Hvordan forutsi hva en person vil ha om fem år
Å bruke nevrale nettverk er en måte å endre på
Salgshistorikk brukes til analyse, typebutikk, sortimentet. Den amerikanske forhandleren Macy’s bruker lignende mekanismer. Hver brukerinteraksjon med nettstedet oppdaterer dataarket om personen, og maskinalgoritmer reagerer raskere på fersk informasjon enn ekte ansatte. Nike har bygget helt nye Nike Live-butikker rundt ideen om personalisering, som kjøperen kun samhandler med den installerte applikasjonen - dette hjelper ham med å bli en del av samfunnet og motta de mest personlige tilbudene, samt månedlige gaver fra merket . Med personalisering økte Nike sannsynligheten for å kjøpe produktene 40 ganger.
Nevrale nettverk er i stand til å forutsi ikke bare effektenfra kampanjer. På nettsidene til nettbutikker analyserer de en persons tidligere kjøp og konkluderer for eksempel med at sukkeret som ble kjøpt for en måned siden, skulle gå tom de neste dagene. Så det er på tide å tilby en person å fornye reservene.
Chatbot-utvikling er en annen applikasjonnevrale nettverk. Virtuelle assistenter eliminerer behovet for store kundesenterpersonale og er ganske effektive. De gir mer detaljert informasjon til en raskere hastighet enn en levende person, og svarer på alle spørsmål om et produkt eller en tjeneste – helt ned til nærmeste forhandleradresse.
I nettbutikker er nevrale nettverk i stand til å skapepersonlige anbefalinger ikke bare basert på hva en person nylig har sett, men også tatt i betraktning hans portrett (kjønn, alder, nasjonalitet og andre parametere).
Analytikere spår eksplosiv vekst i investeringer iAI-relaterte prosjekter etter pandemien. Blant IT-startups dukker det opp stadig flere prosjekter basert på kunstig intelligens og ML fordi det er etterspørsel. Detaljhandel bruker i økende grad kunstig intelligens: for å velge sortiment til butikker, utvikle kampanjer, forutsi priser og etterspørsel etter varer. Fullverdige butikker som opererer på nevrale nettverk dukker opp - Amazon Go, Pro Market i Skolkovo. Analyse av Big Data og dens behandling av nevrale nettverk gjør det for eksempel mulig å se at brukere som tweeter med taggen #sneakers også ofte legger ved taggene #ASICS eller #Nike. Dette signaliserer forhandleren hvilke produkter som skal inkluderes oftere i reklamekampanjer.
Hos Amazon gjør AI produktvalg deten person kan legge til en vogn akkurat nå. For å gjøre dette analyseres kohorter av brukere av nettstedet eller mobilapplikasjonen, informasjon om hva disse brukerne liker og hva ikke, hva andre mennesker (som ligner på det som produktet for øyeblikket blir valgt for) har sett og kjøpt. I desember vil en amerikansk kvinne bli tilbudt varer til jul, og en russisk kvinne vil bli tilbudt noe relatert til nyttår. Takket være nevrale nettverksbaserte anbefalingsmotorer genererer Amazon 55% av salget. Selskapet sier at det spår brukeratferd fem år frem i tid.
I 2016 ga Amazon tilgang til originalenkode for sin smarte anbefalingsalgoritme, og inviterte også andre spillere til å integrere disse mekanismene. I en fersk rapport fra det amerikanske representantenes hus ble Amazon anklaget for monopol (i e-handelssegmentet) og for å bruke data fra konkurrerende selgere til egne interesser. Og ifølge Wall Street Journal analyserer Amazon-ansatte salgsdata fra tredjeparter for å jobbe med Amazon-merkede produkter.
Hvordan fungerer reklame som vet alt om deg?
Navn, telefonnummer eller e-post en person kanla det stå alene, men andre data, ofte enda viktigere for virksomheten, blir samlet inn automatisk. Dette hjelper av spesielle koder innebygd på Internett-siden. Det mest populære alternativet er piksel: et skript (JavaScript-kodebit) som laster et usynlig bilde på en side. Den overfører den innsamlede informasjonen til serveren, der den behandles, analyseres og brukes til å danne personlige tilbud til personen som har kommet inn på nettstedet.
Markedsførere bruker aktivt piksler fraFacebook og Google. Et stort pluss av slike koder er at jo flere forskjellige selskaper bruker dem, jo bredere blir basen og jo mer effektiv er analysen av innhentede data. Og jo oftere brukeren besøker nettstedet, jo mer aktivt vokser ID-basen hans (personlig mappe med informasjon).
Pikselet samler mer enn bare statisk informasjon(for eksempel IP, som lar oss forstå brukerens beliggenhet), men også dynamisk - handlingene til en person på nettstedet. Konvensjonelt, hvis han ser på to skjorter i katalogen til en nettbutikk, kan nevrale nettverk tilby ham å bli kjent med andre lignende modeller eller hente deler til et komplett ensemble: bukser, en jakke, tilbehør.
Avhengig av hvordan nøyaktig den er implementertpiksel i sidekoden, bestemmes øyeblikket for informasjonsinnhenting. Det kan konfigureres til å definere målrettede handlinger som ikke er relatert til nettstedoppdateringer og sideendringer - for eksempel liker en bruker et produkt eller merker det med en stjerne som skal plasseres i en ønskeliste. Pikselet er også konfigurert til å analysere informasjon om sideoppdateringer: Dette lar deg analysere nøyaktig hvor en person besøker. Det tredje alternativet er å implementere en piksel for klikk på lenker, inkludert tilknyttede. På grunn av dette kan du spore tredjepartsinteresser til en person. For eksempel på nettsiden til lysekroner ser han et forslag til en ny samling porselensteintøy fra en partner og drar dit.
Teknologier fungerer ikke bare i en rett linje:hvis en person aktivt forsker på barnevogner på forskjellige nettsteder, vil det nevrale nettverket vise ham et tilbud fra et reproduktivt medisinsenter eller en produsent av barnesenger. Fordi algoritmene allerede har betraktet denne personen som en forelder og er klare til å sende inn flere relevante forslag samtidig.
Bedrifter kjøper aktivt data på typiskemønstre (mønstre) for atferd hos forskjellige kundekategorier, kan utveksle piksler med partnere og multiplisere basen. Hvis vi vurderer Facebook Pixel, så personens Facebook-konto, endringene som har skjedd i ham (skilt, byttet jobb osv.), Handlingene som er tatt fra ham, opp til å stoppe oppmerksomheten på annonsen (selv om du ikke klikker på på den), gi også ytterligere informasjon.
Pikselet fungerer sammen med informasjonskapsler:Dette er datafiler som ligger på brukerens enhet og er en informasjonskilde for markedsførere. Dette er pålogging i sosiale nettverk, produkter for nettbutikker valgt i kurven, søk og mye mer. Å samle inn disse dataene er ikke bare for markedsførere: det gjør livet lettere for brukerne selv. For eksempel er en person logget inn på Facebook og går til forskjellige sider. Han trenger ikke å skrive inn påloggingen og passordet på nytt hver gang han starter på nytt - nettstedet som lagret informasjonskapslene gjorde det for ham. Det faktum at nettleseren har husket geolokaliseringen og ikke prøver å foreslå Dubai eller Marokko på hver side, er også en fortjeneste for informasjonskapsler.
Når du samler inn slike data, er det imidlertid viktig å ikke glemme deteksistensen av FZ-152: i dag er hvert nettsted som bruker informasjonskapsler forpliktet til å varsle den besøkende brukeren om dette og gi ham et valg - å gi tilgang til data eller ikke. Du kan også gjøre overføringen av informasjonskapsler tilpassbare: personen bestemmer mengden informasjon som er klar til å avsløres til nettstedet. Samtidig skal brukeren kunne gjøre seg kjent med personvernpolicyen, kjenne lagringsperioden for de innsamlede dataene, mulige handlinger med dem, formålet med å samle informasjon og andre nyanser.
Nevrale nettverk av anbefalingstjenester
Hvor langt gikk anbefalingstjenester?Se eksemplet på en virtuell assistent opprettet av Macy’s i forbindelse med Watson Marketing-plattformen. Nevrale nettverk sporer historien til en besøkendes kjøp på et nettsted eller et program, analyserer hans geografiske beliggenhet, samt oppførselen til lignende kunder. Etter det tilbyr den virtuelle assistenten varer som passer for en person, ikke bare på grunnlag av sine tidligere kjøp (betinget den femte hvite joggesko), men tar også hensyn til hans mentalitet og andre nasjonale egenskaper. For eksempel vil en dedikert dyrefortaler i anbefalingene definitivt ikke motta verken en pels laget av naturlig pels eller en pose laget av kalveskinn.
Amazon utvikler også en annenanbefalingstjeneste basert på nevrale nettverk: nå analyserer smarte algoritmer hvilke produkter brukeren av nettstedet har likt, og tilbyr produkter som er relevante for ham. Dessuten kan det gis tips allerede ved første besøk i butikken: det er nok å velge de du liker blant de foreslåtte alternativene (tilfeldige valg av dagen på Pinterest fungerer på en lignende måte). Nevrale nettverk vil behandle dataene og gi relevante tilbud. Ideen er ment å løse spørsmålet "Jeg vet ikke hva jeg vil" blant besøkende på nettstedet. Ifølge representanter for Amazon er dette et skritt mot innovativ shopping: muligheten til å motta bare nyttige anbefalinger uten å ha sett på en million produkter før. Verktøyet fungerer ikke bare på nettstedet, men også i mobilapplikasjonen.
I tillegg begynte Amazon å trene et nevralt nettverk.studer strategiene for kundeatferd, med tanke på lengden på søk, kjøpesummen og forholdet mellom varene som allerede er kjøpt (plassert i kurven). Det antas at personer som kjører for lange eller for korte spørsmål, er mer fleksible i sitt valg, og det er lettere å interessere dem for noe de ikke opprinnelig planla å kjøpe.
Imidlertid anbefalingssystemer basert påNevrale nettverk er ikke bare i detaljhandel: et lignende produkt er utviklet av streamingtjenesten Netflix. Systemet tar hensyn til standardkriterier som nettlesingshistorikk, rangeringer, favorittskuespillere og sjangere, samt tidspunktet på dagen for innlogging i tjenesten, brukt til denne enheten, preferanser fra andre brukere med en lignende "profil". Interessant, personalisering går til og med så langt som å velge et omslag for en bestemt bruker av tjenesten: tidligere ble seeren vist den som ble sett oftere. Og nå ser hver person et bilde som er valgt for ham.
Med tanke på utviklingshastigheten til nevrale nettverk, ogsåØkt av pandemien vil verktøy som tillater bedrifter å oppnå enda større personalisering være i økende etterspørsel og dermed transformere seg. Det er høyst sannsynlig at prediktive mekanismer som fungerer mer effektivt enn noen person vil komme i forgrunnen. Og hvis butikken i dag ikke tilbyr en minkfrakk til en overbevist tilhenger av Greenpeace, er det mulig at i morgen vil bilen føle intensjonen til en person å bli en dyreparkaktivist allerede før denne avgjørelsen blir tatt i hans hode.
Det første nøyaktige kartet over verden ble opprettet. Hva er galt med alle andre?
Uranus har mottatt statusen som den merkeligste planeten i solsystemet. Hvorfor?
NASA fortalte hvordan de vil levere prøver av Mars til jorden