Bir kişinin beş yıl içinde ne isteyeceğini nasıl tahmin edebilirim?
Sinir ağlarını kullanmak değişimin bir yoludur
Satış geçmişi analiz için kullanılır, türümağaza, çeşitleri. Amerikalı perakendeci Macy's de benzer mekanizmalar kullanıyor. Site ile her kullanıcı etkileşimi, kişi hakkındaki veri dizisini günceller ve makine algoritmaları, gerçek çalışanlara göre yeni bilgilere daha hızlı yanıt verir. Nike, alıcının yalnızca yüklü uygulamayla etkileşime girdiği kişiselleştirme fikri etrafında yepyeni Nike Live mağazaları inşa etti - bu, topluluğun bir parçası olmasına ve en kişiselleştirilmiş tekliflerin yanı sıra markadan aylık hediyeler almasına yardımcı oluyor. . Nike, kişiselleştirme ile ürünlerini satın alma olasılığını 40 kat artırdı.
Sinir ağları yalnızca etkiyi tahmin edemezpromosyonlardan. Çevrimiçi mağazaların web sitelerinde, bir kişinin önceki satın alımlarını analiz ediyorlar ve örneğin bir ay önce satın alınan şekerin önümüzdeki günlerde bitmesi gerektiği sonucuna varıyorlar. Bu yüzden bir kişiye rezervlerini yenilemesi için teklif verme zamanı.
Chatbot geliştirme başka bir uygulamadırnöral ağlar. Sanal asistanlar, büyük çağrı merkezi personeline olan ihtiyacı ortadan kaldırır ve oldukça verimlidir. Yaşayan bir insandan daha hızlı bir şekilde daha ayrıntılı bilgi sağlarlar ve bir ürün veya hizmetle ilgili her türlü soruyu en yakın perakende adresine kadar yanıtlarlar.
Çevrimiçi mağazalarda sinir ağları oluşturma yeteneğine sahiptirkişisel öneriler yalnızca bir kişinin yakın zamanda gördüklerine göre değil, aynı zamanda portresini de (cinsiyet, yaş, uyruk ve diğer parametreler) dikkate alarak.
Analistler yatırımlarda patlayıcı büyüme öngörüyorPandemi sonrası yapay zeka ile ilgili projeler. BT girişimleri arasında, talep olduğu için yapay zeka ve makine öğrenimi temelli projeler giderek daha fazla ortaya çıkıyor. Perakende, mağazalar için ürün çeşitliliği seçmek, promosyonlar geliştirmek, fiyatları ve mallara olan talebi tahmin etmek için yapay zekayı giderek daha fazla kullanıyor. Sinir ağlarında faaliyet gösteren tam teşekküllü mağazalar ortaya çıkıyor - Amazon Go, Skolkovo'daki Pro Market. Büyük Verinin analizi ve bunun sinir ağları tarafından işlenmesi, örneğin #spor ayakkabı etiketiyle tweet atan kullanıcıların sıklıkla #ASICS veya #Nike etiketlerini de eklediklerini görmemize olanak tanır. Bu, perakendeciye reklam kampanyalarına hangi ürünlerin daha sık dahil edilmesi gerektiği konusunda sinyal verir.
Amazon'da yapay zeka,bir kişi hemen bir alışveriş sepeti ekleyebilir. Bunu yapmak için, sitenin veya mobil uygulamanın kullanıcı grupları analiz edilir, bu kullanıcıların neyi sevip neyin sevmediği, diğer kişilerin (ürünün şu anda seçildiği gibi) nelere bakıp satın aldıkları hakkında bilgiler analiz edilir. Geleneksel olarak Aralık ayında, bir Amerikalı kadına Noel için mal sunulacak ve bir Rus kadına Yeni Yıl ile ilgili bir şey teklif edilecek. Sinir ağı tabanlı öneri motorları sayesinde Amazon, satışlarının% 55'ini oluşturuyor. Şirket, gelecekteki beş yıl içinde bile kullanıcı davranışını tahmin ettiğini söylüyor.
2016 yılında Amazon orijinale erişim sağladıakıllı öneri algoritmasının kodunu belirledi ve diğer oyuncuları da bu mekanizmaları entegre etmeye davet etti. ABD Temsilciler Meclisi'nin yakın tarihli bir raporunda Amazon, (e-ticaret segmentinde) tekel olmakla ve rakip satıcıların verilerini kendi çıkarları için kullanmakla suçlandı. Wall Street Journal'a göre Amazon çalışanları, Amazon markalı ürünleri üzerinde çalışmak için üçüncü taraf satış verilerini analiz ediyor.
Sizin hakkınızda her şeyi bilen reklamcılık nasıl çalışır?
Bir kişinin yapabileceği ad, telefon numarası veya e-postakendi başlarına bırakın, ancak genellikle işletme için daha da önemli olan diğer veriler otomatik olarak toplanır. İnternet sayfasına gömülü özel kodlar buna yardımcı olur. En popüler seçenek pikseldir: bir sayfaya görünmez bir görüntü yükleyen bir komut dosyası (JavaScript pasajı). Toplanan bilgileri, işlendiği, analiz edildiği ve siteye giriş yapan kişiye kişisel teklifler oluşturmak için kullanıldığı sunucuya iletir.
Pazarlamacılar aktif olarak pikselleri kullanıyor:Facebook ve Google. Bu tür kodların büyük bir artısı, onları ne kadar farklı şirketler kullanırsa, taban o kadar geniş olur ve elde edilen verilerin analizi o kadar verimli olur. Ve kullanıcı siteyi ne kadar sık ziyaret ederse, kimlik tabanı (bilgi içeren kişisel klasör) o kadar aktif bir şekilde büyür.
Piksel, statik bilgilerden fazlasını toplar(örneğin, kullanıcının konumunu anlamamıza izin veren IP), aynı zamanda dinamik - sitedeki bir kişinin eylemleri. Geleneksel olarak, bir çevrimiçi mağazanın kataloğundaki iki gömleğe bakarsa, sinir ağı ona diğer benzer modellerle tanışmasını veya tam bir topluluk için parçaları toplamasını önerebilir: pantolonlar, ceketler, aksesuarlar.
Tam olarak nasıl uygulandığına bağlı olaraksayfa kodundaki piksel, bilgi toplama anı belirlenir. Web sitesi yeniden yüklemeleri ve sayfa değişiklikleriyle ilgili olmayan hedeflenen eylemleri tanımlamak için yapılandırılabilir - örneğin, bir kullanıcı bir ürünü beğenir veya bir istek listesine yerleştirilmek üzere bir yıldız işaretiyle işaretler. Ayrıca piksel, sayfa yeniden yüklemeleriyle ilgili bilgileri analiz edecek şekilde yapılandırılmıştır: bu, bir kişinin tam olarak nerede ziyaret ettiğini analiz etmenize olanak tanır. Üçüncü seçenek, bağlı kuruluşlar dahil olmak üzere bağlantılara yapılan tıklamalar için bir piksel uygulamaktır. Bundan dolayı, bir kişinin üçüncü şahıs menfaatlerini takip etmek mümkündür. Örneğin, avizelerin web sitesinde, bir ortaktan yeni bir porselen taş eşya koleksiyonu önerisi görür ve oraya gider.
Teknolojiler yalnızca düz bir çizgide çalışmaz:Bir kişi farklı sitelerde bebek arabalarını aktif olarak araştırıyorsa, sinir ağı ona bir üreme tıbbı merkezinden veya bir bebek beşiği üreticisinden gelen bir teklif gösterecektir. Çünkü algoritmalar bu kişiyi zaten bir ebeveyn olarak kabul etti ve aynı anda birden fazla ilgili teklif sunmaya hazır.
Şirketler aktif olarak tipik olarak veri satın alıyorlar.Çeşitli müşteri kategorilerinin davranış kalıpları (kalıpları), ortaklarla piksel alışverişi yapabilir ve tabanı çoğaltabilir. Facebook Pixel'i, ardından kişinin Facebook hesabını, onda meydana gelen değişiklikleri (boşanmış, değişen işleri vb.), Ondan alınan eylemleri, reklamdaki dikkati durdurmaya kadar (tıklamasanız bile) üzerinde), ayrıca ek bilgi sağlayın.
Piksel, çerezlerle birlikte çalışır:bunlar, kullanıcının cihazında bulunan ve pazarlamacılar için bir bilgi kaynağı olan veri dosyalarıdır. Bu, sosyal ağlarda, sepette seçilen çevrimiçi mağazalar için ürünler, arama sorguları ve çok daha fazlası için bir oturum açma işlemidir. Bu verileri toplamak sadece pazarlamacılar için değil, kullanıcıların kendileri için hayatı kolaylaştırır. Örneğin, bir kişi Facebook'ta oturum açtı ve farklı sayfalara gidiyor. Yeniden başlattığı her seferinde kullanıcı adını ve şifresini yeniden girmesine gerek yoktur - çerezleri kaydeden site onun için yaptı. Tarayıcının coğrafi konumu ezberlemiş olması ve her sayfada Dubai veya Fas önermeye çalışmaması da çerezlerin bir değeridir.
Ancak, bu tür verileri toplarken unutmamak önemlidir.FZ-152'nin varlığı: bugün, çerezleri kullanan her site, ziyaret eden kullanıcıyı bu konuda bilgilendirmek ve ona verilere erişim vermek ya da vermemek için bir seçenek sunmak zorundadır. Ayrıca tanımlama bilgilerinin aktarımını özelleştirilebilir hale getirebilirsiniz: kişi, siteye ifşa etmeye hazır bilgi miktarını belirler. Aynı zamanda, kullanıcı Gizlilik Politikası hakkında bilgi sahibi olmalı, toplanan verilerin saklama süresini, bunlarla ilgili olası eylemleri, bilgi toplama amacını ve diğer nüansları bilmelidir.
Öneri hizmetlerinin sinir ağları
Tavsiye hizmetleri ne kadar ileri gitti?Watson Marketing platformuyla birlikte Macy's tarafından oluşturulan bir sanal asistan örneğine bakın. Sinir ağları, bir ziyaretçinin bir web sitesinde veya uygulamada yaptığı satın alma işlemlerinin geçmişini izler, coğrafi konumunu ve benzer müşterilerin davranışlarını analiz eder. Bundan sonra, sanal asistan, bir kişiye yalnızca önceki satın alımlarına göre (şartlı olarak beşinci beyaz spor ayakkabı) değil, aynı zamanda zihniyetini ve diğer ulusal özelliklerini de dikkate alarak uygun ürünler sunar. Örneğin, tavsiyelerdeki kendini adamış bir hayvan savunucusu, kesinlikle ya doğal kürkten yapılmış bir kürk manto ya da dana derisinden yapılmış bir çanta almayacaktır.
Amazon ayrıca başka birSinir ağlarına dayalı öneri hizmeti: artık akıllı algoritmalar, site kullanıcısının hangi ürünleri beğendiğini analiz ediyor ve onunla alakalı ürünler sunuyor. Ayrıca, mağazaya ilk ziyarette ipuçları zaten verilebilir: önerilen seçeneklerden beğendiklerinizi seçmek yeterlidir (Pinterest'te günün rastgele seçimleri benzer şekilde çalışır). Sinir ağı verileri işleyecek ve ilgili teklifler sunacaktır. Fikir, site ziyaretçileri arasında "Ne istediğimi bilmiyorum" sorusunu çözmeyi amaçlamaktadır. Amazon temsilcilerine göre, bu yenilikçi alışverişe doğru bir adım: Daha önce bir milyon ürüne bakmadan yalnızca yararlı öneriler alma yeteneği. Araç sadece web sitesinde değil aynı zamanda mobil uygulamada da çalışır.
Ayrıca Amazon, bir sinir ağını eğitmeye başladı.Arama sorgusunun uzunluğunu, satın alma fiyatını ve halihazırda satın alınmış olan (sepete yerleştirilen) mallar arasındaki ilişkiyi dikkate alarak müşteri davranışı stratejilerini inceleyin. Çok uzun veya çok kısa sorgulamalar yapan kişilerin seçimlerinde daha esnek oldukları ve başlangıçta satın almayı planlamadıkları bir şeye ilgi duymanın daha kolay olduğu varsayılır.
Bununla birlikte, temel alan öneri sistemleriSinir ağları yalnızca perakende satışta değildir: Netflix yayın hizmeti tarafından benzer bir ürün geliştirilmiştir. Sistem, göz atma geçmişi, derecelendirmeler, favori oyuncular ve türler gibi standart kriterlerin yanı sıra bu cihaz için kullanılan hizmete giriş zamanı, benzer bir "profile" sahip diğer kullanıcıların tercihlerini dikkate alır. İlginç bir şekilde, kişiselleştirme, hizmetin belirli bir kullanıcısı için bir kapak seçmeye kadar gider: daha önce, izleyiciye daha sık görüntülenen kişi gösteriliyordu. Ve şimdi her insan kendisi için seçilmiş bir görüntü görüyor.
Sinir ağlarının gelişme hızını da hesaba katarak,Salgın nedeniyle artan, şirketlerin daha da fazla kişiselleştirme elde etmelerine olanak tanıyan araçlar, artan talepte olacak ve dolayısıyla dönüşecek. Herhangi bir insandan daha verimli çalışan tahmin mekanizmalarının öne çıkması kuvvetle muhtemeldir. Ve eğer bugün mağaza Greenpeace'in ikna olmuş bir takipçisine bir vizon ceket sunmazsa, yarın arabanın bir kişinin bir hayvanat bahçesi aktivisti olma niyetini kafasında bu karar verilmeden önce bile hissetmesi mümkündür.
Dünyanın ilk doğru haritası oluşturuldu. Herkesin nesi var?
Uranüs, güneş sistemindeki en garip gezegen statüsünü aldı. Neden?
NASA, Mars'ın örneklerini Dünya'ya nasıl teslim edeceklerini anlattı