เผย Algorithm ของ Tinder จับไต๋ AI ปัดอย่างไรให้ไม่นก!
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://www.everydaymarketing.co/tag/data-driven/
Source: https://www.slideshare.net/SessionsEvents/dr-steve-liu-chief-scientist-tinder-at-mlconf-sf-2017