتائج، مثل ما إذا كانوا ينقرون على أحد التطبيقات أو يقومون بتنزيله.
- الصلة النصية، والذي يقيس مدى مطابقة البيانات الوصفية للتطبيق (مثل اسمه ووصفه وكلماته الرئيسية) لغويًا مع استعلام بحث المستخدم.
في الدراسة، يقول الباحثون أنه على الرغم من وجود الكثير من البيانات المتاحة فيما يتعلق بالأهمية السلوكية (نظرًا لأنه يمكن قياسها بسهولة)، فإن الأمر نفسه لا ينطبق على أهمية النص:
في حين أن التسميات ذات الصلة بالسلوكية وفيرة، فإن التسميات ذات الصلة النصية التي ينشئها القضاة البشريون نادرة جدًا. وهذا يخلق مشكلة أساسية: إن إنتاج ملصقات ذات صلة نصية عالية الجودة نادرة ومكلفة، مما يخلق اختناقًا في قابلية التوسع ويترك هدف ملاءمة النص ضعيفًا في التدريب متعدد الأهداف.
ولمعالجة هذه المشكلة، قام الباحثون بضبط 3 مليارات معلمة LLM على الأحكام البشرية الحالية حتى تتمكن من تعلم تعيين تصنيفات ذات صلة بالتطبيقات بناءً على استعلام بحث المستخدم والبيانات الوصفية للتطبيق.
بعد ذلك، قاموا بإنشاء الملايين من التصنيفات ذات الصلة الجديدة باستخدام هذا النموذج، وأعادوا تدريب نظام تصنيف متجر التطبيقات باستخدام كل من البيانات الأصلية والتسميات التي تم إنشاؤها بواسطة LLM.
بمجرد الانتهاء من ذلك، قاموا بإجراء تقييم دون الاتصال بالإنترنت، متبوعًا باختبار أ/ب عالمي على حركة المرور المباشرة لمتجر التطبيقات:
“(…) ال
llm-augmentedأظهر النموذج زيادة ملحوظة إحصائيًا بنسبة +0.24% في مقياسنا الأساسي، وهو معدل التحويل، والذي يُعرف بأنه نسبة جلسات البحث مع تنزيل تطبيق واحد على الأقل. في حين أن هذا الرقم قد يبدو صغيرا، إلا أنه يعتبر تحسنا كبيرا بالنسبة للمصنف الصناعي الناضج. ولوحظ هذا المكسب في 89% من واجهات المحلات التجارية.
بمعنى آخر، قام المستخدمون الذين شاهدوا نتائج البحث مرتبة باستخدام نموذج LLM المعزز بتنزيل تطبيق واحد على الأقل بنسبة 0.24% أكثر من المستخدمين الذين شاهدوا نتائج البحث المقدمة بواسطة نموذج التصنيف التقليدي.
وعلى الرغم من أن نسبة 0.24% تمثل زيادة صغيرة جدًا، إلا أنها تتزايد بسرعة كبيرة عندما نأخذ في الاعتبار أن معظم التقديرات تربط إجمالي تنزيلات متجر التطبيقات في عام 2025 بحوالي 38 مليارًا. ومن الناحية العملية، يمكن أن يترجم ذلك إلى عشرات الملايين من التنزيلات الإضافية من عمليات البحث في متجر التطبيقات، وهو ما سيقدره المطورون بالتأكيد.
لقراءة الدراسة كاملة، اتبع هذا الرابط.
عروض الإكسسوارات على أمازون
FTC: نحن نستخدم الروابط التابعة التلقائية لكسب الدخل. أكثر.
