Hoe kunstmatige intelligentie te gebruiken
Het lijkt erop dat AI erg moeilijk is, en dat in een klein bedrijf
Maar het is niet altijd nodig om iets moeilijks samen te stellen.op zichzelf. Grote bedrijven hebben alles al uitgevonden en in open access op GitHub gezet. Daar kunt u neurale netwerken en slimme bibliotheken vinden. Voor ontwikkelaars is dit een geweldige kans om nieuwe dingen te proberen en te zien hoe anderen het probleem hebben opgelost.
Bij Aviasales worden veel oplossingen met betrekking tot AI-technologieën uitgevonden tijdens interne hackathons.
Hackathonis een competitie tussen ontwikkelaars wanneerhet is noodzakelijk om een probleem in zeer korte tijd op te lossen, bijvoorbeeld 48 uur. Uiteraard is het gedurende deze tijd onmogelijk om iets helemaal opnieuw te maken, dus worden kant-en-klare oplossingen gebruikt.
Het belangrijkste is dat snelle experimenten met kant-en-klare technologieën bijna altijd goede resultaten opleveren, of het nu een toename van de conversie of een verlaging van de kosten is.
"De profeet" voorspelt wanneer een kaartje moet worden gekocht
Tijdens een van de hackathons dook een hypothese oper is een verband tussen de tijd vóór vertrek en de dag waarop u aan de reis begint. Ik heb een groot aantal geanalyseerdgestructureerde gegevens die zijn verzameld gedurende 11 jaar werking van de Aviasales-service, het was mogelijk om te bewijzen dat de hypothese juist was. Zo verscheen de Prophet-service, die het beste moment voorspelt om kaartjes te kopen met een fout van 10%.
Dankzij de nieuwe dienst begon het bedrijf te besparendoor gegevens van derden te verkrijgen en kon prijzen in de kalender invoegen voor die data en bestemmingen waar er geen echte gegevens waren - met een kleine hoeveelheid fouten helpt de Profeet de prijs van tevoren te achterhalen.
De “Profeet” geeft reizigers tips overtijd om kaartjes te zoeken: ‘Koop nu’ of ‘Wacht.’ Samen met de zoekwoorden wordt een grafiek weergegeven die laat zien hoe de prijs zich zal gedragen op basis van de voorspellingen van het bedrijf.
AI selecteert de beste ticketverkoper
In de metasearch van Aviasales worden 200 ticketkantoren gepresenteerd.en 728 luchtvaartmaatschappijen. Het is duidelijk dat in de eerste plaats altijd het ticket met de laagste prijs is. Maar een ticket kan meerdere verkopers hebben, en vaak hebben sommige dezelfde waarde. Dan rijst de vraag: wie moet vooruitlopen?
De gele knop "Kopen" - dit is de eerste plaats onder alle verkopers. Onder de knop staat een lijst met agentschappen enluchtvaartmaatschappijen waar u dit ticket ook kunt kopen: voor dezelfde prijs of duurder. Om te bepalen wie er op de magische knop moet worden gezet, worden twee factoren in aanmerking genomen: de commissie die de partner betaalt voor het verkochte ticket en de conversie van het gaan naar de site van de verkoper naar de aankoop. Dat wil zeggen, dit zijn factoren die rekening houden met de belangen van twee partijen - de meta-search en het gemak van de reiziger.
Alle gegevens over beide factoren worden vastgelegd inde tafel. Gegevens veranderen voortdurend, aangezien verkopers werken aan het verbeteren van hun sites. Er werd besloten om dit proces te automatiseren om nummers niet handmatig in de tabel in te voeren. Dus in 5% van de gevallen blijkt de verkoper met de knop "Kopen" niet de laagste prijs te hebben, om erachter te komen welk percentage gebruikers naar zijn website gaan en een ticket kopen. Zo worden de parameters steeds opnieuw berekend, wordt het systeem getraind op basis van de verkregen gegevens en kiest het zelf de beste oplossing.
AI kiest foto's voor de beschrijving van het hotel
Als de keuze voor een product of dienst verband houdt met kwaliteitfoto's, en er zijn er enorm veel - het is irrationeel om foto's handmatig te selecteren. AI nodig. Het probleem is dat elke partner zijn foto's van het hotel naar de hotelservice van Aviasales stuurt, en partners zijn niet altijd ketengiganten zoals Hilton of Marriott. Soms is dit de eigenaar van een klein pension op de Krim, die de kamers op zijn telefoon fotografeerde.
Om foto's te analyseren heb je AI nodigherkent kwaliteit en bepaalt in welke volgorde afbeeldingen worden weergegeven. De oplossing werd gevonden in één getraind neuraal netwerk dat locatie kan bepalen. Het resultaat is bijvoorbeeld de volgende verdeling: 63% - gebouw, 20% - zwembad, 11% - boom, 6% - strand.
In stadshotels is het interessant hoe de kamer eruit zietdaarom worden eerst foto's met een bed getoond. In strandhotels daarentegen zijn het zwembad en de ligbedden belangrijk. In de regel zijn de kamers in resortrichtingen vrij schaars en kan de inrichting van de kamer het best als laatste worden getoond.
Beginnen met foto's te werken met AI,het bedrijf heeft de kosten van handarbeid verlaagd: eerder ingehuurde freelancers die foto's in populaire steden namen en ook de conversie met 12% verhoogden, voornamelijk als gevolg van experimenten met foto's van zwembaden in badplaatsen.
Hoe AI helpt bij het maken van prachtige websites met de ontwerper Weblium
Weblium-websitebouwer maakt gebruik van AIDesign Supervisor, die de activiteiten voor het maken van websites van de gebruiker in realtime volgt en ontwerpfouten identificeert en deze direct corrigeert.
Omdat het hele project gebruik maakt van een productenstapelGoogle en vervolgens gebruikten de ontwikkelaars Google Cloud AI om deze taak te implementeren. De moeilijkste taak was om het neurale netwerk te leren ontwerpproblemen met onjuist gebruik van kleuren, lettertypeparen en dergelijke te herkennen.
Om een dataset te verkrijgen die groot genoeg is,de ontwikkelaars hebben het model getraind op een dataset met 30 miljoen ontwerpoplossingen uit de toonaangevende bronnen Behance en Dribbble. Met behulp van de Cloud Vision API werden de structuren van sites en elementen herkend. Hierdoor konden we een “kwantumsprong” maken in het bereiken van de nauwkeurigheid van AI Design Supervisor.
We kunnen nog niet opscheppen over dat AI-ontwerpSupervisor werkt feilloos, maar kan al nauwkeurig worden gebruikt als het belangrijkste onderscheidingspunt van concurrenten. Gebruikers schrijven voortdurend dat het veranderen van de ene site in de andere onveranderlijk een wow-effect veroorzaakt, zelfs wanneer AI Design Supervisor herhaaldelijk wordt gebruikt.
David Brown, oprichter van Weblium
Tegelijkertijd werkt Weblium eraancontextueel bepalen welke inhoud de gebruiker aan sites bijdraagt, zijn taken begrijpen en hem de meest relevante blokken aanbieden bij het bouwen van de site. Hiervoor gebruiken ontwikkelaars de Cloud Natural Language API.
En de nieuwste ontwikkeling, heel belangrijk inperspectief - spraakinterfaces. Weblium AI Lab maakt een prototype van de spraakbesturing van de sitebouwer met behulp van de Cloud Speech-to-Text-bibliotheek. Het uiteindelijke idee is dat de gebruiker een technische taak in een stem en in vrij eenvoudige woorden kan zetten, bijvoorbeeld: "Ik wil een moderne functionele site voor mijn carwash". En als resultaat van deze TK, krijg je een fatsoenlijke site.
Hoe Sephora en Lamoda AI's worden gebruikt
Het personalisatieplatform van Dynamic Yield helpt partners de klantervaring te verbeteren. Het wordt gebruikt door bekende merken als Sephora en Lamoda.
Dynamic Yield kan uw doelgroep segmenteren,gepersonaliseerde producten en inhoud selecteren. Het platform werkt op internet, op mobiele apparaten en kan worden gebruikt voor het versturen van nieuwsbrieven en het plaatsen van advertenties. Het levert gepersonaliseerde aanbevelingen aan gebruikers via alle communicatiekanalen.
Door Sephora getest personalisatiesysteemaanbevelingen in acht online winkels in Azië. In elk daarvan werden aanbevolen producten voor gebruikers geselecteerd, op basis van drie strategieën: vergelijkbare producten, gerelateerde producten en automatische aanbevelingen.
Tot de introductie van AI de definitieve keuzeDe producten die aan de gebruiker worden getoond, zijn gemaakt afhankelijk van het land en de KPI. Nu worden ze weergegeven, afhankelijk van welke producten de gebruiker aan de winkelwagen heeft toegevoegd en welke hij uiteindelijk heeft gekocht.
Dankzij deze aanpak steeg de CTR met 4%.En elke dollar besteed aan gebruik, verdiende Dynamic Yield $ 6,5 aan inkomsten.
Voorheen segmenteerde Lamoda gebruikers op basis vanlocatie en aanbevolen kleding die geschikt is voor de weersomstandigheden. Nu zijn aanbevelingen niet alleen gebaseerd op geo, maar ook op aankoopgeschiedenis, gebruikersgedrag, voorkeursmerken en producten.
Lamoda heeft gebruikers gedeeld door 160microsegmenten en voorbereide gepersonaliseerde coupons voor elk segment. In vergelijking met de vorige kortingscampagne is dit de conversie, het gemiddelde inkomen per bezoeker en de opbrengst per sessie toegenomen.
Lamoda lanceerde persoonlijke banners waaropEr werden kleding en accessoires getoond in de kleur die de gebruiker tijdens het zoeken verkoos. Door op de banner te klikken, zag de gebruiker kleding van zijn favoriete kleur, gesorteerd in de volgorde die hij gewoonlijk verkiest bij het zoeken.
Dankzij het gebruik van AI verhoogde Lamoda de omzet per sessie met 8%de brutowinst steeg met $ 15 miljoen.
Klaar oplossingen, snel effect.
Voorbeelden: Aviasales, Weblium, Sephora en Lamodabewijzen dat het gebruik van kunstmatige intelligentie bedrijven helpt aanzienlijk te groeien, soms in korte tijd: van enkele maanden tot een jaar. Bovendien zouden sommige indicatoren nooit zijn verbeterd zonder de introductie van AI.
Je kunt gaan experimenteren met AIsnel. In de beginfase zal de kracht van de ontwikkelaars die je al hebt hoogstwaarschijnlijk voldoende zijn. Zoek in GitHub naar ontwikkelingen die voor jouw bedrijf kunnen worden aangepast, kijk of het gebruik van een volledig kant-en-klaar product van derden de moeite waard is, en probeer op zijn minst een klein idee te implementeren om de resultaten te zien. Ze zullen zeker zoveel indruk op je maken dat je zult blijven experimenteren met AI.