Πώς να προβλέψετε τι θα θέλει ένα άτομο σε πέντε χρόνια
Η χρήση νευρωνικών δικτύων είναι ένας τρόπος αλλαγής
Το ιστορικό πωλήσεων χρησιμοποιείται για ανάλυση, τύποςκατάστημα, την ποικιλία του. Ο Αμερικανός λιανοπωλητής Macy χρησιμοποιεί παρόμοιους μηχανισμούς Κάθε αλληλεπίδραση χρήστη με τον ιστότοπο ενημερώνει τη συστοιχία δεδομένων για το άτομο και οι αλγόριθμοι μηχανών ανταποκρίνονται ταχύτερα σε νέες πληροφορίες από ό, τι οι πραγματικοί εργαζόμενοι. Η Nike έχει δημιουργήσει ολοκαίνουργια καταστήματα Nike Live γύρω από την ιδέα της εξατομίκευσης, με την οποία ο αγοραστής αλληλεπιδρά μόνο με την εγκατεστημένη εφαρμογή - αυτό τον βοηθά να γίνει μέλος της κοινότητας και να λάβει τις πιο εξατομικευμένες προσφορές, καθώς και μηνιαία δώρα από την επωνυμία . Με την εξατομίκευση, η Nike αύξησε την πιθανότητα αγοράς των προϊόντων της κατά 40 φορές.
Τα νευρικά δίκτυα μπορούν να προβλέψουν όχι μόνο το αποτέλεσμααπό προσφορές. Στους ιστότοπους των διαδικτυακών καταστημάτων, αναλύουν τις προηγούμενες αγορές ενός ατόμου και συμπεραίνουν, για παράδειγμα, ότι η ζάχαρη που αγοράστηκε πριν από ένα μήνα πρέπει να εξαντληθεί τις επόμενες ημέρες. Άρα είναι καιρός να προσφέρουμε σε ένα άτομο να ανανεώσει τα αποθέματά του.
Η ανάπτυξη Chatbot είναι μια άλλη εφαρμογήνευρωνικά δίκτυα. Οι εικονικοί βοηθοί εξαλείφουν την ανάγκη για μεγάλο προσωπικό τηλεφωνικών κέντρων και είναι αρκετά αποτελεσματικοί. Παρέχουν πιο λεπτομερείς πληροφορίες με ταχύτερο ρυθμό από ένα ζωντανό άτομο και απαντούν σε οποιαδήποτε ερώτηση σχετικά με ένα προϊόν ή μια υπηρεσία - μέχρι την πλησιέστερη διεύθυνση λιανικής.
Στα ηλεκτρονικά καταστήματα, τα νευρωνικά δίκτυα είναι ικανά να δημιουργούνπροσωπικές συστάσεις όχι μόνο με βάση το τι έχει δει πρόσφατα ένα άτομο, αλλά και λαμβάνοντας υπόψη το πορτρέτο του (φύλο, ηλικία, εθνικότητα και άλλες παραμέτρους).
Οι αναλυτές προβλέπουν εκρηκτική αύξηση των επενδύσεων σεΈργα που σχετίζονται με την τεχνητή νοημοσύνη μετά την πανδημία. Μεταξύ των startups IT, όλο και περισσότερα έργα που βασίζονται στην τεχνητή νοημοσύνη και την ML εμφανίζονται γιατί υπάρχει ζήτηση. Το λιανικό εμπόριο χρησιμοποιεί ολοένα και περισσότερο την τεχνητή νοημοσύνη: για να επιλέξει ποικιλία για καταστήματα, να αναπτύξει προσφορές, να προβλέψει τις τιμές και τη ζήτηση για αγαθά. Εμφανίζονται πλήρη καταστήματα που λειτουργούν σε νευρωνικά δίκτυα - Amazon Go, Pro Market στο Skolkovo. Η ανάλυση των μεγάλων δεδομένων και η επεξεργασία τους από νευρωνικά δίκτυα επιτρέπει, για παράδειγμα, να δούμε ότι οι χρήστες που κάνουν tweet με την ετικέτα #sneakers συχνά επισυνάπτουν τις ετικέτες #ASICS ή #Nike. Αυτό σηματοδοτεί τον πωλητή λιανικής ποια προϊόντα θα περιλαμβάνει πιο συχνά σε διαφημιστικές καμπάνιες.
Στο Amazon, η AI κάνει επιλογές προϊόντωνένα άτομο μπορεί να προσθέσει ένα καλάθι τώρα. Για να γίνει αυτό, αναλύονται οι ομάδες χρηστών του ιστότοπου ή της εφαρμογής για κινητά, πληροφορίες σχετικά με το τι τους αρέσουν αυτοί οι χρήστες και τι όχι, τι άλλα άτομα (παρόμοια με αυτά για τα οποία επιλέγεται το προϊόν) έχουν κοιτάξει και αγοράσει. Συμβατικά, τον Δεκέμβριο, σε μια αμερικανική γυναίκα θα προσφερθούν αγαθά για τα Χριστούγεννα και μια ρωσική γυναίκα θα προσφερθεί κάτι σχετικό με το νέο έτος. Χάρη στις μηχανές σύστασης νευρωνικού δικτύου, η Amazon παράγει το 55% των πωλήσεών της. Η εταιρεία λέει ότι προβλέπει τη συμπεριφορά των χρηστών ακόμη και πέντε χρόνια στο μέλλον.
Το 2016, η Amazon παρείχε πρόσβαση στο πρωτότυποκώδικα του αλγορίθμου έξυπνων συστάσεων της, και κάλεσε επίσης άλλους παίκτες να ενσωματώσουν αυτούς τους μηχανισμούς. Σε μια πρόσφατη έκθεση της Βουλής των Αντιπροσώπων των ΗΠΑ, η Amazon κατηγορήθηκε για μονοπώλιο (στο τμήμα του ηλεκτρονικού εμπορίου) και ότι χρησιμοποιεί δεδομένα από ανταγωνιστές πωλητές για τα δικά της συμφέροντα. Και σύμφωνα με την Wall Street Journal, οι υπάλληλοι της Amazon αναλύουν δεδομένα πωλήσεων τρίτων για να εργαστούν στα προϊόντα τους με την επωνυμία Amazon.
Πώς λειτουργεί η διαφήμιση που γνωρίζει τα πάντα για εσάς
Όνομα, αριθμός τηλεφώνου ή e-mail ενός ατόμου μπορείαφήστε τα μόνα τους, αλλά άλλα δεδομένα, συχνά ακόμη πιο σημαντικά για την επιχείρηση, συλλέγονται αυτόματα. Αυτό βοηθάται από ειδικούς κωδικούς ενσωματωμένους στη σελίδα Διαδικτύου. Η πιο δημοφιλής επιλογή είναι το pixel: ένα σενάριο (ένα κομμάτι κώδικα JavaScript) που φορτώνει μια αόρατη εικόνα σε μια σελίδα. Μεταδίδει τις συλλεγόμενες πληροφορίες στον διακομιστή, όπου υποβάλλονται σε επεξεργασία, αναλύονται και χρησιμοποιούνται για τη δημιουργία προσωπικών προσφορών στο άτομο που έχει εισέλθει στον ιστότοπο.
Οι έμποροι χρησιμοποιούν ενεργά pixel απόFacebook και Google. Ένα μεγάλο πλεονέκτημα τέτοιων κωδικών είναι ότι όσο περισσότερες εταιρείες χρησιμοποιούν τους, τόσο ευρύτερη γίνεται η βάση και τόσο πιο αποτελεσματική είναι η ανάλυση των δεδομένων που λαμβάνονται. Και όσο πιο συχνά ένας χρήστης επισκέπτεται τον ιστότοπο, τόσο πιο ενεργά αυξάνεται η βάση ταυτότητάς του (προσωπικός φάκελος με πληροφορίες).
Το Pixel συλλέγει κάτι περισσότερο από στατικές πληροφορίες(για παράδειγμα, IP, που μας επιτρέπει να κατανοήσουμε την τοποθεσία του χρήστη), αλλά και δυναμική - τις ενέργειες ενός ατόμου στον ιστότοπο. Συμβατικά, αν κοιτάξει δύο πουκάμισα στον κατάλογο ενός διαδικτυακού καταστήματος, το νευρωνικό δίκτυο μπορεί να του προσφέρει να εξοικειωθεί με άλλα παρόμοια μοντέλα ή να πάρει ανταλλακτικά για ένα πλήρες σύνολο: παντελόνι, μπουφάν, αξεσουάρ.
Ανάλογα με το πώς ακριβώς εφαρμόζεταιpixel στον κώδικα της σελίδας, καθορίζεται η στιγμή της συλλογής πληροφοριών. Μπορεί να ρυθμιστεί ώστε να καθορίζει στοχευμένες ενέργειες που δεν σχετίζονται με επαναφορτώσεις ιστότοπων και αλλαγές σελίδας - για παράδειγμα, ένας χρήστης αρέσει ένα προϊόν ή το επισημαίνει με έναν αστερίσκο για να τοποθετηθεί στη λίστα επιθυμιών. Επίσης, το εικονοστοιχείο έχει διαμορφωθεί ώστε να αναλύει πληροφορίες σχετικά με τις επαναφορτώσεις σελίδων: αυτό σας επιτρέπει να αναλύετε ακριβώς πού επισκέπτεται ένα άτομο. Η τρίτη επιλογή είναι να εφαρμόσετε ένα pixel για κλικ σε συνδέσμους, συμπεριλαμβανομένων των συνδεδεμένων. Λόγω αυτού, είναι δυνατό να παρακολουθείτε τα συμφέροντα τρίτων ενός ατόμου. Για παράδειγμα, στον ιστότοπο των πολυελαίων, βλέπει μια πρόταση για μια νέα συλλογή από πορσελάνη από έναν συνεργάτη και πηγαίνει εκεί.
Οι τεχνολογίες δεν λειτουργούν μόνο σε ευθεία γραμμή:Εάν ένα άτομο ερευνά ενεργά τα καροτσάκια μωρών σε διαφορετικές τοποθεσίες, το νευρωνικό δίκτυο θα του δείξει μια προσφορά από ένα κέντρο αναπαραγωγικής ιατρικής ή από έναν κατασκευαστή βρεφικών κρεβατιών. Επειδή οι αλγόριθμοι έχουν ήδη θεωρήσει αυτό το άτομο γονέα και είναι έτοιμοι να υποβάλουν πολλές σχετικές προτάσεις ταυτόχρονα.
Οι εταιρείες αγοράζουν ενεργά δεδομένα για τυπικάμοτίβα συμπεριφοράς διαφόρων κατηγοριών πελατών, μπορούν να ανταλλάσσουν pixel με συνεργάτες και να πολλαπλασιάσουν τη βάση. Εάν λάβουμε υπόψη το Facebook Pixel, τότε τον λογαριασμό Facebook του ατόμου, τις αλλαγές που έχουν συμβεί σε αυτόν (διαζύγιο, άλλαξε δουλειές κ.λπ.), τις ενέργειες που έλαβε από αυτόν, μέχρι να σταματήσει η προσοχή στη διαφήμιση (ακόμα κι αν δεν κάνετε κλικ σε αυτό), παρέχετε επιπλέον πληροφορίες.
Το pixel λειτουργεί σε συνδυασμό με τα cookies:Αυτά είναι αρχεία δεδομένων που βρίσκονται στη συσκευή του χρήστη και αποτελούν πηγή πληροφοριών για τους εμπόρους. Πρόκειται για σύνδεση στα κοινωνικά δίκτυα, προϊόντα για ηλεκτρονικά καταστήματα που έχουν επιλεγεί στο καλάθι, ερωτήματα αναζήτησης και πολλά άλλα. Η συλλογή αυτών των δεδομένων δεν είναι μόνο για τους εμπόρους: διευκολύνει τη ζωή των ίδιων των χρηστών. Για παράδειγμα, ένα άτομο συνδέεται στο Facebook και μεταβαίνει σε διαφορετικές σελίδες. Δεν χρειάζεται να εισάγει ξανά τα στοιχεία σύνδεσης και τον κωδικό πρόσβασής του κάθε φορά που κάνει επανεκκίνηση - ο ιστότοπος που έσωσε τα cookies το έκανε για αυτόν. Το γεγονός ότι το πρόγραμμα περιήγησης έχει απομνημονεύσει τη γεωγραφική τοποθεσία και δεν προσπαθεί να προτείνει είτε το Ντουμπάι είτε το Μαρόκο σε κάθε σελίδα είναι επίσης ένα πλεονέκτημα των cookies.
Ωστόσο, κατά τη συλλογή τέτοιων δεδομένων, είναι σημαντικό να μην ξεχνάμετην ύπαρξη του FZ-152: σήμερα, κάθε ιστότοπος που χρησιμοποιεί cookies υποχρεούται να ειδοποιεί τον επισκέπτη χρήστη και να του δίνει την επιλογή - να παρέχει πρόσβαση σε δεδομένα ή όχι. Μπορείτε επίσης να προσαρμόσετε τη μεταφορά των cookies: το άτομο καθορίζει τον αριθμό των πληροφοριών που είναι έτοιμοι να αποκαλύψουν στον ιστότοπο. Σε αυτήν την περίπτωση, ο χρήστης θα πρέπει να μπορεί να εξοικειωθεί με την Πολιτική Απορρήτου, να γνωρίζει την περίοδο αποθήκευσης των συλλεγόμενων δεδομένων, πιθανές ενέργειες μαζί τους, τον σκοπό της συλλογής πληροφοριών και άλλων αποχρώσεων.
Νευρωνικά δίκτυα υπηρεσιών προτάσεων
Πόσο πήγαν οι υπηρεσίες προτάσεων;Δείτε το παράδειγμα ενός εικονικού βοηθού που δημιουργήθηκε από την Macy's σε συνδυασμό με την πλατφόρμα Watson Marketing. Τα νευρικά δίκτυα παρακολουθούν το ιστορικό των αγορών ενός επισκέπτη σε έναν ιστότοπο ή μια εφαρμογή, αναλύουν τη γεωγραφική τοποθεσία του, καθώς και τη συμπεριφορά παρόμοιων πελατών. Μετά από αυτό, ο εικονικός βοηθός προσφέρει αγαθά που είναι κατάλληλα για ένα άτομο όχι μόνο βάσει των προηγούμενων αγορών του (υπό όρους τα πέμπτα λευκά πάνινα παπούτσια), αλλά και λαμβάνοντας υπόψη τη νοοτροπία του και άλλα εθνικά χαρακτηριστικά. Για παράδειγμα, ένας ειδικός υποστηρικτής των ζώων στις συστάσεις σίγουρα δεν θα λάβει ούτε ένα γούνινο παλτό από φυσική γούνα ούτε μια τσάντα από δέρμα μόσχου.
Το Amazon αναπτύσσει επίσης ένα άλλουπηρεσία προτάσεων που βασίζεται σε νευρωνικά δίκτυα: τώρα οι έξυπνοι αλγόριθμοι αναλύουν ποια προϊόντα τους άρεσε ο χρήστης του ιστότοπου και προσφέρουν προϊόντα που σχετίζονται με αυτόν. Επιπλέον, συμβουλές μπορούν να εκδοθούν ήδη κατά την πρώτη επίσκεψη στο κατάστημα: αρκεί να επιλέξετε αυτές που σας αρέσουν από τις προτεινόμενες επιλογές (τυχαίες επιλογές της ημέρας στο Pinterest να λειτουργούν με παρόμοιο τρόπο). Το νευρωνικό δίκτυο θα επεξεργαστεί τα δεδομένα και θα παρέχει σχετικές προσφορές. Η ιδέα έχει σκοπό να λύσει την ερώτηση "Δεν ξέρω τι θέλω" μεταξύ των επισκεπτών του ιστότοπου. Σύμφωνα με την Amazon, αυτό είναι ένα βήμα προς τις καινοτόμες αγορές: η δυνατότητα λήψης μόνο χρήσιμων προτάσεων, χωρίς να κοιτάξουμε ένα εκατομμύριο προϊόντα. Το εργαλείο λειτουργεί όχι μόνο στον ιστότοπο, αλλά και στην εφαρμογή για κινητά.
Επιπλέον, η Amazon άρχισε να εκπαιδεύει ένα νευρωνικό δίκτυο.μελετήστε τις στρατηγικές της συμπεριφοράς των πελατών, λαμβάνοντας υπόψη τη διάρκεια του ερωτήματος αναζήτησης, την τιμή αγοράς και τη σχέση μεταξύ των αγαθών που έχετε ήδη αγοράσει (τοποθετούνται στο καλάθι). Υποτίθεται ότι τα άτομα που οδηγούν σε πολύ μεγάλα ή πολύ σύντομα ερωτήματα είναι πιο ευέλικτα στην επιλογή τους και είναι ευκολότερο να τους ενδιαφέρουν για κάτι που δεν σχεδίαζαν αρχικά να αγοράσουν.
Ωστόσο, τα συστήματα προτάσεων βασίζονται σεΤα νευρικά δίκτυα δεν είναι μόνο στο λιανικό εμπόριο: ένα παρόμοιο προϊόν έχει αναπτυχθεί από την υπηρεσία ροής Netflix. Το σύστημα λαμβάνει υπόψη τυπικά κριτήρια όπως ιστορικό περιήγησης, βαθμολογίες, αγαπημένους ηθοποιούς και είδη, καθώς και την ώρα της ημέρας σύνδεσης στην υπηρεσία, που χρησιμοποιείται για αυτήν τη συσκευή, τις προτιμήσεις άλλων χρηστών με παρόμοιο "προφίλ". Είναι ενδιαφέρον ότι η εξατομίκευση φτάνει ακόμη και στην επιλογή ενός εξωφύλλου για έναν συγκεκριμένο χρήστη της υπηρεσίας: στο παρελθόν, ο θεατής εμφανιζόταν εκείνος που προβλήθηκε συχνότερα. Και τώρα κάθε άτομο βλέπει μια εικόνα που έχει επιλεγεί γι 'αυτόν.
Λαμβάνοντας επίσης υπόψη την ταχύτητα ανάπτυξης των νευρωνικών δικτύων, επίσηςΑυξάνονται από την πανδημία, εργαλεία που επιτρέπουν στις εταιρείες να επιτύχουν ακόμη μεγαλύτερη εξατομίκευση θα είναι στην αυξανόμενη ζήτηση και έτσι θα μεταμορφωθούν. Είναι πολύ πιθανό ότι οι μηχανισμοί πρόβλεψης που λειτουργούν πιο αποτελεσματικά από οποιοδήποτε άτομο θα εμφανιστούν στο προσκήνιο. Και αν σήμερα το κατάστημα δεν προσφέρει ένα παλτό βιζόν σε έναν πεπεισμένο οπαδό της Greenpeace, τότε είναι πιθανό αύριο το αυτοκίνητο να αισθανθεί την πρόθεση ενός ατόμου να γίνει ακτιβιστής ζωολογικού κήπου ακόμη και πριν ληφθεί αυτή η απόφαση στο κεφάλι του.
Δημιουργήθηκε ο πρώτος ακριβής χάρτης του κόσμου. Τι συμβαίνει με όλους τους άλλους;
Ο Ουρανός έχει λάβει την κατάσταση του πιο παράξενου πλανήτη στο ηλιακό σύστημα. Γιατί;
Η NASA είπε πώς θα παραδώσει δείγματα του Άρη στη Γη