ในวันนี้เราจะเอาวิธีการทำงาน AI ของ Tinder เล่าให้ฟังว่าทำงานกันยังไง ?บทความที่จะมาแชร์กันวันนี้ได้นำมาจาก Dr. Steve Liu อยู่ที่ทีม Scientist ทำงานเป็น Leads research innovation and Applies novel technologies to new product developments ซึ่ง Tinder นั้นเป็นแอพพลิคเคชั่นหาเพื่อนยอดฮิตที่มีผู้ใช้ท่ีถูกจับคู่มากกว่า 26 ล้านคนต่อวัน และมีมากกว่า 20 ล้านล้านคู่ที่นัดเดทกัน
โดยผู้ใช้ที่เข้ามาใช้นั้นก็มีหลากหลายวัตถุประสงค์ ไม่ว่าจะเป็นต้องการหาคนรู้ใจ หาเพื่อคุย หรือแม้กระทั่งหาคนในพื้นที่ที่สามารถพาเราไปเที่ยวได้ การที่ยิ่งมีผู้ใช้มากเท่าไหร่ การพัฒนาระบบก็ต้องดีมากขึ้นเท่านั้น จึงทำให้ทีมที่พัฒนาระบบต้องทำการบ้านอย่างหนักเพื่อที่จะทำให้การใช้งานของผู้ใช้นั้นรู้สึกดีตลอดเวลา
การที่ระบบของ Tinder ใช้การทำ Recommendation นั้นถือว่าเป็นการบริการเบื้องหลังที่สำคัญมาก ซึ่งเราจะเห็นได้เยอะใน Netflix, Spotify, LinkedIn, Google หรือ Amazon นอกจากจะมีระบบ Recommendation แล้วการที่จะแนะนำให้ถูกใจกับผู้ใช้ที่มีจำนวนมากมายที่ต่างสเปคกันนั้นเป็นเรื่องที่ไม่ง่ายเลยทีเดียว เพราะฉะนั้นกลยุทธ์การทำ Personalization ก็สำคัญไม่แพ้กัน
ให้ลองนึกว่าถ้าเราต้องการหาซื้อหนังสือที่ชอบใน Amazon แต่เรากลับหามันไม่เจอ เราจะรู้สึกอย่างไร ใน Tinder ก็เช่นกัน จึงทำให้ Tinder ต้องมีทีมพัฒนาระบบนี้ขึ้นมาโดยเฉพาะที่มีชื่อว่า TinVec ที่จะคอยเก็บและรวบรวมข้อมูลของผู้ใช้ที่ไม่ว่าจะปัดซ้ายปัดขวาก็จะบันทึกไว้หมดแล้ว ซึ่งด้านล่างเราจะมาอธิบายการทำงานให้เห็นถึงการทำงานของ TinVec ที่จะมาพร้อมกับกระบวนการในแง่ของ Design, Implementation และการทำ Evaluation ออกมาเพื่อที่จะตอบโจทย์ผู้ใช้ได้อย่างดีที่สุด
นี่คือผู้ใช้ของเรา ซึ่งจะถูกแบ่งออกเป็น 2 กลุ่ม ได้แก่ผู้ปัด (Swiper) และ ผู้ที่ถูกปัด (Swipee) โดยทั้ง 2 กลุ่มนั้นอาจะเป็นได้ทั้งผู้ปัดและผู้ถูกปัดได้ในเวลาเดียวกัน ซึ่งอย่างแรกที่ AI ของ TInder จะจับสังเกตุนั่นก็คือ
Type Match
รูปร่าง,ลักษณะ และท่าทางที่อยู่ในรูปภาพของ Tinder นั้นก็จะถูกพิจารณาในการจับคู่ของคุณเช่นกัน อย่างรูปภาพด้านล่างพอจะเดากันได้ไหมว่า Josh ปัดขวาเพื่อที่จะเลือกคนที่เขาถูกใจ (กรอบสีเขียว) จากอะไรบ้าง?
คำตอบก็คือผู้หญิงที่ตั้งโปรไฟล์โดยใส่แว่นทั้งหมด แล้ว Sarah หละ ? เธอเลือกจากคนที่ใส่หมวกทั้งหมด แต่ทราบกันไหมคะว่าทำไม David ก็ใส่หมวกเหมือนกัน แต่ทำไมไม่ถูกเลือก (กรอบสีแดง) เพราะว่า 3 คนที่เหลือมีหนวดเคราและใส่หมวกยังไงหล่ะ ซึ่งการทำงานแบบนี้เอง AI ก็จะสามารถจับได้ว่าลักษณะแบบไหนที่ผู้ใช้จะมีโอกาสเลือกมากที่สุด
ใน Tinder เองก็มีการใช้กระบวนการ Word Embedding ก็คือจะเอาคำพูดนั้นแปลงออกมาเป็นตัวเลข อย่างด้านล่างคำว่า “the quick brown fox jumped over the lazy dog”
Score
หลังจากนั้นก็จะถูกนำมาแปลงเป็นตัวเลข โดยทาง Tinder เองจะใช้โมเดลของ Skip-gram เข้ามาทำงาน ซึ่งวิธีการคำนวนเราจะขอไม่ลงลึกมาก แต่สามารถไปหาอ่านได้ที่นี่
หลังจากที่แปลงออกมาเป็นตัวเลขแล้วนั้นตัวเลขต่างๆ ก็จะถูกทำการจับกลุ่มออกมาและดึงคนที่มีลักษณะ หรือรูปร่างที่ดูคล้ายๆกันออกมาเพื่อที่จะทำการ Personalize Reccommend คนที่ตัวเองสนใจได้อย่างแม่นยำมากยิ่งขึ้น
จากทั้งหมดที่เล่าให้ฟังนั้นเป็นการทำงานที่อยู่เบื้องหลังของระบบ AI ซึ่งอย่างไรก็ตามในฐานะผู้ใช้นั้น สามารถเอาวิธีการเลือกคนที่จะมา Match ด้วยนั้นเกิดจากการเลือกของเราทั้งนั้น ซึ่งอาจจะเกิดจากรูปร่าง สไตล์การแต่งตัวที่เรามักจะกดเลือกปัดขวาออยู่บ่อยๆ อาจจะไปถึงอายุ การศึกษา และอาชีพการงานก็เป็นได้ หรืออาจจะสรุปได้สั้นๆว่าถ้าเราปัดขวาคนแบบไหนบ่อยๆ เราก็อาจจะได้เจอคนที่มีลักษณะใกล้เคียงมาให้เราเลือกอยู่บ่อยๆ ซึ่งขอบอกได้เลยว่างานนี้ไม่มีนกแน่นอนจ้า !
อ่านบทความอื่นๆ ที่เกี่ยวกับ Data-Driven ต่อ > https://everydaymarketing.co/tag/data-driven/
Source: https://www.slideshare.net/SessionsEvents/dr-steve-liu-chief-scientist-tinder-at-mlconf-sf-2017
