Hogyan lehet megjósolni, mit akar az ember öt év múlva
A neurális hálózatok használata a változás egyik módja
Az értékesítési előzményeket elemzéshez, típushoz használjákbolt, választéka. Az amerikai Macy’s kiskereskedő hasonló mechanizmusokat alkalmaz. A helyszínekkel folytatott minden egyes felhasználói interakció frissíti a személy adattömbjét, és a gépi algoritmusok gyorsabban reagálnak a friss információkra, mint a valós alkalmazottak. A Nike teljesen új Nike Live üzleteket épített a személyre szabás gondolata köré, amelyekkel a vásárló csak a telepített alkalmazással lép kölcsönhatásba - ez segít abban, hogy a közösség részévé váljon és megkapja a személyre szabottabb ajánlatokat, valamint havi ajándékokat a márkától . A személyre szabással a Nike 40-szeresére növelte termékei vásárlásának valószínűségét.
A neurális hálózatok nemcsak a hatást képesek megjósolniakciókból. Az online áruházak weboldalain elemzik az ember korábbi vásárlásait, és például arra a következtetésre jutnak, hogy az egy hónappal ezelőtt vásárolt cukornak el kell fogynia a következő napokban. Ideje tehát felajánlani egy személynek, hogy újítsa meg tartalékát.
A Chatbot fejlesztés egy másik alkalmazásneurális hálózatok. A virtuális asszisztensek szükségtelenné teszik a nagyszámú call center személyzetet, és meglehetősen hatékonyak. Gyorsabban adnak részletesebb információkat, mint egy élő személy, és válaszolnak a termékkel vagy szolgáltatással kapcsolatos kérdésekre – egészen a legközelebbi kiskereskedelmi címig.
Az online áruházakban a neurális hálózatok képesek létrehozniszemélyes ajánlások nem csak az alapján, amit egy személy a közelmúltban megtekintett, hanem figyelembe véve a portréját is (nem, életkor, nemzetiség és egyéb paraméterek).
Az elemzők a beruházások robbanásszerű növekedését jósoljákMI-vel kapcsolatos projektek a világjárvány után. Az IT startupok között egyre több mesterséges intelligenciára és ML-re épülő projekt jelenik meg, mert van kereslet. A kiskereskedelem egyre inkább használja a mesterséges intelligenciát: az üzletek választékának kiválasztására, promóciók kidolgozására, az árak és az áruk keresletének előrejelzésére. Megjelennek a neurális hálózatokon működő teljes értékű üzletek - az Amazon Go, a skolkovói Pro Market. A Big Data elemzése és neurális hálózatok általi feldolgozása lehetővé teszi például annak megállapítását, hogy a #sneakers címkével tweetelő felhasználók gyakran az #ASICS vagy #Nike címkéket is csatolják. Ez jelzi a kiskereskedőnek, hogy mely termékeket vegyen fel gyakrabban a reklámkampányokba.
Az Amazonnál az AI termékválasztást végezegy személy azonnal hozzáadhat egy kosarat. Ehhez elemzik a webhely vagy a mobilalkalmazás felhasználói csoportjait, információkat arról, hogy ezek a felhasználók mit szeretnek és mit nem, más emberek (hasonlóan ahhoz, amelyhez a terméket jelenleg választják) néztek és vásároltak. Hagyományosan decemberben egy amerikai nőnek kínálnak árut karácsonyra, egy orosz nőnek pedig az újévhez kapcsolódó dolgokat. A neurális hálózati alapú ajánlómotoroknak köszönhetően az Amazon értékesítésének 55% -át termeli. A vállalat szerint a felhasználók viselkedését akár öt év múlva is megjósolja.
2016-ban az Amazon hozzáférést biztosított az eredetihezintelligens ajánlási algoritmusának kódját, és meghívott más játékosokat is, hogy integrálják ezeket a mechanizmusokat. Az Egyesült Államok Képviselőháza egy közelmúltbeli jelentésében az Amazont monopóliummal vádolták (az e-kereskedelmi szegmensben), és azzal vádolták, hogy a versengő eladók adatait saját érdekei szerint használja fel. A Wall Street Journal szerint az Amazon alkalmazottai harmadik felek értékesítési adatait elemzik, hogy dolgozhassanak Amazon márkájú termékeiken.
Hogyan működik a reklám, amely mindent tud rólad
Név, telefonszám vagy e-mailhagyja békén, de más, gyakran a vállalkozás számára még fontosabb adatokat automatikusan gyűjtenek. Ebben segítenek az internetes oldalba beágyazott speciális kódok. A legnépszerűbb lehetőség a pixel: egy szkript (egy darab JavaScript-kód), amely láthatatlan képet tölt be egy oldalra. Az összegyűjtött információkat továbbítja a szerverre, ahol azokat feldolgozzák, elemzik és személyes ajánlatok megfogalmazására használják a webhelyre belépő személy számára.
A marketingszakemberek aktívan használják aFacebook és Google. Az ilyen kódok nagy plusza, hogy minél több különböző vállalat használja őket, annál szélesebb lesz az alap, és annál hatékonyabb a kapott adatok elemzése. És minél gyakrabban látogatja meg a webhelyet, annál aktívabban növekszik az azonosító bázisa (személyes mappája információkkal).
A pixel nemcsak statikus információkat gyűjt(például IP, amely lehetővé teszi számunkra, hogy megértsük a felhasználó helyét), de dinamikus is - egy személy cselekedetei a webhelyen. Hagyományosan, ha két inget néz meg egy internetes áruház katalógusában, az ideghálózat felajánlhatja neki, hogy ismerkedjen meg más hasonló modellekkel, vagy válasszon alkatrészeket egy komplett együtteshez: nadrág, kabát, kiegészítők.
Attól függően, hogy pontosan hogyan hajtják végrepixel az oldal kódjában, az információgyűjtés pillanatát meghatározzák. Konfigurálható olyan célzott műveletek meghatározására, amelyek nem kapcsolódnak a webhely újratöltéséhez és az oldal módosításához - például a felhasználó kedveli a terméket, vagy csillaggal jelöli, hogy egy kívánságlistába kerüljön. Ezenkívül a képpont úgy van konfigurálva, hogy elemezze az oldal újratöltéseivel kapcsolatos információkat: ez lehetővé teszi annak elemzését, hogy pontosan hol látogat el egy személy. A harmadik lehetőség egy pixel megvalósítása a linkekre történő kattintásokhoz, beleértve a kapcsoltakat is. Ennek köszönhetően nyomon követheti egy személy harmadik fél érdekeit. Például a csillárok weboldalán meglát egy javaslatot egy új porcelán kőagyűjtemény-kollekcióra egy partnertől, és odamegy.
A technológiák nem csak egyszerű módon működnek:ha valaki aktívan kutat babakocsikat különböző oldalakon, a neurális hálózat megmutatja neki a reproduktív orvosi központ vagy a babaágy gyártójának ajánlatát. Mivel az algoritmusok ezt a személyt már szülőnek tekintették, és készek egyszerre több releváns javaslatot benyújtani.
A vállalatok aktívan vásárolnak adatokat a tipikus termékekrőla vásárlók különféle kategóriáinak viselkedési mintái (mintái) pixeleket cserélhetnek a partnerekkel és megsokszorozhatják az alapot. Ha figyelembe vesszük a Facebook Pixelt, akkor az illető Facebook-fiókját, a benne bekövetkezett változásokat (elvált, megváltozott munkahely stb.), A tőle tett intézkedéseket, egészen a hirdetés figyelmének leállításáig (még akkor is, ha nem kattint rajta), adjon meg további információkat is.
A képpont a sütikkel együtt működik:ezek a felhasználó eszközén található adatfájlok, amelyek a marketingszakemberek számára információforrást jelentenek. Ez a bejelentkezés a közösségi hálózatokba, a kosárban kiválasztott online áruházak termékei, keresési lekérdezések és még sok más. Ezeknek az adatoknak a gyűjtése nemcsak a marketingszakemberek számára: ez megkönnyíti maguknak a felhasználóknak az életét. Például egy személy be van jelentkezve a Facebookra, és különböző oldalakra megy. Nem kell minden alkalommal újraindítania a bejelentkezési nevét és a jelszavát - a cookie-kat elmentő webhely megtette érte. Az a tény, hogy a böngésző megjegyezte a földrajzi helymeghatározást, és nem próbál meg minden oldalon Dubaiot vagy Marokkót javasolni, szintén sütik érdeme.
Az ilyen adatok gyűjtésekor azonban fontos, hogy ne feledkezzünk meg rólaaz FZ-152 létezése: ma minden sütiket használó webhely köteles erről értesíteni a látogató felhasználót, és választási lehetőséget ad neki - hozzáférést adni az adatokhoz vagy sem. Testreszabhatóvá teheti a sütik átadását is: a személy meghatározza az információ mennyiségét, amely készen áll a webhelyre. Ebben az esetben a felhasználónak képesnek kell lennie megismerkedni az Adatvédelmi irányelvekkel, ismernie kell az összegyűjtött adatok tárolási idejét, az esetleges velük kapcsolatos műveleteket, az információk gyűjtésének célját és egyéb árnyalatokat.
Az ajánlási szolgáltatások neurális hálózatai
Meddig mentek az ajánlási szolgáltatások?Lásd a virtuális asszisztens példáját, amelyet a Macy's készített a Watson Marketing platformmal együtt. Az ideghálózatok nyomon követik a látogatók webhelyen vagy alkalmazásban történő vásárlásának történetét, elemzik a földrajzi helyzetét, valamint a hasonló ügyfelek viselkedését. Ezt követően a virtuális asszisztens olyan árukat kínál, amelyek alkalmasak az ember számára nemcsak korábbi vásárlásai alapján (feltételesen az ötödik fehér tornacipő), hanem figyelembe véve mentalitását és egyéb nemzeti sajátosságait is. Például az ajánlásokban elkötelezett állatvédő biztosan nem kap sem természetes szőrből készült bundát, sem borjúbőrből készült táskát.
Az Amazon szintén fejleszt egy újabbatideghálózatokon alapuló ajánlási szolgáltatás: most az intelligens algoritmusok elemzik, hogy a webhely felhasználójának mely termékek tetszettek, és milyen termékeket kínálnak számára. Sőt, már az első üzletlátogatás alkalmával is adhatók tippek: elegendő a javasolt lehetőségek közül kiválasztani azokat, amelyek tetszenek (a Pinterest véletlenszerű kiválasztása hasonló módon működik). A neurális hálózat feldolgozza az adatokat és releváns ajánlatokat nyújt. Az ötlet célja a „nem tudom, mit akarok” kérdés megoldása a webhely látogatói körében. Az Amazon képviselői szerint ez egy lépés az innovatív vásárlás felé: az a képesség, hogy csak hasznos ajánlásokat kapjon anélkül, hogy korábban egymillió terméket megnézett volna. Az eszköz nemcsak a weboldalon működik, hanem a mobilalkalmazásban is.
Ezenkívül az Amazon ideghálózatot kezdett oktatni.tanulmányozza az ügyfél viselkedésének stratégiáit, figyelembe véve a keresési lekérdezés hosszát, a vételárat és a már megvásárolt (kosárba helyezett) áruk kapcsolatát. Feltételezzük, hogy azok az emberek, akik túl hosszú vagy túl rövid lekérdezéseket írnak be, rugalmasabban választják meg őket, és könnyebb őket érdekelni valamiben, amelyet eredetileg nem terveztek megvásárolni.
Azon alapuló ajánlási rendszerek azonbanAz ideghálózatok nem csak a kiskereskedelemben működnek: hasonló terméket fejlesztett ki a Netflix streaming szolgáltatás is. A rendszer figyelembe veszi az olyan szabványos kritériumokat, mint a böngészési előzmények, értékelések, kedvenc színészek és műfajok, valamint a szolgáltatásba való bejelentkezés napszakát, amelyet ehhez az eszközhöz használnak, más hasonló "profilú" felhasználók preferenciáit. Érdekes, hogy a személyre szabás még odáig is eljut, hogy fedelet választ a szolgáltatás adott felhasználójának: korábban a nézőnek azt mutatták, amelyet gyakrabban néztek meg. És most minden ember lát egy képet, amelyet kiválasztott neki.
Figyelembe véve az idegi hálózatok fejlődésének sebességét isA járvány által megnövekedett eszközök, amelyek lehetővé teszik a vállalatok számára, hogy még nagyobb személyre szabást érjenek el, egyre nagyobb keresletet mutatnak, és így átalakulnak. Nagyon valószínű, hogy minden embernél hatékonyabban működő prediktív mechanizmusok kerülnek előtérbe. És ha ma az áruház már nem kínál meggyőző kabátot a Greenpeace híveinek, akkor elképzelhető, hogy holnap az autó még azelőtt megérzi az ember szándékát, hogy állatkert-aktivistává váljon, még mielőtt a fejében meghoznák ezt a döntést.
Létrehozták az első pontos világtérképet. Mi a baj mindenki mással?
Az Uránusz a Naprendszer legfurcsább bolygójának státuszát kapta. Miért?
A NASA elmondta, hogyan szállítják a Mars mintáit a Földre