Sådan begynder du at bruge kunstig intelligens
Det ser ud til, at AI er meget svært, og det i en lille virksomhed
Men det er ikke altid nødvendigt at komponere noget svært.på egen hånd. Store virksomheder har allerede opfundet alt og sat det i åben adgang på GitHub. Der kan du finde neurale netværk og smarte biblioteker. For udviklere er det en fantastisk mulighed for at prøve nye ting og se, hvordan andre har løst problemet.
Hos Aviasales bliver mange løsninger relateret til AI-teknologier opfundet under interne hackathons.
hackathoner en konkurrence blandt udviklere hvornårdet er nødvendigt at løse et eller andet problem på meget kort tid, for eksempel 48 timer. I løbet af denne tid er det naturligvis umuligt at skabe noget fra bunden, så der bruges færdige løsninger.
Det vigtigste - hurtige eksperimenter med færdige teknologier viser næsten altid gode resultater, det være sig en stigning i omregningen eller en reduktion i omkostningerne.
"Profeten" forudsiger, hvornår man skal købe en billet
Under et af hackathonerne opstod en hypotese om, atDer er en forbindelse mellem tidspunktet før afrejse og dagen du starter turen. Efter at have analyseret et stort antalstrukturerede data, der har akkumuleret over 11 års drift af Aviasales-tjenesten, var det muligt at bevise, at hypotesen er korrekt. Sådan fremstod Profet-tjenesten, som forudsiger det bedste tidspunkt at købe billetter med en fejl på 10%.
Takket være den nye service begyndte virksomheden at spareved at indhente tredjepartsdata og var i stand til at indsætte priser i kalenderen for de datoer og destinationer, hvor der ikke var reelle data - med en lille mængde fejl hjælper profeten med at finde ud af prisen på forhånd.
"Profeten" giver rejsende tips omtid til at søge efter billetter: "Køb nu" eller "Vent". Sammen med søgeordene vises en graf, der viser, hvordan prisen vil opføre sig ud fra virksomhedens prognoser.
AI vælger den bedste billetsælger
I Aviasales metasearch præsenteres 200 billetkontorer.og 728 flyselskaber. Det er klart, at der i første omgang altid er billet med den laveste pris. Men en billet kan have flere sælgere, og ofte har nogle af samme værdi. Så opstår spørgsmålet: hvem skal være foran?
Den gule knap "Køb" - dette er første gang blandt alle sælgere. Under knappen er en liste over agenturer ogflyselskaber hvor du også kan købe denne billet: til samme pris eller dyrere. For at bestemme, hvem der skal lægge på den magiske knap, tages der to faktorer i betragtning - den provision, som partneren betaler for den solgte billet, og omstillingen fra at gå til sælgerens websted til køb. Det vil sige, at dette er faktorer, der tager højde for interesserne hos to parter - meta-søgningen og bekvemmeligheden hos den rejsende.
Alle data på begge faktorer registreres ibordet. Data ændrer sig konstant, da sælgere arbejder for at forbedre deres websteder. Det blev besluttet at automatisere denne proces for ikke at indtaste tal i tabellen manuelt. Så i 5% af tilfældene viser sælgeren på "Køb" -knappen at være med ikke den laveste pris for at finde ud af, hvor stor en procentdel af brugerne vil gå til sin hjemmeside og købe en billet. Parametrene omregnes altså hele tiden, systemet trænes på grundlag af de opnåede data, og den vælger den bedste løsning selv.
AI vælger fotos til beskrivelsen af hotellet
Hvis valget af produkt eller service er relateret til kvalitetfotografier, og der er et stort antal af dem, er det irrationelt at vælge billeder manuelt. Har brug for AI. Problemet er, at hver partner sender deres billeder af hotellet til Aviasales hotelservice, og partnere er ikke altid kædegiganter som Hilton eller Marriott. Nogle gange er dette ejeren af et lille gæstehus på Krim, som fotograferede værelserne på sin telefon.
For at analysere billeder skal du bruge AI, hvilketgenkender kvalitet og bestemmer i hvilken rækkefølge billeder skal vises. Løsningen blev fundet i et trænet neuralt netværk, der kan bestemme placeringen. Resultatet er f.eks. følgende fordeling: 63% - bygning, 20% - pool, 11% - træ, 6% - strand.
I byens hoteller er det interessant, hvordan rummet ser udDerfor vises billeder med en seng først. I strand hoteller er tværtimod vigtig for poolen og liggestole. Som regel er i udvejsområderne temmelig knappe, og det indre af rummet er bedst vist sidst.
Begynder at arbejde med fotos ved hjælp af AI,Selskabet har reduceret omkostningerne til manuel arbejdskraft: Tidligere ansatte freelancere, der tog billeder i populære byer og øgede omsætningen med 12%, primært på grund af eksperimenter med fotografier af svømmebassiner ved badebyer.
Hvordan AI hjælper med at lave smukke hjemmesider med designeren Weblium
Weblium hjemmesidebygger bruger AIDesign Supervisor, som sporer brugerens hjemmesideoprettelsesaktiviteter i realtid og identificerer designfejl, og retter dem med det samme.
Fordi hele projektet bruger en produktstakGoogle, så brugte udviklerne Google Cloud AI til at implementere denne opgave. Den sværeste opgave var at lære det neurale netværk at se designproblemer ved forkert brug af farver, skrifttypepar og lignende.
For at få et stort nok datasæt,udviklerne trænede modellen på et datasæt med 30 millioner designløsninger hentet fra de førende ressourcer Behance og Dribbble. Strukturerne af websteder og elementer blev genkendt ved hjælp af Cloud Vision API. Dette gjorde det muligt for os at tage et "kvantespring" for at opnå nøjagtigheden af AI Design Supervisor.
Vi kan endnu ikke prale med det AI DesignTilsynsførende arbejder fejlfrit, men det kan allerede bruges nøjagtigt som hovedpunktet for differentiering fra konkurrenter. Brugere konstant skriver, at dreje et websted til en anden i luften, forårsager altid en wow-effekt, selvom AI Design Supervisor bruges gentagne gange.
David Brown, grundlægger af Weblium
Samtidig arbejder Weblium på atkontekstuelt bestemme det indhold, som brugeren bidrager med til websteder, forstå hans opgaver og tilbyde ham de mest relevante blokke, når du bygger webstedet. For at gøre dette bruger udviklere Cloud Natural Language API.
Og den seneste udvikling, meget vigtig iperspektiv - stemme grænseflader. Weblium AI Lab prototyper stemmekontrollen til webstedsbyggeren ved hjælp af biblioteket Cloud Speech-to-Text. Den endelige idé er, at brugeren kan sætte en teknisk opgave i en stemme og i ganske enkle ord, for eksempel: "Jeg vil have et moderne funktionelt websted til min bilvask". Og som et resultat af denne TK får du et anstændigt websted.
Hvordan Sephora og Lamoda AI'er anvendes
Dynamic Yields personaliseringsplatform hjælper partnere med at forbedre kundeoplevelsen. Det bruges af så berømte mærker som Sephora og Lamoda.
Dynamic Yield kan segmentere dit publikum,vælg personlige produkter og indhold. Platformen fungerer på nettet, på mobile enheder og kan bruges til at sende nyhedsbreve og placere annoncer. Den leverer personlige anbefalinger til brugere på tværs af alle kommunikationskanaler.
Sephora testet personaliseringssystemanbefalinger i otte netbutikker i Asien. I hver af dem blev anbefalede produkter udvalgt til brugere, styret af tre strategier: lignende produkter, relaterede produkter og automatiske anbefalinger.
Indtil introduktionen af AI, det endelige valgDe produkter, der vil blive vist til brugeren, blev lavet afhængigt af land og KPI. Nu vises de afhængigt af, hvilke produkter brugeren har lagt i indkøbskurven, og hvilke han i sidste ende købte.
Takket være denne tilgang steg CTR med 4 %.Og hver dollar brugt til brug, tjente Dynamic Yield $ 6,5 i omsætning.
Tidligere segmenterede Lamoda brugere efterplacering og anbefalet tøj passende til vejrforholdene. Nu er anbefalinger ikke kun baseret på geo, men også på købshistorik, brugeradfærd, foretrukne mærker og produkter.
Lamoda opdelt brugere med 160mikrosegmenter og udarbejdede personlige kuponer for hvert segment. Sammenlignet med den foregående rabatkampagne har dette øget konvertering, den gennemsnitlige indkomst per besøgende og indtægterne pr. Session.
Lamoda lancerede personlige bannere, hvorpåtøj og tilbehør i den farve, som brugeren foretrak under søgningen, blev vist. Når han klikkede på banneret, så brugeren tøj i sin yndlingsfarve, sorteret i den rækkefølge, han normalt foretrækker, når han søger.
Takket være brugen af kunstig intelligens øgede Lamoda omsætningen pr. session med 8 %, ogbruttoresultatet steg 15 millioner dollars.
Klar løsninger, hurtig effekt.
Eksempler: Aviasales, Weblium, Sephora og Lamodabevise, at brugen af kunstig intelligens hjælper virksomheder med at vokse betydeligt, nogle gange på kort tid: fra flere måneder til et år. Desuden ville nogle indikatorer aldrig være blevet forbedret uden introduktionen af AI.
Du kan begynde at eksperimentere med AIhurtig. I den indledende fase vil styrken af de udviklere, du allerede har, højst sandsynligt være tilstrækkelig. Søg i GitHub efter udviklinger, der kan tilpasses til din virksomhed, se om det ville betale sig at bruge et helt hyldevare tredjepartsprodukt, og prøv at implementere mindst en lille idé for at se resultaterne. De vil helt sikkert imponere dig så meget, at du vil fortsætte med at eksperimentere med AI.