Как да предскажа какво ще иска човек след пет години
Използването на невронни мрежи е един от начините за промяна
Историята на продажбите се използва за анализ, типмагазин, неговия асортимент. Американският търговец на дребно Macy’s използва подобни механизми. Всяко взаимодействие на потребителя със сайта актуализира масив от данни за човек и машинните алгоритми реагират по-бързо на свежа информация, отколкото реалните служители. Nike е изградил изцяло нови магазини на Nike Live около идеята за персонализация, с които купувачът взаимодейства само с инсталираното приложение - това му помага да стане част от общността и да получава най-персонализираните оферти, както и месечни подаръци от марката . С персонализацията Nike увеличи вероятността да закупи своите продукти с 40 пъти.
Невронните мрежи са способни да предвидят не само ефектаот промоции. На уебсайтовете на онлайн магазини те анализират предишни покупки на човек и стигат до извода например, че закупената преди месец захар трябва да изтече през следващите дни. Така че е време да предложите на човек да поднови резервите си.
Разработката на чатбот е друго приложениеневронни мрежи. Виртуалните асистенти премахват необходимостта от голям персонал в кол центъра и са доста ефективни. Те предоставят по-подробна информация по-бързо от жив човек и отговарят на всеки въпрос относно продукт или услуга - чак до най-близкия търговски адрес.
В онлайн магазините невронните мрежи могат да създаватлични препоръки не само въз основа на това, което човек е гледал наскоро, но и като се вземе предвид неговия портрет (пол, възраст, националност и други параметри).
Анализатори прогнозират експлозивен ръст на инвестициите вПроекти, свързани с AI след пандемията. Сред ИТ стартъпите се появяват все повече проекти, базирани на изкуствен интелект и ML, защото има търсене. Търговията на дребно все повече използва AI: за избор на асортимент за магазини, разработване на промоции, прогнозиране на цени и търсене на стоки. Появяват се пълноценни магазини, работещи на невронни мрежи - Amazon Go, Pro Market в Сколково. Анализът на Big Data и обработката им от невронни мрежи позволява например да се види, че потребителите, които туитват с етикета #sneakers, също често прикачват таговете #ASICS или #Nike. Това дава сигнал на търговеца кои продукти да включва по-често в рекламните кампании.
В Amazon AI прави селекция от продукти, коиточовек може да добави количка точно сега. За целта се анализират кохортите от потребители на сайта или мобилното приложение, информация за това, което тези потребители харесват и какво не, какви други хора (подобно на тази, за която в момента се избира продуктът) са търсили и купували. Обикновено през декември на американка ще се предлагат стоки за Коледа, а на рускиня ще се предлага нещо, свързано с Нова година. Благодарение на механизмите за препоръки, базирани на невронни мрежи, Amazon генерира 55% от продажбите си. Компанията казва, че прогнозира поведението на потребителите дори пет години напред.
През 2016 г. Amazon предостави достъп до оригиналакод на неговия алгоритъм за интелигентни препоръки и също покани други играчи да интегрират тези механизми. В скорошен доклад от Камарата на представителите на САЩ Amazon беше обвинен в монопол (в сегмента на електронната търговия) и в използване на данни от конкурентни продавачи за свои интереси. И според Wall Street Journal, служителите на Amazon анализират данни за продажбите на трети страни, за да работят върху своите продукти с марка Amazon.
Как работи рекламата, която знае всичко за вас
Име, телефонен номер или имейл, който човек можеоставят го сами, но други данни, често дори по-важни за бизнеса, се събират автоматично. За това помагат специалните кодове, вградени в интернет страницата. Най-популярната опция е пиксел: скрипт (част от JavaScript код), който зарежда невидимо изображение на страница. Той предава събраната информация на сървъра, където тя се обработва, анализира и използва за формиране на лични оферти на лицето, което е влязло в сайта.
Маркетолозите активно използват пиксели отFacebook и Google. Голям плюс на такива кодове е, че колкото повече различни компании ги използват, толкова по-широка става базата и толкова по-ефективен е анализът на получените данни. И колкото по-често потребителят посещава сайта, толкова по-активно нараства неговата идентификационна база (лична папка с информация).
Пикселът събира не само статична информация(например IP, който ни позволява да разберем местоположението на потребителя), но също така и динамични - действията на човек в сайта. Обикновено, ако разглежда две ризи в каталога на онлайн магазин, невронната мрежа може да му предложи да се запознае с други подобни модели или да вземе части за цялостен ансамбъл: панталони, яке, аксесоари.
В зависимост от това как точно се изпълнявапиксел в кода на страницата, се определя моментът на събиране на информация. Той може да бъде конфигуриран да дефинира целенасочени действия, които не са свързани с презареждане на уебсайтове и промени в страници - например потребител харесва продукт или го маркира със звездичка, за да бъде поставен в списъка с желания. Също така, пикселът е конфигуриран да анализира информация за презареждане на страници: това ви позволява да анализирате къде точно посещава човек. Третият вариант е да се приложи пиксел за кликвания върху връзки, включително партньорски. Поради това можете да проследявате интересите на трети страни на човек. Например на уебсайта на полилеите той вижда предложение за нова колекция порцеланови каменни изделия от партньор и отива там.
Технологиите работят не само в права линия:ако човек активно проучва бебешки колички в различни сайтове, невронната мрежа ще му покаже оферта от център за репродуктивна медицина или производител на бебешки креватчета. Тъй като алгоритмите вече са считали този човек за родител и са готови да подадат няколко подходящи предложения наведнъж.
Компаниите активно купуват данни за типичнимодели (модели) на поведение на различни категории клиенти, могат да обменят пиксели с партньори и да умножават основата. Ако разгледаме Facebook Pixel, тогава акаунтът на човека във Facebook, промените, които са настъпили в него (разведен, сменена работа и т.н.), предприетите от него действия, до спиране на вниманието върху рекламата (дори ако не кликнете на него), предоставете и допълнителна информация.
Пикселът работи съвместно с бисквитки:това са файлове с данни, които се намират на устройството на потребителя и са източник на информация за търговците. Това е вход в социалните мрежи, продукти за онлайн магазини, избрани в кошницата, заявки за търсене и много други. Събирането на тези данни не е само за търговците: то улеснява живота на самите потребители. Например човек е влязъл във Facebook и отива на различни страници. Не е необходимо да въвежда отново своето потребителско име и парола всеки път, когато се рестартира - сайтът, който запази бисквитките, го направи вместо него. Фактът, че браузърът е запомнил геолокацията и не се опитва да предложи нито Дубай, нито Мароко на всяка страница, също е заслуга на бисквитките.
Въпреки това, когато събирате такива данни, е важно да не забравятесъществуването на FZ-152: днес всеки сайт, който използва бисквитки, е длъжен да уведоми гостуващия потребител за това и да му даде избор - да даде достъп до данни или не. Можете също така да направите прехвърлянето на бисквитки адаптивно: лицето определя количеството информация, което е готово да разкрие на сайта. В този случай потребителят трябва да може да се запознае с Политиката за поверителност, да знае периода на съхранение на събраните данни, възможните действия с тях, целта на събирането на информация и други нюанси.
Невронни мрежи на препоръчителни услуги
Докъде стигнаха услугите за препоръки?Вижте примера на виртуален асистент, създаден от Macy’s съвместно с платформата Watson Marketing. Невронните мрежи проследяват историята на покупките на посетител в уебсайт или приложение, анализират географското му местоположение, както и поведението на подобни клиенти. След това виртуалният асистент предлага стоки, които са подходящи за човек не само въз основа на предишните му покупки (условно петите бели маратонки), но и като се вземе предвид неговият манталитет и други национални характеристики. Например, посветен защитник на животните в препоръките определено няма да получи нито шуба от естествена кожа, нито чанта от телешка кожа.
Amazon също разработва другпрепоръчителна услуга, базирана на невронни мрежи: сега интелигентните алгоритми анализират кои продукти са харесали потребителя на сайта и предлагат продукти, които са от значение за него. Освен това съвети могат да бъдат издадени още при първото посещение на магазина: достатъчно е да изберете тези, които харесвате, от предложените опции (произволни селекции за деня в Pinterest работят по подобен начин). Невронната мрежа ще обработва данните и ще предоставя подходящи оферти. Идеята има за цел да реши въпроса „Не знам какво искам“ сред посетителите на сайта. Според представители на Amazon това е стъпка към иновативното пазаруване: възможността да получавате само полезни препоръки, без да сте разглеждали милион продукти преди това. Инструментът работи не само на уебсайта, но и в мобилното приложение.
Освен това Amazon започна да обучава невронна мрежа.проучете стратегиите за поведение на клиентите, като вземете предвид дължината на заявката за търсене, покупната цена и връзката между вече закупените стоки (поставени в кошницата). Предполага се, че хората, които въвеждат твърде дълги или твърде кратки заявки, са по-гъвкави в избора си и е по-лесно да ги заинтересуват за нещо, което първоначално не са планирали да купят.
Системи за препоръки обаче, базирани наНевронните мрежи не са само на дребно: подобен продукт е разработен от услугата за стрийминг Netflix. Системата отчита стандартни критерии като история на сърфиране, рейтинги, любими актьори и жанрове, както и времето от деня на влизане в услугата, използвано за това устройство, предпочитанията на други потребители с подобен „профил“. Интересното е, че персонализацията стига дори до избора на покритие за конкретен потребител на услугата: преди това на зрителя беше показан този, който се гледаше по-често. И сега всеки човек вижда избрано за него изображение.
Като се вземе предвид и скоростта на развитие на невронните мрежиУвеличени от пандемията, инструментите, които позволяват на компаниите да постигнат още по-голяма персонализация, ще се увеличават и по този начин ще се трансформират. Много е вероятно механизмите за предсказване, които работят по-ефективно от всеки човек, да излязат на преден план. И ако днес магазинът вече не предлага заклет последовател на Грийнпийс норково палто, тогава е възможно утре колата да усети намерението на човек да стане зоозащитник още преди това решение да бъде взето в главата му.
Създадена е първата точна карта на света. Какво не е наред с всички останали?
Уран е получил статута на най-странната планета в Слънчевата система. Защо?
НАСА разказа как ще доставят проби от Марс на Земята