eBay一直在不断地收集消费者数据，并通过机器学习方法来吸引更多的消费者，提高交易可信度。

为了提升消费者在网站上的交互体验，eBay在网站中加入了机器学习方法。过去的四年里，eBay一直在收集消费者的搜索数据、搜索点击率等相关交互数据，然后把这些数据加载到其机器学习系统中。

在与InformationWeek的一次访谈中，eBay工程部副总裁Dan Fain透露了公司的计划安排及背后的商业动机。这是一个值得IT工程师们效仿的案例，他们可以在这种面向消费者的应用中加入机器学习系统，从而提高公司的市场占有率。

Fain说，消费者的搜索习惯、喜欢看什么网页、惯用语言、推荐商品与图片分析都是机器学习系统中的关键要素，而eBay把握住了这一点。

最至关重要的是，应用机器学习的目的旨在强化eBay网站的搜索功能。Fain在采访中说：“我们有多种机器学习模式，只为了保证给消费者呈现最佳匹配的搜索结果”。

eBay上售卖的物品超过十亿件，一不小心搜索结果就可能出错。因为这些搜索结果很大程度上取决于消费者输入的关键字，断字不一样，结果也可能不一样。例如，当搜索“缝纫机”时，消费者想要的可能是一个能缝纫的工具。

然而机器学习的结果向我们展示了：消费者搜索的缝纫机可能是祖辈用的老式缝纫机，也有可能是收藏爱好者向往的古董级缝纫机。

搜索关键字“缝纫机”会触发eBay检索其在售缝纫机存货，而机器学习系统则从搜索者的搜索历史中推测其想要的缝纫机类型。除此之外，机器学习系统也会监测网站上搜索缝纫机所有的消费者，观察他们是看了就走呢？还是看中了新款呢？那些收藏家们是怎样搜索古董级缝纫机的呢？

另一个例子：如果我们检索“瑞士手表、真皮表带”，这对网站的机器学习系统来说又是一种不同的挑战。一般的搜索引擎会分别返回一长列瑞士手表与一长列真皮手环。而如果客户想要的是“真皮表带的瑞士手表”，这种搜索结果显然没有任何意义。

Fain说：“面对这种搜索关键字，两种不同类别的商品需要互相包含。”尽管这种搜索关键字的出现频率很小，系统在匹配最佳搜索结果时依然会考虑长尾效应。Fain还指出，系统可通过对消费者搜索历史的分析，将一些几乎不会同时出现的名称联系在一起。

eBay的搜索引擎在判定搜索关键字的类别上十分谨慎小心，系统会根据关键字类别中的内容联合客户的其他线索信息，最后搜索出消费者感兴趣的商品。因此，在上述的搜索案例中，eBay的搜索引擎就能给消费者呈现带有真皮表带的瑞士手表中的热销商品。

一切为了交易

Fain说，截止2015年底，eBay有1.62亿活跃用户。而到了2016年 8月，这个数字已涨至1.64亿。对于eBay这样收益停滞不前甚至下跌的企业来说，小幅上涨的活跃用户是一个利好消息。因为电子商务行业竞争十分激烈，消费者们在网上购物的渠道也是五花八门。

而技术团队发展的机器学习系统给消费者提供的搜索结果越准确，消费者购买的可能性越大。因为搜索引擎呈现的信息很大程度上能引导这些潜在消费者。

面对国际消费者的搜索请求来说，机器学习的加入可以使搜索结果更加有效，因为他们更多的是用母语对商品进行描述而非商品产地语言。例如，如果要搜索带有金属饰片的博柏利手包，西班牙语和英语的处理方式就不一样。

eBay的翻译功能加入了机器学习，这减轻了非英语国家的国际消费者在消费时的困扰。无论商品在何地出售，包装上以何种语言书就，让消费者看懂商品简介，了解其应有的价值是非常重要的。

Fain称，eBay的搜索引擎加入了“最佳匹配”算法，系统可以分析消费者的已知信息、消费者搜索物品中最火热的是哪款以及消费者可能会购买什么商品。Fain说：“这便是eBay大规模应用机器学习的最好证明，这是一款促成交易的强有力武器”。

拿上文的“缝纫机”搜索举例，最佳匹配应按缝纫机价格排列。如果消费者使用的是台式机，eBay还能在屏幕空白处显示不同程度的“最佳匹配”，并附有消费者可能会搜索的物品种类（古董或收藏）。

在智能手机或其他移动设备上，屏幕尺寸使得呈现信息大大受限。那么问题来了，因为据Fain所说，eBay有50% 的交易都由移动设备端完成。如果消费者想要选择其他相关种类，只能点击链接打开新的页面。

为了保证搜索结果的匹配程度，eBay一直努力使其结果能准确反应商品市场价值，其搜索结果按价格从高到低排列。

交易可信度一直是eBay的重点课题。而机器学习可以识别出哪些是能反映可信度的指标（如，卖家的交易量），哪些不能。同理，如果卖家的差评或其他问题较多，其店铺在搜索结果中的排位会被系统自动拉低。

eBay在其网站加入机器学习旨在让卖家顺心、买家放心。Fain说，每完成一笔交易时，他都会问：

“这笔交易是否满足我们的标准？这些搜索结果虽然都源于客户的相关信息，但也是由机器学习所决定的。”

点击背后的海量信息

Fain想起了他在Yahoo工作的那五年，当时他的主要工作是处理网页点击量，而恰是这些网页能为eBay用户提供丰富的信息。

他表示，对系统来说，当年的一个点击仅仅意味着消费者对其感兴趣，没有更多深层次的信息。而现在eBay的系统可以分析消费者的点击流，从而促使消费者进行消费。

对机器学习系统来说，“下订单是一个非常强有力的信息证据”，而eBay也在一直收集消费者的购买订单，使其发挥出应有的效能。

目前，eBay工程部亦尝试用机器学习系统识别商户上传的图片质量，并告诉商户哪种图片才有可能引导消费者消费。它通过强大的图形图片处理单元并行处理来分析消费者对图片的感受情况。Fain说：“基于eBay从现实生活中挖掘出的庞大数据库，在图形图片处理单元的加持下，系统可以推测出更多的可能性。”

尽管Fain没有透露用于机器学习的服务器数量，但他表示那相当于一个服务器群。eBay发现机器学习系统是一个非常有价值的工具，所以其加大了对机器学习硬件的投入，雇佣了更多专业技术人员，开展了更多机器学习项目。“机器学习是我们的一笔大投资”，Fain说。