Како предвидети шта ће човек желети за пет година
Коришћење неуронских мрежа је један од начина да се промените
Историја продаје се користи за анализу, типпродавница, њен асортиман. Амерички продавац Маци’с користи сличне механизме. Свака интеракција корисника са веб локацијом ажурира низ података о особи, а машински алгоритми брже реагују на свеже информације од стварних запослених. Нике је око идеје о персонализацији изградио читаве нове Нике Ливе продавнице, с којима купац ступа у интеракцију само са инсталираном апликацијом - то му помаже да постане део заједнице и прима најперсонализованије понуде, као и месечне поклоне бренда . Персонализацијом, Нике је повећао вероватноћу куповине својих производа за 40 пута.
Неуронске мреже су способне да предвиде не само ефекатод промоција. На веб локацијама интернет продавница анализирају човекове претходне куповине и закључују, на пример, да би шећер купљен пре месец дана требало да понестане наредних дана. Дакле, време је да понудимо човеку да обнови своје резерве.
Развој цхатбот-а је још једна апликацијанеуронске мреже. Виртуелни асистенти елиминишу потребу за великим особљем кол центра и прилично су ефикасни. Они пружају детаљније информације брже него жива особа и одговарају на свако питање о производу или услузи - све до најближе малопродајне адресе.
У онлајн продавницама, неуронске мреже су способне да стварајуличне препоруке не само на основу онога што је особа недавно погледала, већ и узимајући у обзир његов портрет (пол, старост, националност и друге параметре).
Аналитичари предвиђају експлозиван раст инвестиција уПројекти у вези са вештачком интелигенцијом након пандемије. Међу ИТ стартапима се појављује све више пројеката заснованих на вештачкој интелигенцији и МЛ јер постоји потражња. Малопродаја све више користи вештачку интелигенцију: да бира асортиман за продавнице, развија промоције, предвиђа цене и потражњу за робом. Појављују се пуноправне продавнице које раде на неуронским мрежама - Амазон Го, Про Маркет у Сколкову. Анализа великих података и њихова обрада од стране неуронских мрежа омогућава, на пример, да се види да корисници који твитују са ознаком #снеакерс такође често додају ознаке #АСИЦС или #Нике. Ово сигнализира продавцу које производе да чешће укључује у рекламне кампање.
У Амазону АИ прави избор производаособа може одмах додати колица. Да би се то урадило, анализирају се кохорте корисника веб локације или мобилне апликације, информације о томе шта ти корисници воле, а шта не, шта су други људи (слично оном за који се производ тренутно бира) погледали и купили. Уобичајено, у децембру ће се Американки нудити роба за Божић, а Рускињи нешто везано за Нову годину. Захваљујући механизмима за препоруке засноване на неуронским мрежама, Амазон генерише 55% своје продаје. Компанија каже да предвиђа понашање корисника чак и за пет година у будућности.
Амазон је 2016. године омогућио приступ оригиналукод свог алгоритма паметне препоруке, а такође је позвао друге играче да интегришу ове механизме. У недавном извештају Представничког дома САД, Амазон је оптужен за монопол (у сегменту е-трговине) и за коришћење података од конкурентских продаваца за сопствене интересе. А према Валл Стреет Јоурнал-у, запослени у Амазону анализирају податке о продаји трећих страна да би радили на својим производима бренда Амазон.
Како функционише оглашавање које зна све о вама
Име, број телефона или е-адреса коју особа можеоставите на миру, али други подаци, често чак и важнији за посао, прикупљају се аутоматски. Томе помажу посебни кодови уграђени у Интернет страницу. Најпопуларнија опција је пиксел: скрипта (део ЈаваСцрипт кода) која учитава невидљиву слику на страницу. Прикупљене информације преноси на сервер, где се обрађују, анализирају и користе за формирање личних понуда особи која је ушла на сајт.
Маркетинши активно користе пикселе саФацебоок и Гоогле. Велики плус таквих кодова је да што их више компанија користи, база постаје све шира и анализа добијених података је ефикаснија. И што чешће корисник посети страницу, то активније расте његова база података (лични фолдер са информацијама).
Пиксел прикупља више него само статичне информације(на пример, ИП, који нам омогућава да разумемо локацију корисника), али и динамички - поступци особе на веб локацији. Уобичајено, ако погледа две кошуље у каталогу интернет продавнице, неуронска мрежа може да му понуди да се упозна са другим сличним моделима или да покупи делове за комплетан ансамбл: панталоне, јакну, додатке.
У зависности од тога како се тачно спроводипиксела у коду странице одређује се тренутак прикупљања информација. Може се конфигурисати за дефинисање циљаних радњи које нису повезане са поновним учитавањем веб страница и променама страница - на пример, корисник воли производ или га означава звездицом да би се ставио на листу жеља. Такође, пиксел је конфигурисан да анализира информације о поновном учитавању странице: ово вам омогућава да тачно анализирате где је особа у посети. Трећа опција је примена пиксела за кликове на везе, укључујући оне повезане. Због тога можете пратити интересе треће стране неке особе. На пример, на веб локацији лустера види предлог нове колекције керамичког посуђа од порцелана од партнера и одлази тамо.
Технологије не раде само праволинијски:ако особа активно истражује колица за бебе на различитим сајтовима, неуронска мрежа ће му показати понуду центра за репродуктивну медицину или произвођача креветића за бебе. Зато што су алгоритми ову особу већ сматрали родитељем и спремни су да поднесу неколико релевантних предлога одједном.
Компаније активно купују податке о типичнимобрасци (обрасци) понашања различитих категорија купаца, могу размењивати пикселе са партнерима и умножавати базу. Ако узмемо у обзир Фацебоок Пикел, онда Фацебоок налог особе, промене које су се код њега догодиле (разведен, променио посао итд.), Предузете радње од њега, све до заустављања пажње на огласу (чак и ако не кликнете на њему), такође пружите додатне информације.
Пиксел ради заједно са колачићима:то су датотеке података које се налазе на корисниковом уређају и извор су информација за продавце. Ово је пријава у друштвене мреже, производи за Интернет продавнице изабрани у корпи, упити за претрагу и још много тога. Прикупљање ових података није само за трговце: то олакшава живот самим корисницима. На пример, особа је пријављена на Фацебоок и иде на различите странице. Не треба да поново уноси корисничко име и лозинку сваки пут када се поново покрене - сајт који је сачувао колачиће то је учинио уместо њега. Чињеница да је прегледач запамтио геолокацију и не покушава да предложи ни Дубаи ни Мароко на свакој страници је такође заслуга колачића.
Међутим, приликом прикупљања таквих података важно је не заборавитипостојање ФЗ-152: данас је свака веб локација која користи колачиће дужна да обавести посетиоца о томе и да му да избор - да ли да приступ подацима или не. Такође можете учинити пренос колачића прилагодљивим: особа одређује количину информација која је спремна за откривање на веб локацији. У овом случају, корисник би требао бити у могућности да се упозна са Политиком приватности, да зна период чувања прикупљених података, могуће радње са њима, сврху прикупљања информација и друге нијансе.
Неуронске мреже услуга препорука
Колико су далеко отишле службе за препоруке?Погледајте пример виртуелног асистента који је креирао Маци’с заједно са платформом Ватсон Маркетинг. Неуронске мреже прате историју куповине посетиоца на веб локацији или у апликацији, анализирају његову геолокацију, као и понашање сличних купаца. Након тога, виртуелни асистент нуди робу која је погодна за човека не само на основу његових претходних куповина (условно пете беле патике), већ узимајући у обзир његов менталитет и друге националне карактеристике. На пример, посвећени заговорник животиња у препорукама дефинитивно неће добити ни бунду од природног крзна ни торбу од телеће коже.
Амазон такође развија још једануслуга препорука заснована на неуронским мрежама: сада паметни алгоритми анализирају производе који су се свидели кориснику веб локације и нуде производе који су за њега релевантни. Штавише, савети се могу издати већ при првој посети продавници: довољно је да одаберете оне које вам се свиђају из предложених опција (случајни одабири дана на Пинтересту раде на сличан начин). Неуронска мрежа ће обрађивати податке и пружати релевантне понуде. Идеја је намењена решавању питања „Не знам шта желим“ међу посетиоцима сајта. Према представницима Амазона, ово је корак ка иновативној куповини: могућност добијања само корисних препорука, а да претходно нисте погледали милион производа. Алат ради не само на веб локацији, већ иу мобилној апликацији.
Поред тога, Амазон је почео да обучава неуронску мрежу.проучите стратегије понашања купаца, узимајући у обзир дужину упита за претрагу, набавну цену и однос између већ купљене робе (стављене у корпу). Претпоставља се да су људи који уносе предугачке или прекратке упите флексибилнији у свом избору и лакше их је заинтересовати за нешто што у почетку нису планирали да купе.
Међутим, системи препорука засновани наНеуронске мреже нису само у малопродаји: сличан производ развио је стреаминг сервис Нетфлик. Систем узима у обзир стандардне критеријуме као што су историја прегледања, оцене, омиљени глумци и жанрови, као и доба дана пријављивања у услугу, која се користи за овај уређај, преференције осталих корисника са сличним „профилом“. Занимљиво је да персонализација иде чак до одабира насловнице за одређеног корисника услуге: претходно је гледаоцу приказан онај који се чешће гледао. И сада свака особа види слику одабрану за њега.
Узимајући у обзир брзину развоја неуронских мрежа, такођеПовећани пандемијом, алати који омогућавају компанијама да постигну још већу персонализацију биће у све већој потражњи и на тај начин ће се трансформисати. Велика је вероватноћа да ће до изражаја доћи механизми предвиђања који раде ефикасније од било које особе. И ако данас продавница више не нуди одлучном следбенику грба из Греенпеаце-а, онда је могуће да ће сутра аутомобил осетити намеру неке особе да постане зоо активиста и пре него што му се ова одлука донесе у глави.
Створена је прва тачна мапа света. Шта није у реду са свима осталима?
Уран је добио статус најчудније планете у Сунчевом систему. Зашто?
НАСА је рекла како ће испоручити узорке Марса на Земљу