Hur man förutsäger vad en person vill ha om fem år
Att använda neurala nätverk är ett sätt att förändra
Försäljningshistorik används för analys, typbutik, dess sortiment. Den amerikanska återförsäljaren Macys använder liknande mekanismer. Varje användarinteraktion med webbplatsen uppdaterar dataarrayen om personen, och maskinalgoritmer svarar snabbare på ny information än riktiga anställda. Nike har byggt helt nya Nike Live-butiker kring idén om personalisering, med vilken köparen endast interagerar med den installerade applikationen - detta hjälper honom att bli en del av samhället och få de mest personliga erbjudandena samt månadsgåvor från varumärket . Med personalisering ökade Nike sannolikheten för att köpa sina produkter med 40 gånger.
Neurala nätverk kan förutsäga inte bara effektenfrån kampanjer. På webbutikernas webbplatser analyserar de en persons tidigare inköp och drar till exempel slutsatsen att det socker som köpts för en månad sedan skulle ta slut de närmaste dagarna. Så det är dags att erbjuda en person att förnya sina reserver.
Chatbot-utveckling är en annan applikationneurala nätverk. Virtuella assistenter eliminerar behovet av stor callcenterpersonal och är ganska effektiva. De ger mer detaljerad information i snabbare takt än en levande person och svarar på alla frågor om en produkt eller tjänst - ända ner till närmaste butiksadress.
I onlinebutiker kan neurala nätverk skapapersonliga rekommendationer inte bara baserat på vad en person nyligen har sett, utan också med hänsyn till hans porträtt (kön, ålder, nationalitet och andra parametrar).
Analytiker förutspår explosiv tillväxt i investeringar iAI-relaterade projekt efter pandemin. Bland IT-startups dyker det upp allt fler projekt baserade på artificiell intelligens och ML eftersom det finns efterfrågan. Detaljhandeln använder alltmer AI: för att välja sortiment för butiker, utveckla kampanjer, förutsäga priser och efterfrågan på varor. Fullfjädrade butiker som verkar på neurala nätverk dyker upp - Amazon Go, Pro Market i Skolkovo. Analys av Big Data och dess bearbetning av neurala nätverk gör det till exempel möjligt att se att användare som twittrar med taggen #sneakers också ofta fäster taggarna #ASICS eller #Nike. Detta signalerar återförsäljaren vilka produkter som ska inkluderas oftare i reklamkampanjer.
På Amazon gör AI produktval somen person kan lägga till en vagn just nu. För att göra detta analyseras grupperna av användare av webbplatsen eller mobilapplikationen, information om vad dessa användare gillar och vad inte, vilka andra personer (som liknar den för vilken produkten för närvarande väljs) har tittat och köpt. Konventionellt kommer en amerikansk kvinna i december att erbjudas varor till jul, och en rysk kvinna kommer att erbjudas något relaterat till det nya året. Tack vare neurala nätverksbaserade rekommendationsmotorer genererar Amazon 55% av sin försäljning. Företaget säger att det förutspår användarnas beteende även fem år in i framtiden.
2016 gav Amazon tillgång till originaletkod för sin smarta rekommendationsalgoritm, och bjöd även in andra spelare att integrera dessa mekanismer. I en färsk rapport från det amerikanska representanthuset anklagades Amazon för monopol (inom e-handelssegmentet) och för att använda data från konkurrerande säljare för sina egna intressen. Och enligt Wall Street Journal analyserar Amazon-anställda försäljningsdata från tredje part för att arbeta med deras Amazon-märkta produkter.
Hur reklam fungerar som vet allt om dig
Namn, telefonnummer eller e-post en person kanlämna det i fred, men andra uppgifter, ofta ännu viktigare för verksamheten, samlas in automatiskt. Detta får hjälp av specialkoder inbäddade på internetsidan. Det mest populära alternativet är pixel: ett skript (en bit JavaScript-kod) som laddar en osynlig bild på en sida. Den överför den insamlade informationen till servern, där den behandlas, analyseras och används för att bilda personliga erbjudanden till den person som har gått in på webbplatsen.
Marknadsförare använder aktivt pixlar frånFacebook och Google. Ett stort plus av sådana koder är att ju mer olika företag använder dem, desto bredare blir basen och desto effektivare är analysen av erhållna data. Och ju oftare användaren besöker webbplatsen, desto mer aktivt växer hans ID-bas (personlig mapp med information).
Pixel samlar in mer än bara statisk information(till exempel IP, som gör att vi kan förstå användarens plats), men också dynamiska - handlingarna hos en person på webbplatsen. Konventionellt, om han tittar på två skjortor i katalogen för en onlinebutik, kan det neurala nätverket erbjuda honom att bekanta sig med andra liknande modeller eller plocka upp delar för en komplett ensemble: byxor, en jacka, tillbehör.
Beroende på hur exakt det implementeraspixel i sidkoden bestäms ögonblicket för informationsinsamlingen. Den kan konfigureras för att definiera riktade åtgärder som inte är relaterade till webbplatsuppdateringar och sidändringar - till exempel gillar en användare en produkt eller markerar den med en asterisk som ska placeras i en önskelista. Dessutom är pixeln konfigurerad för att analysera information om sidladdningar: detta gör att du kan analysera exakt var en person besöker. Det tredje alternativet är att implementera en pixel för klick på länkar, inklusive anslutna. På grund av detta kan du spåra en persons tredje parts intressen. Till exempel på webbplatsen för ljuskronor ser han ett förslag på en ny samling porslinstengods från en partner och går dit.
Teknik fungerar inte bara i en rak linje:om en person aktivt forskar om barnvagnar på olika platser, kommer det neurala nätverket att visa honom ett erbjudande från ett reproduktionsmedicinskt center eller en tillverkare av spjälsängar. Eftersom algoritmerna redan har betraktat denna person som en förälder och är redo att skicka in flera relevanta förslag samtidigt.
Företag köper aktivt data på typiskamönster (beteendemönster) hos olika kategorier av kunder, kan utbyta pixlar med partners och multiplicera basen. Om vi tar hänsyn till Facebook Pixel, då personens Facebook-konto, de förändringar som har inträffat i honom (skild, bytt jobb, etc.), de åtgärder som vidtas från honom, upp till att stoppa uppmärksamheten på annonsen (även om du inte klickar på den), ge också ytterligare information.
Pixel fungerar tillsammans med cookies:Dessa är datafiler som finns på användarens enhet och är en informationskälla för marknadsförare. Detta är en inloggning i sociala nätverk, produkter för onlinebutiker som valts i korgen, sökfrågor och mycket mer. Att samla in dessa uppgifter är inte bara för marknadsförare: det gör livet enklare för användarna själva. Till exempel är en person inloggad på Facebook och går till olika sidor. Han behöver inte ange sitt inloggnings- och lösenord igen varje gång han startar om - webbplatsen som sparade kakorna gjorde det åt honom. Det faktum att webbläsaren har memorerat geolokaliseringen och inte försöker föreslå varken Dubai eller Marocko på varje sida är också en förtjänst av cookies.
Men när du samlar in sådan information är det viktigt att inte glömma bort detförekomsten av FZ-152: idag är varje webbplats som använder cookies skyldig att meddela den besökande användaren om detta och ge honom ett val - att ge tillgång till data eller inte. Du kan också anpassa överföringen av cookies: personen bestämmer mängden information som är redo att lämnas ut till webbplatsen. I det här fallet ska användaren kunna bekanta sig med sekretesspolicyn, känna till lagringsperioden för den insamlade informationen, möjliga åtgärder med dem, syftet med att samla in information och andra nyanser.
Neurala nätverk av rekommendationstjänster
Hur långt gick rekommendationstjänsterna?Se exemplet på en virtuell assistent skapad av Macy's i samband med Watson Marketing-plattformen. Neurala nätverk spårar historien om en besökares köp på en webbplats eller app, analyserar hans geografiska läge samt beteendet hos liknande kunder. Därefter erbjuder den virtuella assistenten varor som är lämpliga för en person inte bara på grundval av sina tidigare inköp (villkorligen den femte vita sneakers) utan också med hänsyn till hans mentalitet och andra nationella egenskaper. Till exempel kommer en dedikerad djurförespråkare i rekommendationerna definitivt inte att få vare sig en päls av naturlig päls eller en väska av kalvskinn.
Amazon utvecklar också en annanrekommendationstjänst baserad på neurala nätverk: nu analyserar smarta algoritmer vilka produkter användaren av webbplatsen har gillat och erbjuder produkter som är relevanta för honom. Dessutom kan tips utfärdas redan vid första besöket i butiken: det räcker att välja de du gillar bland de föreslagna alternativen (slumpmässiga val på dagen på Pinterest fungerar på liknande sätt). Neurala nätverket kommer att behandla data och tillhandahålla relevanta erbjudanden. Idén är avsedd att lösa frågan "Jag vet inte vad jag vill" bland webbplatsbesökare. Enligt representanter för Amazon är detta ett steg mot innovativ shopping: möjligheten att bara få användbara rekommendationer utan att ha tittat på en miljon produkter tidigare. Verktyget fungerar inte bara på webbplatsen utan också i mobilapplikationen.
Dessutom började Amazon träna ett neuralt nätverk.studera strategierna för kundbeteende med hänsyn till längden på sökfrågan, inköpspriset och förhållandet mellan de varor som redan köpts (placeras i korgen). Det antas att personer som skriver in för långa eller för korta frågor är mer flexibla i sitt val och det är lättare att intressera dem för något som de inte ursprungligen planerade att köpa.
Men rekommendationssystem baserade påNeurala nätverk finns inte bara i detaljhandeln: en liknande produkt har utvecklats av streamingtjänsten Netflix. Systemet tar hänsyn till standardkriterier som webbhistorik, betyg, favoritaktörer och genrer, samt tidpunkten för inloggning på tjänsten som används för denna enhet, preferenser för andra användare med en liknande "profil". Intressant är att personalisering till och med går så långt som att välja ett omslag för en viss användare av tjänsten: tidigare visades tittaren den som visades oftare. Och nu ser varje person en bild som valts ut för honom.
Med hänsyn tagen till utvecklingen av neurala nätverk ocksåÖkad av pandemin kommer verktyg som gör det möjligt för företag att uppnå ännu större personalisering att öka i efterfrågan och därmed förändras. Det är mycket troligt att prediktiva mekanismer som fungerar mer effektivt än någon person kommer att komma fram. Och om butiken idag inte längre erbjuder en trogen efterföljare av Greenpeace en minkrock, är det möjligt att bilen i morgon kommer att känna av en persons avsikt att bli djurparkaktivist innan detta beslut fattas i hans huvud.
Den första exakta världskartan skapades. Vad är fel med alla andra?
Uranus har fått status som den konstigaste planeten i solsystemet. Varför?
NASA berättade hur de kommer att leverera prover av Mars till jorden