Como prever o que uma pessoa vai querer em cinco anos
Usar redes neurais é uma maneira de mudar
O histórico de vendas é usado para análise, tipoloja, seu sortimento. A varejista americana Macy's usa mecanismos semelhantes. Cada interação do usuário com o site atualiza a matriz de dados sobre a pessoa, e os algoritmos da máquina respondem mais rápido às novas informações do que os funcionários reais. A Nike construiu lojas Nike Live totalmente novas em torno da ideia de personalização, com a qual o comprador interage apenas com o aplicativo instalado - isso o ajuda a fazer parte da comunidade e receber as ofertas mais personalizadas, bem como presentes mensais da marca . Com a personalização, a Nike aumentou a probabilidade de compra de seus produtos em 40 vezes.
As redes neurais são capazes de prever não apenas o efeitode promoções. Nos sites das lojas online, eles analisam as compras anteriores de uma pessoa e concluem, por exemplo, que o açúcar comprado há um mês deve acabar nos próximos dias. Portanto, é hora de oferecer a uma pessoa a renovação de suas reservas.
O desenvolvimento do chatbot é outra aplicaçãoredes neurais. Os assistentes virtuais eliminam a necessidade de uma grande equipe de call center e são bastante eficientes. Eles fornecem informações mais detalhadas em um ritmo mais rápido do que uma pessoa viva e respondem a qualquer pergunta sobre um produto ou serviço - até o endereço de varejo mais próximo.
Nas lojas online, as redes neurais são capazes de criarrecomendações pessoais não só com base no que uma pessoa viu recentemente, mas também tendo em conta o seu retrato (sexo, idade, nacionalidade e outros parâmetros).
Analistas prevêem crescimento explosivo no investimento emProjetos relacionados à IA após a pandemia. Entre as startups de TI, cada vez mais projetos baseados em inteligência artificial e ML aparecem porque há demanda. O retalho utiliza cada vez mais a IA: para selecionar o sortimento das lojas, desenvolver promoções, prever preços e procura de produtos. Estão surgindo lojas completas operando em redes neurais - Amazon Go, Pro Market em Skolkovo. A análise do Big Data e do seu processamento por redes neurais permite, por exemplo, verificar que os utilizadores que tweetam com a tag #sneakers também anexam frequentemente as tags #ASICS ou #Nike. Isso sinaliza ao varejista quais produtos incluir com mais frequência em campanhas publicitárias.
Na Amazon, AI faz seleções de produtos queuma pessoa pode adicionar um carrinho agora. Para isso, são analisadas as coortes de usuários do site ou aplicativo móvel, informações sobre o que esses usuários gostam e não gostam, o que outras pessoas (semelhante àquela para a qual o produto está sendo selecionado) procuraram e compraram. Convencionalmente, em dezembro, uma mulher americana receberá uma oferta de produtos para o Natal, e uma mulher russa receberá uma oferta relacionada ao ano novo. Graças aos mecanismos de recomendação baseados em rede neural, a Amazon gera 55% de suas vendas. A empresa diz que prevê o comportamento do usuário até cinco anos no futuro.
Em 2016, a Amazon forneceu acesso ao originalcódigo de seu algoritmo de recomendação inteligente, e também convidou outros players para integrar esses mecanismos. Num relatório recente da Câmara dos Representantes dos EUA, a Amazon foi acusada de monopólio (no segmento do comércio eletrónico) e de utilizar dados de vendedores concorrentes para os seus próprios interesses. E de acordo com o Wall Street Journal, os funcionários da Amazon estão analisando dados de vendas de terceiros para trabalhar em seus produtos da marca Amazon.
Como funciona a publicidade que sabe tudo sobre você?
Nome, número de telefone ou e-mail que uma pessoa podedeixe-o por conta própria, mas outros dados, muitas vezes ainda mais importantes para a empresa, são coletados automaticamente. Isso é ajudado por códigos especiais incorporados na página da Internet. A opção mais popular é o pixel: um script (fragmento de JavaScript) que carrega uma imagem invisível em uma página. Ele transmite as informações coletadas para o servidor, onde são processadas, analisadas e utilizadas para formar ofertas pessoais para a pessoa que entrou no site.
Os profissionais de marketing estão usando ativamente pixels deFacebook e Google. Uma grande vantagem de tais códigos é que quanto mais diferentes empresas os utilizam, mais ampla se torna a base e mais eficiente é a análise dos dados obtidos. E quanto mais o usuário visita o site, mais ativamente sua base de ID (pasta pessoal com informações) cresce.
O pixel coleta mais do que apenas informações estáticas(por exemplo, IP, que nos permite entender a localização do usuário), mas também dinâmico - as ações de uma pessoa no site. Convencionalmente, se ele olhar duas camisas no catálogo de uma loja online, a rede neural pode lhe oferecer a oportunidade de conhecer outros modelos semelhantes ou pegar peças para um conjunto completo: calças, jaqueta, acessórios.
Dependendo de como exatamente é implementadopixel no código da página, o momento da coleta de informações é determinado. Ele pode ser configurado para definir ações direcionadas que não estão relacionadas a recarregamentos de sites e mudanças de página - por exemplo, um usuário gosta de um produto ou marca-o com um asterisco para ser colocado em uma lista de desejos. Além disso, o pixel é configurado para analisar informações sobre recarregamentos de página: isso permite que você analise exatamente onde uma pessoa está visitando. A terceira opção é implementar um pixel para cliques em links, incluindo os de afiliados. Devido a isso, você pode rastrear os interesses de terceiros de uma pessoa. Por exemplo, no site de lustres, ele vê uma proposta para uma nova coleção de porcelanato de um parceiro e vai lá.
As tecnologias não funcionam apenas em linha reta:se uma pessoa estiver pesquisando ativamente carrinhos de bebê em diferentes sites, a rede neural mostrará a ela uma oferta de um centro de medicina reprodutiva ou de um fabricante de berços. Porque os algoritmos já consideraram essa pessoa como pai e estão prontos para enviar várias propostas relevantes de uma só vez.
As empresas estão adquirindo ativamente dados sobrepadrões (padrões) de comportamento de várias categorias de clientes, podem trocar pixels com parceiros e multiplicar a base. Se considerarmos o Pixel do Facebook, então a conta do Facebook da pessoa, as mudanças que ocorreram nela (divorciado, mudou de emprego, etc.), as ações tomadas dele, até parar a atenção no anúncio (mesmo que você não clique nele), também fornecem informações adicionais.
O pixel funciona em conjunto com os cookies:esses são arquivos de dados localizados no dispositivo do usuário e são uma fonte de informações para os profissionais de marketing. Trata-se de login em redes sociais, produtos para lojas online selecionados na cesta, consultas de pesquisa e muito mais. A coleta desses dados não é apenas para profissionais de marketing: torna a vida mais fácil para os próprios usuários. Por exemplo, uma pessoa está logada no Facebook e vai para páginas diferentes. Ele não precisa inserir novamente seu login e senha toda vez que reinicia - o site que salvou os cookies fez isso por ele. O fato de o navegador memorizar a geolocalização e não tentar sugerir Dubai ou Marrocos em todas as páginas também é um mérito dos cookies.
No entanto, ao coletar esses dados, é importante não esquecera existência do FZ-152: hoje, todo site que utiliza cookies é obrigado a notificar o usuário visitante sobre isso e dar-lhe uma escolha - dar acesso aos dados ou não. Você também pode personalizar a transferência de cookies: a pessoa determina a quantidade de informações que está pronta para divulgar no site. Ao mesmo tempo, o usuário deve ser capaz de se familiarizar com a Política de Privacidade, saber o período de armazenamento dos dados coletados, possíveis ações com eles, a finalidade da coleta de informações e outras nuances.
Redes neurais de serviços de recomendação
Até onde vão os serviços de recomendação?Veja o exemplo de um assistente virtual criado pela Macy's em conjunto com a plataforma Watson Marketing. As redes neurais rastreiam o histórico de compras de um visitante em um site ou aplicativo, analisam sua geolocalização, bem como o comportamento de clientes semelhantes. Depois disso, o assistente virtual oferece produtos adequados para uma pessoa não apenas com base em suas compras anteriores (condicionalmente, o quinto tênis branco), mas também levando em consideração sua mentalidade e outras características nacionais. Por exemplo, um defensor dos animais dedicado nas recomendações definitivamente não receberá um casaco de pele feito de pele natural ou uma bolsa feita de pele de bezerro.
A Amazon também está desenvolvendo outroserviço de recomendação baseado em redes neurais: agora algoritmos inteligentes analisam quais produtos o usuário do site gostou e oferecem produtos que são relevantes para ele. Além disso, dicas podem ser emitidas já na primeira visita à loja: basta escolher as que você gosta entre as opções propostas (as seleções aleatórias do dia no Pinterest funcionam de forma semelhante). A rede neural processará os dados e fornecerá ofertas relevantes. A ideia visa resolver a questão “Não sei o que quero” entre os visitantes do site. De acordo com representantes da Amazon, este é um passo em direção a compras inovadoras: a capacidade de receber apenas recomendações úteis sem ter visto um milhão de produtos antes. A ferramenta funciona não só no site, mas também no aplicativo mobile.
Além disso, a Amazon começou a treinar uma rede neural.estudar as estratégias de comportamento do cliente, levando em consideração a duração da consulta de pesquisa, o preço de compra e a relação entre os bens já adquiridos (colocados na cesta). Supõe-se que as pessoas que dirigem em consultas muito longas ou muito curtas são mais flexíveis em sua escolha e é mais fácil interessá-las por algo que não planejaram inicialmente comprar.
No entanto, sistemas de recomendação baseados emAs redes neurais não estão apenas no varejo: um produto semelhante foi desenvolvido pelo serviço de streaming Netflix. O sistema leva em consideração critérios padrão como histórico de navegação, avaliações, atores e gêneros favoritos, bem como a hora do dia de login no serviço, utilizada para este dispositivo, as preferências de outros usuários com um "perfil" semelhante. Curiosamente, a personalização chega até a escolher uma capa para um determinado utilizador do serviço: anteriormente, era mostrado ao telespectador aquela que era vista com mais frequência. E agora cada pessoa vê uma imagem selecionada para ela.
Levando em consideração a velocidade de desenvolvimento das redes neurais, tambémCom o aumento da pandemia, as ferramentas que permitem às empresas obter uma personalização ainda maior terão uma demanda crescente e, portanto, se transformarão. É altamente provável que mecanismos preditivos que funcionam com mais eficiência do que qualquer pessoa venham à tona. E se hoje a loja não oferece um casaco de vison para um seguidor convicto do Greenpeace, é possível que amanhã o carro sinta a intenção de uma pessoa se tornar um ativista do zoológico antes mesmo que essa decisão seja tomada em sua cabeça.
O primeiro mapa preciso do mundo foi criado. O que há de errado com todo mundo?
Urano recebeu o status de planeta mais estranho do sistema solar. Porque?
A NASA disse como vai entregar amostras de Marte à Terra