人工知能を使い始める方法
AIはとても難しいようで、小さな会社では
しかし、難しいものを作ることは必ずしも必要ではありません。自分で。大企業はすでにすべてを発明し、GitHub上でそれをオープンアクセスにしています。そこにはニューラルネットワークとスマートライブラリがあります。開発者にとって、これは新しいことを試して、他の人がどのように問題を解決したかを見る絶好の機会です。
Aviasales では、AI テクノロジーに関連する多くのソリューションが社内ハッカソン中に考案されています。
ハッカソン開発者間の競争である非常に短い時間 (たとえば 48 時間) で問題を解決する必要がある場合。当然のことながら、この期間中はゼロから何かを作成することは不可能なので、既製のソリューションが使用されます。
最も重要なこと - 既製の技術を用いた素早い実験は、変換の増加やコストの削減など、ほとんど常に良い結果を示します。
「預言者」はいつチケットを買うかを予測する
ハッカソンの 1 つで、次のような仮説が生まれました。出発前の時間と出発の日の間には関係がある。膨大な数を分析した結果、Aviasales サービスの 11 年間の運用を通じて蓄積された構造化データにより、仮説が正しいことを証明することができました。こうして、誤差 10% でチケットを購入する最適なタイミングを予測する Prophet サービスが登場しました。
新しいサービスのおかげで、会社は節約を始めましたサードパーティのデータを取得することで、実際のデータが存在しない日付と目的地の価格をカレンダーに挿入することができました。多少の誤差はありますが、Prophet は事前に価格を調べるのに役立ちます。
「預言者」は旅行者に次のようなヒントを与えますチケットを検索する時間:「今すぐ購入」または「お待ちください」。検索ワードとともに、企業の予測に基づいて価格がどのように動くかを示すグラフが表示されます。
AIが最高のチケット販売者を選択
Aviasalesメタサーチには、200のチケット売り場があります。728の航空会社。それは最初の場所で常に最低価格のチケットであることは明らかです。しかし、チケットは複数の売り手を持つことができ、多くの場合同じチケットを持つことができます。それから質問が起こります：誰が先にいるべきですか？
黄色いボタン「購入」 - これはすべての売り手の中で最初の場所です。ボタンの下には、代理店のリストがあります。あなたがこのチケットを買うことができる航空会社：同じ価格またはより高価。誰がマジックボタンを付けるかを決めるために、2つの要素が考慮されます - パートナーが販売したチケットの代金を支払う手数料と、売り手のサイトへ行くことから購入への変換です。つまり、メタ検索と旅行者の利便性という2つの当事者の利益を考慮に入れた要素です。
両方の要因に関するすべてのデータがテーブル売り手が彼らのサイトを改善するために働いているので、データは絶えず変化しています。手動でテーブルに番号を入力しないようにするために、このプロセスを自動化することにしました。したがって、5％のケースで、「購入」ボタンで、売り手は、ユーザーの何パーセントが自分のWebサイトにアクセスしてチケットを購入するかを調べるために、最低価格ではないことがわかりました。従って、パラメータは常に再計算され、システムは得られたデータに基づいて訓練され、そしてそれはそれ自体最良の解決策を選択する。
AIはホテルの説明に写真を選択
製品またはサービスの選択が品質に関係する場合写真は膨大な数にあります。手動で写真を選択するのは非合理的です。 AIが必要です。問題は、各パートナーがホテルの写真を Aviasales ホテル サービスに送信すること、そしてパートナーが必ずしもヒルトンやマリオットのような大手チェーン店であるとは限らないことです。クリミアの小さなゲストハウスのオーナーが携帯電話で部屋の写真を撮っていることもあります。
写真を分析するにはAIが必要です。品質を認識し、画像を表示する順序を決定します。この解決策は、位置を特定できる訓練された 1 つのニューラル ネットワークで見つかりました。結果は、たとえば次のようになります: 63% - 建物、20% - プール、11% - 木、6% - ビーチ。
都市のホテルではそれは部屋がどのように見えるか面白いですそのため、ベッド付きの写真が最初に表示されます。反対に、ビーチホテルではプールとサンベッドが重要です。原則として、リゾート地では、その数はかなり少なく、部屋の内部は最後に見せるのが一番です。
AIを使って写真を扱うようになりました、同社は肉体労働のコストを削減しました。以前は人気のある都市で写真を撮ったフリーランサーを雇い、さらにビーチリゾートでプールの写真を使った実験のおかげで、コンバージョン率も12％向上しました。
デザイナーのWebliumで、AIがどのようにして美しいウェブサイトを作るのを手助けする
Weblio ウェブサイトビルダーは AI を使用していますDesign Supervisor は、ユーザーの Web サイト作成アクティビティをリアルタイムで追跡し、設計上のエラーを特定し、その場で修正します。
プロジェクト全体で製品スタックを使用するためGoogle と開発者は Google Cloud AI を使用してこのタスクを実装しました。最も困難な作業は、色やフォントのペアなどの誤った使用によるデザインの問題を認識するようにニューラル ネットワークを教えることでした。
十分な大きさのデータセットを取得するには、開発者は、主要なリソースである Behance と Dribbble から取得した 3,000 万の設計ソリューションを使用したデータセットでモデルをトレーニングしました。サイトと要素の構造は、Cloud Vision API を使用して認識されました。これにより、AI Design Supervisor の精度を「飛躍的に向上」させることができました。
私たちはまだそのAIデザインを自慢することはできませんSupervisorは完璧に機能しますが、競合他社との差別化の主なポイントとしてすでに正確に使用されています。 AI Design Supervisorが繰り返し使用されている場合でも、ユーザーがその場で別のサイトに切り替えると常にワウ効果が生じると常に書いています。
デビッド・ブラウン、ウェブリウム創設者
同時に、Weblium は次のことに取り組んでいます。ユーザーがサイトに投稿するコンテンツを状況に応じて判断し、ユーザーのタスクを理解し、サイト構築時に最も関連性の高いブロックを提供します。これを行うために、開発者は Cloud Natural Language API を使用します。
そして非常に重要な最新の開発パースペクティブ - 音声インタフェースWeblium AI Labは、Cloud Speech-to-Textライブラリを使用してサイトビルダーの音声制御をプロトタイプ化します。最後のアイデアは、ユーザーが技術的な作業を音声でやや簡単な言葉で話すことができるということです。そしてこのTKの結果として、あなたはまともなサイトを手に入れることになります。
SephoraとLamodaのAIの使い方
Dynamic Yield のパーソナライゼーション プラットフォームは、パートナーが顧客エクスペリエンスを向上させるのに役立ちます。セフォラやラモーダなどの有名ブランドでも採用されています。
Dynamic Yield は視聴者をセグメント化できます。パーソナライズされた製品とコンテンツを選択します。このプラットフォームはウェブやモバイルデバイス上で動作し、ニュースレターの送信や広告の掲載に使用できます。あらゆるコミュニケーション チャネルを通じて、パーソナライズされた推奨事項をユーザーに提供します。
Sephora でテストされたパーソナライゼーション システムアジアの 8 つのオンライン ストアでの推奨事項。それぞれの製品では、類似製品、関連製品、自動推奨という 3 つの戦略に基づいて、ユーザーに推奨される製品が選択されています。
AI導入、最終選択までユーザーに表示される商品は国やKPIに応じて作られています。ユーザーがカートに追加した製品と最終的に購入した製品に応じて表示されるようになりました。
このアプローチのおかげで、CTR は 4% 増加しました。そして、1ドルの使用に費やされるごとに、Dynamic Yieldは6.5ドルの収入を得ました。
以前、Lamoda はユーザーを次の基準でセグメント化していました。場所と気象条件に適した推奨服装。現在では、推奨事項は地域だけでなく、購入履歴、ユーザーの行動、好みのブランドや製品にも基づいています。
Lamodaがユーザーを160で割った各セグメントのマイクロセグメント化および個別化されたクーポンの作成。前回のディスカウントキャンペーンと比較して、これによりコンバージョン、訪問者1人当たりの平均収入、およびセッションあたりの収入が増加しました。
Lamoda は個人用バナーを立ち上げました。ユーザーが検索した際に好みの色の服やアクセサリーが表示されました。バナーをクリックすると、ユーザーが自分の好きな色の服を、普段検索するときに好む順に並べて表示されます。
AI の使用のおかげで、Lamoda はセッションあたりの収益を 8% 増加させました。売上総利益は1,500万ドル増。
すぐに使える解決策。
例: Aviasales、Weblium、Sephora、Lamoda人工知能の使用が、場合によっては数か月から 1 年という短期間で企業が大幅に成長するのに役立つことを証明しています。さらに、AI の導入がなければ改善されなかった指標もあります。
AI の実験を始めることができます速い。初期段階では、おそらく既存の開発者の力で十分でしょう。 GitHub で自社向けにカスタマイズできる開発を検索し、完全に既製のサードパーティ製品を使用することが効果があるかどうかを確認し、少なくとも小さなアイデアを実装して結果を確認してください。きっと、あなたはとても感銘を受けて、AI の実験を続けるでしょう。