使用匹配分数演变个性化建议

对于大多数买家来说,寻找一个梦想家是一个艰巨的任务。在Realtor.com,我们使用称为“匹配分数”的系统帮助用户在旅程中,从用户的角度来看,评估任何家庭的相对重要性。用户的匹配得分是从用户搜索历史推断出来的各种功能,例如平均房屋价格,床,浴室和批量平方英尺。由于用户与Realtor.com上的Homes进行交互,因此分数是实时计算的,这将估计用户对特定家庭的偏好。

匹配分数是一款通用个性化模型,可用于个性化网站的许多方面。例如,类似的家庭是Realtor.com上突出的机器学习模块,使用户能够找到与他们正在寻找的房屋类似的家庭。类似的家庭机器学习模型推荐类似房屋现在将为每个用户使用匹配分数个性化。匹配分数还将推动通知系统对每个用户的潜在候选家庭排名。

您可能希望收到市场上个性化最佳家园的通知!

机器学习项目的生命周期始终迭代以收集数据,火车和服务模型。在这个博客文章中,我们描述了最终的设计和实施匹配分数,沿途面临的挑战。

继续阅读 “使用匹配分数演变个性化建议”

个性化推荐的家庭

房地产个性化服务在家庭购买经验的不同阶段提供个性化房地产内容。提供无摩擦的家庭购买经验,我们设计了个性化推荐的家庭服务.

当用户通过单击找到一个有趣的家庭时,推荐的主机使他们能够通过了解用户来探索相关的新主页列表’最后搜索,历史和兴趣。这将帮助用户探索更多相关的新列表,而无需返回搜索页面。

向用户推荐新房是一个具有挑战性的问题。访问Realtor.com的许多用户是新用户 或没有注册帐户的新家庭买家,他们没有以前的搜索历史记录。这种情况导致了冷启动问题对于许多智能系统,我们将在后面的部分中讨论更多。为避免此问题,我们使用类似的家庭模块应用混合方法并倒置逻辑,以提供有用的信息,并改善个性化的购房体验。

在这篇文章中,我们将讨论我们在Realtor.com上提供推荐的家庭服务的解决方案。我们使用机器学习技术,尤其是协同过滤,了解有关用户行为的更多信息。我们的目标是在使用Realtor.com找到一个家庭购买者的个性化内容。

继续阅读 “个性化推荐的家庭”