Сегодня большая часть нашей жизни проходит по определенным алгоритмам. Потоковые сервисы решают, какие фильмы и телепередачи подойдут нам на основе нашей предыдущей истории просмотра, а приложения для знакомств подбирают кандидатуры.
Итак, как именно стартапы справляются с разработкой этих алгоритмов сопоставления и чему может научиться средний предприниматель на этих примерах?
Примеры алгоритмов работы известных компаний
Сервисы совместного пользования, такие как Uber, используют специальный алгоритм отправки, чтобы убедиться, что самый близкий и наиболее подходящий автомобиль для поездки - это всегда тот, который подходит для него. Несмотря на такую простую предпосылку, архитектура алгоритма довольно сложна.
Есть две основные цели: получить быстрое прибытие для заказчиков и максимизировать количество поездок, которое может получить каждый водитель. Uber использует агентное моделирование, чтобы экспериментировать с различными комбинациями параметров, дающими разные результаты, вычисляя такие факторы, как независимые водители в роуминге или стационарные, и насколько близки различные водители к водителям по всему городу. Только благодаря интенсивным экспериментам и постоянным изменениям Uber смог найти надежный алгоритм, который подходит как пассажирам, так и водителям.
Медицинские алгоритмы
Алгоритмы, относящиеся к медицине и здравоохранению, как правило, предназначены для поиска соответствия на основе биологической совместимости. Например, ConceiveAbabilities использует алгоритмический подход Matching Matters, чтобы попытаться сопоставить суррогатов, доноров и родителей на основе опыта и предпочтений по ряду различных аспектов. Это включает в себя историю болезни, а в некоторых случаях даже личностные качества.
Некоторые вопросы здоровья являются более простыми, чем другие. Например, существует восемь различных групп крови и четкая иерархия донорской ценности в зависимости от типа получателя. Отрицательный донор технически является универсальным донором, способным сдавать кровь любому реципиенту, независимо от группы крови, но в большинстве случаев отрицательный реципиент будет лучше с отрицательным донором. Алгоритмы также должны включать такие данные, как текущие уровни питания, редкость каждого типа крови и текущие совокупные потребности пациента.
Потоковые сервисы
Множество алгоритмов скрывается за рекомендациями, которые вы видите в потоковых сервисах. Подсчитано, что 80 процентов телешоу и фильмов на Netflix найдены через его систему рекомендаций.
Как и следовало ожидать, Netflix собирает тысячи точек данных, прежде чем давать рекомендации, вычисляя, сколько часов вы тратите на просмотр, какие шоу и фильмы вы смотрите, что у вас есть в списке и исторически.
Затем Netflix сортирует людей по различным «вкусовым группам» или группам людей, которые имеют схожие предпочтения. Затем новые рекомендации сортируются в ряд строк с высокой вероятностью совпадений в верхнем левом углу, а убывающие совпадения - в правом и нижнем.
Spotify делает нечто подобное, хотя в большей степени полагается на музыку, которую предпочитают отдельные слушатели.
Приложения для знакомств
Одна из самых интересных ниш для алгоритмов - это их применение в мире приложений для знакомств, которые пытаются сопоставить людей на основе романтической совместимости, используя лишь несколько факторов. Например, Tinder хранит секретный внутренний рейтинг, оценивая отдельных пользователей в зависимости от того, насколько часто они нравятся, и взвешивая их в зависимости от того, насколько привлекательны они. В конце концов, люди объединяются в группы.
С большей вероятностью вас будут показывать в стеке того же уровня, что и вы. Конечно, приложение также объединяет другие факторы, такие как возраст, местоположение и сходство профилей между потенциальными совпадениями.
Принципы составления алгоритмов
Конечно, нельзя полностью раскрыть секреты алгоритмов компаний, но тем не менее, есть некоторые важные выводы, которые следует учитывать. Во-первых, качественные алгоритмы делают определения, основанные на нескольких целях, а не просто имеют одну цель.
Во-вторых, они опираются на огромные наборы данных. Наконец, алгоритмы постоянно развиваются, позволяя им адаптироваться к новым открытиям и постепенно приближаться к совершенству.
Разработать алгоритм с нуля непросто, но он может стать одним из важнейших факторов долгосрочного успеха вашего бизнеса, подсказывая оптимальные варианты работы и давая возможность обойти конкурентов.
