Jak przewidzieć, czego dana osoba będzie chciała za pięć lat
Wykorzystanie sieci neuronowych jest jednym ze sposobów na zmianę
Do analizy służy historia sprzedaży, typsklep, jego asortyment. Amerykański sprzedawca detaliczny Macy’s używa podobnych mechanizmów. Każda interakcja użytkownika z witryną aktualizuje tablicę danych o osobie, a algorytmy maszyn reagują szybciej na świeże informacje niż prawdziwi pracownicy. Nike zbudowało zupełnie nowe sklepy Nike Live wokół idei personalizacji, z którą kupujący wchodzi w interakcję tylko z zainstalowaną aplikacją - pomaga mu to stać się częścią społeczności i otrzymywać najbardziej spersonalizowane oferty, a także comiesięczne prezenty od marki. . Dzięki personalizacji Nike 40-krotnie zwiększyło prawdopodobieństwo zakupu swoich produktów.
Sieci neuronowe są w stanie przewidzieć nie tylko efektz promocji. Na stronach sklepów internetowych analizują wcześniejsze zakupy danej osoby i dochodzą np. Do wniosku, że cukier zakupiony miesiąc temu powinien się skończyć w najbliższych dniach. Czas więc zaoferować osobie odnowienie jego rezerw.
Kolejnym zastosowaniem jest tworzenie chatbotówsieci neuronowe. Wirtualni asystenci eliminują potrzebę zatrudniania dużego personelu call center i są dość wydajni. Dostarczają bardziej szczegółowych informacji szybciej niż żywa osoba i odpowiadają na każde pytanie dotyczące produktu lub usługi – aż do najbliższego adresu detalicznego.
W sklepach internetowych sieci neuronowe potrafią tworzyćosobiste rekomendacje nie tylko na podstawie tego, co dana osoba ostatnio oglądała, ale także biorąc pod uwagę jej portret (płeć, wiek, narodowość i inne parametry).
Analitycy przewidują gwałtowny wzrost inwestycji wProjekty związane z AI po pandemii. Wśród startupów IT pojawia się coraz więcej projektów opartych na sztucznej inteligencji i ML, bo jest zapotrzebowanie. Handel detaliczny coraz częściej wykorzystuje sztuczną inteligencję: do doboru asortymentu do sklepów, opracowywania promocji, przewidywania cen i popytu na towary. Pojawiają się pełnoprawne sklepy działające w sieciach neuronowych - Amazon Go, Pro Market w Skołkowie. Analiza Big Data i jego przetwarzania przez sieci neuronowe pozwala np. zobaczyć, że użytkownicy tweetujący z tagiem #sneakers często dołączają także tagi #ASICS czy #Nike. Daje to sprzedawcy sygnał, które produkty częściej uwzględniać w kampaniach reklamowych.
W Amazon sztuczna inteligencja dokonuje takiego wyboru produktówosoba może teraz dodać koszyk. W tym celu analizowane są kohorty użytkowników serwisu lub aplikacji mobilnej, informacje o tym, co ci użytkownicy lubią, a co nie, jakie inne osoby (podobne do tej, dla której aktualnie wybierany jest produkt), szukały i kupowały. Tradycyjnie w grudniu Amerykanka otrzyma towary na Boże Narodzenie, a Rosjance coś związanego z Nowym Rokiem. Dzięki silnikom rekomendacji opartym na sieciach neuronowych Amazon generuje 55% swojej sprzedaży. Firma twierdzi, że przewiduje zachowanie użytkowników nawet za pięć lat w przyszłości.
W 2016 roku Amazon udostępnił oryginałkod swojego algorytmu inteligentnych rekomendacji, a także zaprosił innych graczy do integracji tych mechanizmów. W niedawnym raporcie amerykańskiej Izby Reprezentantów Amazon został oskarżony o monopol (w segmencie e-commerce) i wykorzystywanie danych od konkurencyjnych sprzedawców do własnych celów. Według „Wall Street Journal” pracownicy Amazona analizują dane dotyczące sprzedaży stron trzecich, aby pracować nad produktami marki Amazon.
Jak działa reklama, która wie o Tobie wszystko
Imię i nazwisko, numer telefonu lub adres e-mail, który może osobazostaw to w spokoju, ale inne dane, często nawet ważniejsze dla firmy, są zbierane automatycznie. Pomagają w tym specjalne kody osadzone na stronie internetowej. Najpopularniejszą opcją jest piksel: skrypt (fragment kodu JavaScript), który ładuje niewidoczny obraz na stronę. Przekazuje zebrane informacje na serwer, gdzie są one przetwarzane, analizowane i wykorzystywane do tworzenia osobistych ofert dla osoby, która weszła na stronę.
Marketerzy aktywnie używają pikseli z domenyFacebook i Google. Dużym plusem takich kodów jest to, że im więcej różnych firm ich używa, tym szersza staje się baza i tym wydajniejsza jest analiza uzyskanych danych. Im częściej użytkownik odwiedza witrynę, tym aktywniej rośnie jego baza identyfikacyjna (osobisty folder z informacjami).
Piksel gromadzi więcej niż tylko statyczne informacje(na przykład IP, które pozwala nam zrozumieć lokalizację użytkownika), ale także dynamiczne - działania osoby w serwisie. Konwencjonalnie, jeśli spojrzy na dwie koszulki w katalogu sklepu internetowego, sieć neuronowa może zaoferować mu zapoznanie się z innymi podobnymi modelami lub odebranie części do kompletnego zestawu: spodni, kurtki, akcesoriów.
W zależności od tego, jak dokładnie jest to realizowanepiksel w kodzie strony, określa się moment zebrania informacji. Można go skonfigurować tak, aby definiował ukierunkowane działania, które nie są związane z ponownym ładowaniem witryny i zmianami stron - na przykład użytkownik lubi produkt lub oznacza go gwiazdką, aby umieścić go na liście życzeń. Piksel jest również skonfigurowany do analizowania informacji o ponownym załadowaniu strony: pozwala to dokładnie przeanalizować, gdzie dana osoba odwiedza. Trzecią opcją jest zaimplementowanie piksela dla kliknięć linków, w tym powiązanych. Dzięki temu możesz śledzić zainteresowania osób trzecich. Na przykład na stronie żyrandoli widzi propozycję nowej kolekcji kamionki porcelanowej od partnera i tam jedzie.
Technologie działają nie tylko w linii prostej:jeśli dana osoba aktywnie szuka wózków dziecięcych w różnych witrynach, sieć neuronowa pokaże mu ofertę ośrodka medycyny rozrodu lub producenta łóżeczek dziecięcych. Ponieważ algorytmy uznały już tę osobę za rodzica i są gotowe złożyć kilka odpowiednich propozycji na raz.
Firmy aktywnie kupują dane na temat typowychwzorce (wzorce) zachowań różnych kategorii klientów, mogą wymieniać piksele z partnerami i pomnażać bazę. Jeśli weźmiemy pod uwagę piksel Facebooka, to konto na Facebooku osoby, zmiany, które w niej zaszły (rozwiedziony, zmiana pracy itp.), Podjęte przez nią działania, aż po zatrzymanie uwagi na reklamie (nawet jeśli nie klikniesz na nim), podaj również dodatkowe informacje.
Piksel działa w połączeniu z plikami cookie:są to pliki danych, które znajdują się na urządzeniu użytkownika i są źródłem informacji dla marketerów. To logowanie do sieci społecznościowych, produkty do sklepów internetowych wybrane w koszyku, zapytania wyszukiwania i wiele więcej. Gromadzenie tych danych nie jest przeznaczone tylko dla marketerów: ułatwia życie samym użytkownikom. Na przykład osoba jest zalogowana na Facebooku i przechodzi do różnych stron. Nie musi ponownie wpisywać swojego loginu i hasła przy każdym ponownym uruchomieniu - strona, która zapisała pliki cookie, zrobiła to za niego. Zaletą plików cookie jest również fakt, że przeglądarka zapamiętała geolokalizację i nie próbuje na każdej stronie sugerować Dubaju ani Maroka.
Jednak zbierając takie dane, ważne jest, aby o nich nie zapomniećistnienie FZ-152: w dzisiejszych czasach każda strona korzystająca z plików cookies ma obowiązek poinformować o tym odwiedzającego użytkownika i dać mu wybór - udostępnić dane, czy nie. Możesz również dostosować transfer plików cookie: osoba określa ilość informacji, które są gotowe do ujawnienia w witrynie. W takim przypadku użytkownik powinien być w stanie zapoznać się z Polityką Prywatności, znać okres przechowywania zebranych danych, możliwe z nimi działania, cel zbierania informacji i inne niuanse.
Sieci neuronowe usług rekomendacji
Jak daleko zaszły usługi rekomendacji?Zobacz przykład wirtualnego asystenta stworzonego przez Macy’s we współpracy z platformą Watson Marketing. Sieci neuronowe śledzą historię zakupów odwiedzającego w witrynie lub aplikacji, analizują jego lokalizację geograficzną, a także zachowania podobnych klientów. Następnie wirtualny asystent oferuje towary odpowiednie dla osoby nie tylko na podstawie jej poprzednich zakupów (warunkowo piąte białe trampki), ale także biorąc pod uwagę jego mentalność i inne cechy narodowe. Na przykład oddany zwolennik zwierząt w zaleceniach na pewno nie otrzyma ani futra z naturalnego futra, ani torby ze skóry cielęcej.
Amazon opracowuje również innyusługa rekomendacji oparta na sieciach neuronowych: teraz inteligentne algorytmy analizują, które produkty polubił użytkownik witryny i oferują produkty, które są dla niego odpowiednie. Co więcej, napiwki można wystawiać już przy pierwszej wizycie w sklepie: wystarczy wybrać z proponowanych opcji te, które Ci się podobają (podobnie działają losowe wybory dnia na Pinterest). Sieć neuronowa będzie przetwarzać dane i przedstawiać odpowiednie oferty. Pomysł ma na celu rozwiązanie pytania „Nie wiem, czego chcę” wśród odwiedzających witrynę. Według przedstawicieli Amazona to krok w stronę innowacyjnych zakupów: możliwość otrzymywania tylko przydatnych rekomendacji bez wcześniejszego spojrzenia na milion produktów. Narzędzie działa nie tylko na stronie internetowej, ale także w aplikacji mobilnej.
Ponadto Amazon zaczął trenować sieć neuronową.zbadać strategie zachowań klientów, biorąc pod uwagę długość zapytania wyszukiwania, cenę zakupu oraz relacje między towarami już zakupionymi (umieszczonymi w koszyku). Zakłada się, że osoby wpisujące zbyt długie lub zbyt krótkie zapytania mają większą elastyczność w wyborze i łatwiej jest ich zainteresować czymś, czego początkowo nie planowali kupić.
Jednak systemy rekomendacji oparte naSieci neuronowe są nie tylko w sprzedaży detalicznej: podobny produkt opracował serwis streamingowy Netflix. System uwzględnia standardowe kryteria, takie jak historia przeglądania, oceny, ulubieni aktorzy i gatunki, a także pora dnia logowania do serwisu, z którego korzysta to urządzenie, preferencje innych użytkowników o podobnym „profilu”. Co ciekawe, personalizacja to nawet wybór okładki dla konkretnego użytkownika serwisu: wcześniej widzowi pokazywano tę, która była oglądana częściej. A teraz każda osoba widzi wybrany dla siebie obraz.
Uwzględniając również szybkość rozwoju sieci neuronowychZwiększone w wyniku pandemii narzędzia, które pozwolą firmom osiągnąć jeszcze większą personalizację, będą rosły popyt, a tym samym ulegną transformacji. Jest wysoce prawdopodobne, że na pierwszy plan wysuwają się mechanizmy predykcyjne, które działają wydajniej niż jakakolwiek osoba. A jeśli dziś sklep nie oferuje już zagorzałemu zwolennikowi Greenpeace futra z norek, to możliwe, że jutro samochód wyczuje zamiar osoby, aby zostać aktywistą w zoo, jeszcze zanim ta decyzja zapadnie w jego głowie.
Powstała pierwsza dokładna mapa świata. Co jest nie tak ze wszystkimi innymi?
Uran uzyskał status najdziwniejszej planety w Układzie Słonecznym. Dlaczego?
NASA poinformowała, w jaki sposób dostarczą próbki Marsa na Ziemię