سوالات متداول

در نکسینو، کاربری به‌عنوان فعال شناخته می‌شود که حداقل یک درخواست پیشنهاد یا ایونت (مانند مشاهده، خرید و غیره) ادر ۳۰ روز گذشته برای او ثبت شده باشد.

پس از پایان دوره آزمایشی، در صورتی که استفاده‌ی شما از ظرفیت پلن رایگان فراتر رفته باشد، جهت ادامه‌ی استفاده از خدمات لازم است به یکی از پلن‌های بالاتر ارتقا دهید. در غیر این صورت، می‌توانید تا زمان نرسیدن به سقف ظرفیت پلن رایگان، از همان پلن استفاده کنید.

شما فاکتور را ۳۰ روز پس از روز ارتقای پلن دریافت خواهید کرد. نکسینو همیشه هزینه خدمات ارائه‌شده در دوره قبلی را دریافت می‌کند، بنابراین فاکتور پس از ۳۰ روز استفاده ارسال می‌شود.

در پلن رایگان، می‌توانید تعداد محدود و مشخصی آیتم، کاربر و درخواست ارسال کنید. لطفاً توجه داشته باشید که پلن رایگان شامل پشتیبانی، تضمین‌ها یا توافق‌نامه‌های سطح خدمات (SLAs) نیست. اگر قصد دارید راهکار نکسینو را به‌صورت عملیاتی و در محیط تولید (Production) استفاده کنید، اکیداً توصیه می‌کنیم که به پلن‌های بالاتر ارتقا دهید. برای مقایسه پلن‌ها می‌توانید به بخش «قیمت‌ها» مراجعه کنید.

بله، حتی اگر برای یک ماه کامل از خدمات نکسینو استفاده نکنید، همچنان باید هزینه خدمات را پرداخت کنید. هنگامی که حساب نکسینو به پلن استاندارد ارتقا داده می‌شود، به سرور پریمیوم منتقل می‌شود که شامل پشتیبانی اولویت‌دار از تیم فنی ما و نرخ دسترسی بالاست.

سیستم پیشنهاددهنده یک فناوری است که در محیط‌هایی استفاده می‌شود که در آن اقلام (محصولات، فیلم‌ها، رویدادها، مقالات) برای کاربران (مشتریان، بازدیدکنندگان، کاربران اپلیکیشن، خوانندگان) یا برعکس پیشنهاد می‌شوند. معمولاً تعداد زیادی اقلام و کاربران در این محیط وجود دارند که حل این مسئله را دشوار و پرهزینه می‌کند.

به طور پیش‌فرض، مدل‌های مبتنی بر محتوا (پردازش متن، پردازش تصویر و انواع دیگر متاداده‌ها) برای کاربران یا اقلامی که هیچ تعامل قبلی ندارند، فعال می‌شوند. به محض این که حداقل یک تعامل از سوی کاربر یا با آیتم انجام شود، مدل‌های شخصی‌سازی شده شروع به کار می‌کنند. به این ترتیب، راه‌حل ما به طور روان مشکل شروع سرد را برطرف می‌کند.

بله، ما همیشه لیستی از ویژگی‌های جدید را بر اساس پیشنهادات مشتریان اولویت‌بندی می‌کنیم. تحقیقات، نوآوری‌ها، و خلق قابلیت‌های تازه جزو علایق اصلی ماست. برای آشنایی بیشتر با قابلیت‌های جدید مانند پیشنهادات معکوس و دیگر ویژگی‌های اخیر، به بلاگ نکسینو سر بزنید.

بله، قطعاً. کاربران ناشناس اهمیت زیادی دارند و نکسینو طوری طراحی شده که از رفتار آن‌ها بیاموزد و به صورت لحظه‌ای با تعاملاتشان سازگار شود. شما می‌توانید از هر شناسه‌ی منحصربه‌فردی مانند شناسه‌ی جلسه (Session ID) یا شناسه‌ی مشتری گوگل آنالیتیکس (GA clientID) برای شناسایی کاربر استفاده کنید. برای اطلاعات بیشتر می‌توانید به منابع ما مراجعه کنید.

بله، ما هرگز داده‌ها را با اشخاص ثالث به اشتراک نمی‌گذاریم. همچنین، داده‌ها بین مشتریان مختلف نیز به اشتراک گذاشته نمی‌شوند (هیچ غنی‌سازی داده‌ای بین پایگاه‌های داده انجام نمی‌شود).

اگر آیتم‌ها به‌طور طبیعی فاقد برخی ویژگی‌ها باشند، وجود فیلدهای خالی مشکلی ایجاد نمی‌کند. این آیتم‌ها همچنان می‌توانند برای پیشنهاد شدن مناسب باشند.

بله، تأثیر دارند. راهکار نکسینو از ترکیبی از مدل‌ها شامل فیلترسازی مشارکتی و مدل‌های مبتنی بر محتوا تشکیل شده است. در حالی که فیلترسازی مشارکتی وزن و اولویت بالاتری دارد، بخشی از پیشنهادها نیز با استفاده از مدل‌های مبتنی بر محتوا (بر اساس ویژگی‌های آیتم و کاربر) تولید می‌شوند.

الگوریتم‌های فیلترسازی مشارکتی زمانی به کار می‌روند که بخش بزرگی از آیتم‌ها دارای تعاملات کافی باشند (حداقل چند ده ایونت).

ردیابی کاربران بر عهده‌ی شماست. ما تنها به یک شناسه‌ی منحصر به فرد (String ID) برای هر کاربر نیاز داریم.

بله، علاوه بر ویژگی‌های آیتم و تعاملات کاربر، می‌توان از ویژگی‌های کاربر نیز برای تولید پیشنهادات استفاده کرد. ارسال ویژگی‌های کاربر اختیاری است. این ویژگی‌ها بیشتر برای کاربران جدید (شروع سرد) که هیچ تعامل قبلی ندارند، به کار می‌رود. اما وقتی کاربر تعاملاتی داشته باشد، نتایج تولیدشده توسط مدل‌های پیشرفته‌تر فیلترسازی مشارکتی ترجیح داده می‌شوند، زیرا معمولاً عملکرد بهتری دارند.

نامحدود. :)

در پلن رایگان، حداکثر می‌توانید دو پایگاه داده داشته باشید. اگر به تعداد بیشتری نیاز دارید، پیشنهاد می‌کنیم پلن خود را ارتقا دهید.

می‌توانید با استفاده از گزینه «بازنشانی پایگاه‌داده» در بخش تنظیمات پایگاه داده در داشبورد مدیریت، تمام محتوای پایگاه داده را پاک کنید.

بله، ما می‌توانیم ورودی مستقیم کاربر مانند:

• دسته‌بندی‌های مورد علاقه
• موضوعات مورد علاقه
• موقعیت جغرافیایی انتخاب‌شده
• عبارت جستجو (Semantic/Full-text)

را در نظر بگیریم. این اطلاعات می‌توانند به صورت ویژگی‌های کاربر (متادیتا) یا همراه با هر درخواست پیشنهاد ارسال شوند، بسته به ترجیح شما.

بله، نکسینو یک سیستم پیشنهاددهنده‌ی لحظه‌ای (Real-Time) است.

تعاملات کاربر در عرض چند میلی‌ثانیه پردازش می‌شوند و در درخواست پیشنهاد بعدی به‌طور کامل در نظر گرفته می‌شوند.

بله، ما قادر هستیم نوع دستگاه را در نظر بگیریم، زیرا نوع محتوایی که در دستگاه‌های مختلف مصرف می‌شود ممکن است کمی متفاوت باشد.

اکثریت مدل‌های ما کاملاً لحظه‌ای هستند و از آموزش تدریجی استفاده می‌کنند. به همین دلیل، کاربران می‌توانند از پیشنهاداتی بهره‌مند شوند که بلافاصله به تعاملات آن‌ها واکنش نشان می‌دهند و همچنین به سرعت از اخبار فوری مطلع شوند.

مدل‌هایی که نیاز به پردازش دسته‌ای دارند (مانند مدل‌های عصبی که بر اساس متن و تصاویر مقالات کار می‌کنند) به‌صورت دوره‌ای و خودکار بازآموزی می‌شوند. نیازی به فعال‌سازی دستی فرآیند آموزش نیست.

خیر، نکسینو می‌تواند تحلیل‌هایی مانند مقالات پربازدید (ترند) را از تعاملات دریافت‌شده محاسبه کند.

نیازی به نگهداری دستی مدل‌ها نیست؛ مدل‌ها به‌صورت خودکار به‌روزرسانی می‌شوند. اکثریت مدل‌ها کاملاً لحظه‌ای هستند و از یادگیری تدریجی استفاده می‌کنند. مدل‌هایی که به پردازش دسته‌ای نیاز دارند (مانند برخی مدل‌های عصبی که بر اساس متون مقالات کار می‌کنند) به‌صورت دوره‌ای و خودکار بازآموزی می‌شوند. نکسینو به‌طور دقیق نظارت می‌کند که مدل‌ها همیشه به‌روز باشند.

می‌‌توانید به بخش مستندات فنی مراجعه کنید.

در سرویس‌های غیرسازمانی شما می‌توانید به ازای هر آیتم تا سقف ۲۵ فیلد را اضافه کنید. پس از آن در صورت نیاز به فیلد جدید، لازم است یکی از فیلدهای قبلی را حذف نمایید. در سرویس‌های سازمانی تعداد فیلدها متناسب با نیاز شما شخصی‌سازی می‌شوند.

ارائه برخی ویژگی‌های ساختاریافته (مانند دسته‌بندی‌ها، برچسب‌ها و غیره) برای مدل‌ها مفید است، اما ویژگی‌های متن ساده هم مشکلی ندارند. ما مدل‌های NLP داریم که قادر به پردازش متون خام هستند.

ما از مجموعه‌ای از الگوریتم‌های فیلتر مشارکتی (تجزیه ماتریس، نزدیک‌ترین همسایگی و غیره) که بر تعاملات (مشاهده‌ها، خریدها و غیره) کار می‌کنند و الگوریتم‌های مبتنی بر محتوا که بر ویژگی‌های آیتم (عناوین، توضیحات و غیره) کار می‌کنند، استفاده می‌کنیم.

انتخاب الگوریتم‌های مورد استفاده به‌صورت خودکار انجام می‌شود - اگر تعاملات زیادی وجود نداشته باشد (برای مثال در مورد آیتم‌های جدید)، الگوریتم‌های مبتنی بر محتوا انتخاب می‌شوند. در صورت وجود تعداد کافی تعاملات، الگوریتم‌های فیلتر مشارکتی ترجیح داده می‌شوند زیرا معمولاً بهترین نتایج را ارائه می‌دهند.

برای دریافت معیارهای موفقیت دقیق در رابط کاربری داشبورد (تعداد کلیک‌ها از توصیه‌ها در یک سناریوی خاص و غیره)، بهتر است هر زمان که تعامل به دلیل کلیک روی یک آیتم توصیه‌شده باشد پارامتر اختیاری recommId را برای ایونت‌ها تعاملی کاربران تنظیم کنید.

هیچ یکپارچه‌سازی جانبی موردنیاز نیست.