تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
ما هي الاقتراحات؟
كيف يحدد YouTube الفيديو الذي قد ترغب في مشاهدته تاليًا؟ كيف يعمل
هل تريد اختيار تطبيق مخصّص لك من "متجر Google Play"؟ سحر؟ لا، في كلتا الحالتين،
يحدّد نموذج الاقتراحات المستنِد إلى تعلُّم الآلة كيفية تشابه الفيديوهات
إلى مواضيع أخرى تعجبك، ثم تعرض الاقتراحات
يُستخدَم نوعان من الاقتراحات عادةً:
اقتراحات للصفحة الرئيسية
اقتراحات السلع ذات الصلة
اقتراحات الصفحة الرئيسية
يتم تخصيص اقتراحات الصفحة الرئيسية للمستخدم استنادًا إلى ما يعرفه
الاهتمامات. يرى كل مستخدم توصيات مختلفة.
عند الانتقال إلى الصفحة الرئيسية لتطبيقات Google Play، قد يظهر لك الخيار التالي:
اقتراحات للعناصر ذات الصلة
كما يشير الاسم، العناصر ذات الصلة هي اقتراحات مشابهة
عنصر معين. في مثال تطبيقات Google Play، يرى المستخدمون صفحة
قد يظهر لتطبيق للرياضيات أيضًا لوحة بالتطبيقات ذات الصلة، مثل قوانين الرياضيات أو العلوم الأخرى
التطبيقات.
أهمية الاقتراحات
يساعد نظام التوصية المستخدمين في العثور على محتوى مقنع ضمن مجموعة كبيرة.
على سبيل المثال، يوفّر "متجر Google Play" ملايين التطبيقات، بينما يوفّر YouTube
المليارات من مقاطع الفيديو. تتم إضافة المزيد من التطبيقات والفيديوهات يوميًا. كيف بإمكان
المستخدمين في العثور على محتوى جديد ومقنع؟ نعم، يمكن للمرء استخدام ميزة البحث للوصول إلى
المحتوى. ومع ذلك، يمكن لمحرك الاقتراحات عرض العناصر التي ربما
لم يفكروا في البحث بأنفسهم.
تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2024-07-26 (حسب التوقيت العالمي المتفَّق عليه)"],[[["\u003cp\u003eRecommendation models predict user preferences by analyzing similarities between items and past user interactions to suggest relevant content.\u003c/p\u003e\n"],["\u003cp\u003eTwo common recommendation types are homepage recommendations (personalized to individual users) and related item recommendations (similar to a specific item being viewed).\u003c/p\u003e\n"],["\u003cp\u003eRecommendation systems help users discover new and engaging content within vast collections like Google Play and YouTube, going beyond search functionality.\u003c/p\u003e\n"],["\u003cp\u003eRecommendations significantly influence user behavior, driving a substantial portion of app installs and video watch time on these platforms.\u003c/p\u003e\n"]]],[],null,["# Recommendations: what and why?\n\n\u003cbr /\u003e\n\nWhat are recommendations?\n-------------------------\n\nHow does YouTube know what video you might want to watch next? How does the\nGoogle Play Store pick an app just for you? Magic? No, in both cases, an\nML-based recommendation model determines how similar videos and\napps are to other things you like and then serves up a recommendation.\nTwo kinds of recommendations are commonly used:\n\n- home page recommendations\n- related item recommendations\n\nHomepage recommendations\n------------------------\n\nHomepage recommendations are personalized to a user based on their known\ninterests. Every user sees different recommendations.\n\nIf you go to the Google Play Apps homepage, you may see something like this: \n\nRelated item recommendations\n----------------------------\n\nAs the name suggests, **related items** are recommendations similar to a\nparticular item. In the Google Play apps example, users looking at a page for\na math app may also see a panel of related apps, such as other math or science\napps.\n\nWhy recommendations?\n--------------------\n\nA recommendation system helps users find compelling content in a large corpus.\nFor example, the Google Play Store provides millions of apps, while YouTube\nprovides billions of videos. More apps and videos are added every day. How can\nusers find new and compelling content? Yes, one can use search to access\ncontent. However, a recommendation engine can display items that users might\nnot have thought to search for on their own.\n| **Did you know?**\n|\n| - 40% of app installs on Google Play come from recommendations.\n| - 60% of watch time on YouTube comes from recommendations."]]
