Tài liệu kiến trúc hệ thống Cá nhân hóa (Personalization) kết nối trực tiếp với Rule Engine, đảm bảo AI tư vấn chuẩn xác và an toàn tuyệt đối.
Sợ AI đoán sai gu của khách rồi tư vấn tào lao? Đây là cơ chế bảo vệ tối thượng. Quy tắc vàng: "Biết chắc thì tư vấn chuẩn gu. Không chắc thì tư vấn an toàn quốc dân".
Khách mua 1 cái áo tặng người thân -> AI Infer ra `streetwear` nhưng Confidence chỉ đạt 0.3.
Khách làm Quiz "Tôi thích đồ công sở" -> Confidence đạt 0.9.
Cấu trúc bảng Profile gọn gàng, áp dụng luôn cho Phase 1 & 2. Bảng này nắm giữ "Sở thích" của user, liên kết trực tiếp với bảng `ai_outfit_rules`.
| Tên Cột | Kiểu Dữ Liệu | Ví Dụ Thực Tế | Ý Nghĩa |
|---|---|---|---|
| user_id | INT | 1001 | Mã định danh khách hàng. |
| lifestyle_segment | TEXT | 'office_basic' | Chìa khóa móc sang Bảng 1 (`ai_outfit_rules`) |
| segment_confidence | FLOAT | 0.85 | Độ tự tin (0.0 đến 1.0). Dưới 0.5 thì bỏ, quay về dùng 'all'. |
| segment_source | TEXT | 'quiz' | Nguồn ra cái Tag này (VD: `quiz`, `purchase_history`, `llm_infer`). |
| fit_preference | TEXT | 'slimfit' | (Phase 2) Form dáng khách thích để lọc lúc search DB. |
| color_palette | TEXT | 'neutral' | (Phase 2) Bảng màu khách thích. |
Phát triển theo từng giai đoạn, tránh tình trạng "Dao mổ trâu giết gà", tối ưu hóa chi phí và đảm bảo hệ thống chạy ổn định từ ngày đầu tiên.
Làm cái Form lúc tải App. Khách tick 3 phát là có ngay confidence = 0.9. Không tốn 1 đồng chạy AI, dữ liệu sạch 100%.
Tận dụng Data Warehouse (StarRocks) hiện tại. Phân tích giỏ hàng để cập nhật liên tục điểm confidence tự động.
Chỉ áp dụng khi có hàng triệu user. Dùng Vector Search phức tạp để gộp những người "có gu giống nhau". Đừng làm vội ở hiện tại tránh Overkill.
Designed for CANIFA AI Stylist • Personalization Architecture