گوگل دیسکاور (Google Discover) برای بسیاری از ناشران، تولیدکنندگان محتوا و جامعه بازاریابی جستجو (سئو) همچنان یک معمای بزرگ است؛ حتی با وجود اینکه گوگل راهنماهای رسمی متعددی درباره چیستی آن و مواردی که ناشران باید بدانند، منتشر کرده است. با این حال، این ویژگی چنان مرموز به نظر می رسد که عموماً حتی به عنوان یک «سیستم توصیه گر» (Recommender System) در نظر گرفته نمی شود، در حالی که ماهیت واقعی آن دقیقاً همین است.
این مقاله، مروری بر یک مقاله پژوهشی کلاسیک و معتبر است که نشان می دهد چگونه می توان یک سیستم توصیه گر را در مقیاس وسیع توسعه داد. اگرچه این پژوهش در ابتدا برای الگوریتم های یوتیوب (YouTube) انجام شده است، اما اصلاً سخت نیست که تصور کنیم چنین سیستمی چگونه می تواند برای گوگل دیسکاور نیز بهینه سازی و تطبیق داده شود.
سیستم های توصیه گر
گوگل دیسکاور به دسته ای از سیستم های مبتنی بر هوش مصنوعی تعلق دارد که با نام «سیستم های توصیه گر» شناخته می شوند. یکی از سیستم های توصیه گر کلاسیک که به خاطر دارم، سیستم MovieLens در سال ۱۹۹۷ است. این یک پروژه علمی دانشگاهی بود که به کاربران اجازه می داد به فیلم ها امتیاز دهند و سپس از همان امتیازات برای پیشنهاد فیلم های جدید استفاده می کرد.
شیوه کار آن بسیار ساده بود: «افرادی که به این نوع فیلم ها علاقه دارند، معمولاً از این دسته دیگر از فیلم ها نیز خوششان می آید.» (مشابه چیزی که امروزه در پلتفرم های پخش فیلم ایرانی یا فروشگاه های اینترنتی می بینیم). اما این نوع الگوریتم های ابتدایی محدودیت هایی دارند که باعث می شود برای مقیاس های عظیمی که جهت شخصی سازی پیشنهادات در یوتیوب یا گوگل دیسکاور نیاز است، ناکارآمد باشند.
یک متخصص تحریریه در حال کار بر روی یک تقویم محتوایی، با استفاده از داده های زنده و تحلیل ترندها، بین اخبار در لحظه و مقالات عمیق تعادل ایجاد می کند.
مدل سیستم توصیه گر دو برجی
سبک مدرن سیستم های توصیه گر گاهی با نام «معماری دو برجی» یا «مدل دو برجی» شناخته می شود. مدل دو برجی در ابتدا به عنوان راهکاری برای حل مشکلات یوتیوب به وجود آمد، هرچند که در مقاله پژوهشی اصلی (با عنوان شبکه های عصبی عمیق برای توصیه های یوتیوب) مستقیماً از این اصطلاح استفاده نشده است.
شاید در نگاه اول غیرمنطقی به نظر برسد که برای درک الگوریتم گوگل دیسکاور به سراغ یوتیوب برویم؛ اما واقعیت این است که سیستمی که گوگل برای یوتیوب توسعه داد، به پایه و اساسی تبدیل شد تا نشان دهد چگونه می توان یک سیستم توصیه گر را برای محیطی مقیاس پذیر کرد که در آن روزانه و در هر ۲۴ ساعت، حجم عظیم و بی وقفه ای از محتوا در حال تولید است.
برای اینکه محتوای سایت شما در چنین سیستم عظیمی دیده شود، زیرساخت سایت و کدنویسی استاندارد حرف اول را می زند. ما در تیم دانش وب (ارائه دهنده خدمات تخصصی طراحی سایت و سئو)، همواره زیرساخت هایی را برای مشتریانمان پیاده سازی می کنیم که بالاترین سازگاری را با استانداردهای خزش و ایندکس گوگل داشته باشند تا شانس ورود به دیسکاور به حداکثر برسد.
این معماری را «دو برجی» می نامند زیرا در آن دو نمایشگر یا نماینده مجزا (مانند دو برج) وجود دارند که در نهایت با یکدیگر تطبیق داده می شوند.
در این مدل – که وظیفه «بازیابی» (Retrieval) اولیه محتوا از دیتابیس را بر عهده دارد – یک شبکه عصبی، اطلاعات کاربر را پردازش می کند تا یک «تعبیه کاربر» (User Embedding) بسازد؛ در حالی که آیتم های محتوایی (مثل مقالات یا ویدیوها) نیز توسط تعبیه های اختصاصی خودشان نمایندگی می شوند. این دو نماینده به جای اینکه در یک شبکه واحد با هم ترکیب شوند، با استفاده از امتیازدهی شباهت (Similarity Scoring) در یک فضای ریاضی با یکدیگر مطابقت داده می شوند.
دوباره تأکید می کنم که مقاله پژوهشی از اصطلاح «معماری دو برجی» استفاده نکرده است؛ بلکه این توصیفی است که بعدها برای این نوع رویکرد ایجاد شد. بنابراین، با وجود اینکه کلمه «برج» در مقاله نیامده، من استفاده از آن را ادامه می دهم زیرا تجسم آنچه در این سیستم توصیه گر رخ می دهد را بسیار آسان تر می کند.
برج کاربر
برج کاربر مواردی مانند تاریخچه تماشای کاربر (یا تاریخچه وب گردی)، توکن های جستجو، موقعیت مکانی و اطلاعات جمعیت شناختی اولیه را پردازش می کند. سیستم از این داده ها برای ایجاد یک نمایش برداری (Vector Representation) استفاده می کند که علایق خاص کاربر را در یک فضای ریاضی (Mathematical Space) نگاشت می کند.
برج آیتم
برج آیتم، محتوا را با استفاده از بردارهای تعبیه (Embedding Vectors) آموخته شده نمایندگی می کند. در پیاده سازی اولیه یوتیوب، این بردارها در کنار مدل کاربری آموزش داده می شدند و برای بازیابی سریع ذخیره می گشتند. این کار به سیستم اجازه می دهد تا «مختصات» کاربر را در یک لحظه با «مختصات» میلیون ها ویدیو مقایسه کند، بدون اینکه مجبور باشد هر بار که فید (Feed) خود را رفرش می کنید، یک تحلیل پیچیده و سنگین روی تک تک ویدیوها انجام دهد.
این تصویر به صورت مفهومی نشان می دهد که سیستم های توصیه گر باید سوگیری نسبت به گذشته را از بین برده و بر اساس زمان تماشای واقعی و رضایت، محتوا را رتبه بندی کنند.
مشکل محتوای تازه
مقاله پژوهشی گوگل دیدگاه جالبی درباره «تازگی» (Freshness) ارائه می دهد. مشکل تازگی به عنوان یک مصالحه (Tradeoff) میان «بهره برداری» (Exploitation) و «اکتشاف» (Exploration) توصیف می شود.
سیستم توصیه گر یوتیوب باید تعادلی ایجاد کند بین نشان دادن محتوایی که از قبل می دانیم محبوب است (بهره برداری) و در معرض دید قرار دادن محتوای جدید و اثبات نشده برای کاربران (اکتشاف). آنچه گوگل را ترغیب می کند تا محتوای جدید اما اثبات نشده را نشان دهد (حداقل در فضای یوتیوب)، این است که کاربران تمایل بسیار شدیدی به محتوای جدید و تازه نشان می دهند.
مقاله پژوهشی توضیح می دهد که چرا محتوای تازه مهم است:
«هر ثانیه به اندازه چندین ساعت ویدیو در یوتیوب آپلود می شود. توصیه این محتوای اخیراً آپلود شده (“تازه”) برای یوتیوب به عنوان یک محصول، بی نهایت مهم است. ما به طور مداوم مشاهده می کنیم که کاربران محتوای تازه را ترجیح می دهند، البته نه به قیمت از دست رفتن ارتباط و تناسب محتوا.»
این تمایل به نمایش محتوای تازه در مورد گوگل دیسکاور نیز کاملاً صدق می کند؛ جایی که گوگل تمایل دارد محتوای تازه ای را پیرامون موضوعاتی که شخصِ کاربر در حال حاضر پیگیر آن هاست، نشان دهد. تا به حال دقت کرده اید که گوگل دیسکاور چقدر به محتوای دست اول و تازه علاقه دارد؟ بینش هایی که پژوهشگران درباره ترجیحات کاربران داشتند، به احتمال زیاد به سیستم توصیه گر گوگل دیسکاور نیز منتقل شده است.
نکته کلیدی و کاربردی در اینجا این است که: تولید و انتشار محتوای مستمر، منظم و به روز، می تواند کمک بسیار بزرگی برای بالا آوردن صفحات وب سایت شما در گوگل دیسکاور باشد.
یک بینش بسیار جالب در این مقاله پژوهشی وجود دارد (که نمی دانم آیا هنوز هم کاملاً صادق است یا نه، اما همچنان جذاب است)؛ پژوهشگران بیان می کنند که الگوریتم های یادگیری ماشین یک «سوگیری پنهان» (Implicit Bias) به سمت محتوای قدیمی تر و موجود دارند، زیرا آن ها بر اساس داده های تاریخی آموزش دیده اند.
آن ها در این باره توضیح می دهند:
«سیستم های یادگیری ماشین اغلب یک سوگیری ضمنی نسبت به گذشته از خود نشان می دهند، زیرا آن ها آموزش دیده اند تا رفتارهای آینده را از روی نمونه های تاریخی پیش بینی کنند.»
شبکه عصبی بر روی ویدیوهای گذشته آموزش می بیند و یاد می گیرد که مثلاً چیزهایی که یکی دو روز پیش منتشر شده اند، محبوب بوده اند. اما این امر یک سوگیری برای اتفاقات گذشته ایجاد می کند. روشی که آن ها برای حل مشکل تازگی به کار بردند این بود که هنگام توصیه ویدیوها به کاربر، این ویژگیِ مبتنی بر زمان را روی «صفر روز پیش» (یا حتی کمی منفی) تنظیم کردند. این کار به مدل سیگنال می دهد که باید پیش بینی خود را در انتهای پنجره آموزشی انجام دهد و عملاً آن را مجبور می کند تا پیش بینی کند «چه چیزی در همین لحظه محبوب است» به جای اینکه «چه چیزی در گذشته به طور میانگین محبوب بوده است».
دقت داده های کلیک
مقاله بنیادی گوگل همچنین بینش های مهمی درباره سیگنال های بازخورد ضمنی کاربران (که اشاره ای به داده های کلیک یا Click Data است) ارائه می دهد. پژوهشگران می گویند این نوع داده ها به ندرت اطلاعات دقیقی از میزان رضایت واقعی کاربر ارائه می دهند.
پژوهشگران می نویسند:
«نویز (Noise): پیش بینی رفتار تاریخی کاربر در یوتیوب به دلیل پراکندگی داده ها و عوامل خارجی غیرقابل مشاهده متعدد، ذاتاً دشوار است. ما به ندرت به حقیقتِ مطلقِ میزان رضایت کاربر دست پیدا می کنیم و به جای آن، سیگنال های بازخورد ضمنیِ پر از نویز (مثل کلیک ها) را مدل سازی می کنیم. علاوه بر این، متادیتاهای مرتبط با محتوا بدون یک هستی شناسی (Ontology) تعریف شده، ساختار ضعیفی دارند. الگوریتم های ما باید در برابر این ویژگی های خاصِ داده های آموزشی ما، مقاوم و پایدار باشند.»
پژوهشگران مقاله را با این بیان به پایان می رسانند که این رویکرد به سیستم های توصیه گر، به افزایش زمان تماشای کاربران (Watch Time) کمک کرده و ثابت کرده است که از سایر سیستم ها مؤثرتر است.
آن ها می نویسند:
«ما معماری شبکه عصبی عمیق خود را برای توصیه ویدیوهای یوتیوب توصیف کرده ایم که به دو مسئله مجزا تقسیم می شود: تولید کاندیدا (Candidate Generation) و رتبه بندی (Ranking).
مدل فیلتر مشارکتی عمیق ما قادر است سیگنال های بسیاری را به طور مؤثر ترکیب کرده و تعامل آن ها را در لایه های عمیق مدل سازی کند که عملکردی بهتر از رویکردهای قبلی در یوتیوب دارد.
ما نشان دادیم که استفاده از سنِ نمونه آموزشی به عنوان یک ویژگی ورودی، سوگیری ذاتی نسبت به گذشته را از بین می برد و به مدل اجازه می دهد تا رفتار وابسته به زمانِ ویدیوهای محبوب را نشان دهد. این کار نتایج را به شدت بهبود بخشید و زمان تماشا را در تست های A/B روی ویدیوهای اخیراً آپلود شده به طرز چشمگیری افزایش داد.
رتبه بندی (Ranking) یک مسئله کلاسیک تر در یادگیری ماشین است؛ با این حال رویکرد یادگیری عمیق ما در پیش بینی زمان تماشا از روش های خطی و درختیِ پیشین پیشی گرفت. سیستم های توصیه گر به طور خاص از ویژگی های تخصصی که رفتار گذشته کاربر با آیتم ها را توصیف می کنند، بهره می برند.»
اگرچه این مقاله پژوهشی ده سال قدمت دارد، اما هنوز هم دیدگاه های ارزشمندی درباره نحوه عملکرد سیستم های توصیه گر ارائه می دهد و کمی از رمز و راز الگوریتم هایی مانند گوگل دیسکاور پرده برمی دارد.
نتیجه گیری
گوگل دیسکاور دیگر یک جعبه سیاه غیرقابل نفوذ نیست. با درک مدل «دو برجی» (Two-Tower) متوجه می شویم که الگوریتم های گوگل چگونه علایق کاربر را با ویژگی های محتوا در کسری از ثانیه تطبیق می دهند. برای موفقیت در دیسکاور و جذب ترافیک انفجاری، شما به دو بال نیاز دارید: تازگی محتوا و کیفیت فنی. سیستم های هوش مصنوعی گوگل تشنه محتوای جدیدی هستند که نیازهای در لحظه ی کاربر را پاسخ دهند. از طرفی، بدون داشتن یک سایت سریع، واکنش گرا و بهینه سازی شده، حتی بهترین محتواها نیز فرصت نمایش در دیسکاور را پیدا نمی کنند. اگر می خواهید استراتژی تولید محتوا و زیرساخت سایت خود را دقیقاً بر اساس همین الگوریتم های مدرن پایه ریزی کنید، تیم متخصصان دانش وب در بخش سئو و طراحی سایت آماده اند تا مسیر ورود شما به گوگل دیسکاور را هموار کنند. روی خلق ارزش تمرکز کنید و اجازه دهید سیستم های توصیه گر گوگل، مخاطبان واقعی را به سمت کسب وکار شما هدایت کنند.