Як штучний інтелект допоможе вирости будь-який інтернет-компанії

Як почати використовувати штучний інтелект

Здається, що ІІ - це дуже складно, і в невеликій компанії

або стартапі подібні технології ніколи не вдасться впровадити, тому що не вистачить ресурсів і знань.

Але далеко не завжди потрібно складати щось складнесамостійно. Великі компанії вже все придумали і виклали у відкритий доступ на GitHub. Там можна знайти і нейромережі, і розумні бібліотеки. Для розробників це відмінна можливість спробувати нове і підглянути, як інші вирішили задачу.

У Aviasales багато рішень, пов'язані з технологіями ІІ, придумуються під час внутрішніх хакатонів.

Хакатон - це конкурс серед розробників, колинеобхідно в дуже стислі терміни, наприклад, за 48 годин, вирішити якусь проблему. Природно, за цей час неможливо щось створити з нуля, тому використовуються готові рішення.

Найголовніше - швидкі експерименти з уже готовими технологіями майже завжди показують хороші результати, будь то збільшення конверсії або скорочення витрат.

«Пророк» передбачає, коли краще купувати квиток

Під час одного з хакатонів з'явилася гіпотеза, що існує зв'язок між часом до вильоту і вдень початку поїздки. Проаналізувавши величезну кількістьструктурованих даних, яке накопичилося за 11 років роботи сервісу Aviasales, вдалося довести, що гіпотеза вірна. Так з'явився сервіс «Пророк», який з похибкою 10% пророкує кращий момент для покупки квитків.

Завдяки новому сервісу компанія стала економитина отриманні сторонніх даних і змогла підставляти в календар ціни на ті дати і напрямки, де реальних даних і не було - з невеликою часткою помилки «Пророк» допомагає дізнатися ціну заздалегідь.

Мандрівникам «Пророк» видає підказки прочас пошуку квитків: «Купуй зараз» або «Почекай». Разом зі словами в пошуку показується графік, як буде вести себе ціна на основі прогнозів компанії.

ІІ вибирає кращого продавця квитків

У метапоіска Aviasales представлено 200 авіакасі 728 авіакомпаній. Зрозуміло, що на першому місці завжди стоїть квиток з найнижчою ціною. Але у квитка може бути кілька продавців, і часто у деяких однакова вартість. Тоді виникає питання: хто повинен бути попереду?

Жовта кнопка «Купити» - це і є перше місце серед всіх продавців. Під кнопкою йде список з агентств іавіакомпаній, в яких також можна купити цей квиток: за ту ж вартість або дорожче. Щоб визначити, кого поставити на чарівну кнопку, враховуються два фактори - комісія, яку партнер платить за проданий квиток, і конверсія з переходу на сайт продавця в покупку. Тобто це фактори, які враховують інтереси двох сторін - метапоіска і зручності мандрівника.

Всі дані по обом факторам фіксуються втаблицю. Дані постійно змінюються, так як продавці працюють над поліпшенням своїх сайтів. Саме цей процес вирішено автоматизувати, щоб не заносити цифри в таблицю вручну. Так, в 5% випадків на кнопці «Купити» виявляється продавець з не найнижчою ціною, щоб з'ясувати, яка частка користувачів перейде на його сайт і купить квиток. Таким чином, параметри весь час перераховуються, система навчається на основі отриманих даних і сама вибирає краще рішення.

ІІ вибирає фотографії до опису готелю

Якщо вибір продукту або послуги пов'язаний з якістюфотографій, і їх величезна кількість, - відбирати картинки вручну нераціонально. Потрібен ІІ. Проблема в тому, що кожен партнер надсилає свої фотографії готелі в сервіс готелів Aviasales, а партнери далеко не завжди є мережевими гігантами на кшталт Hilton або Marriott. Іноді це власник невеликого гестхауса в Криму, який сфотографував кімнати на телефон.

Для аналізу фотографій потрібен ІІ, якийрозпізнає якість і визначить, в якому порядку показувати зображення. Рішення знайшлося в одній навченої нейронної мережі, яка вміє визначати локацію. В результаті виходить, наприклад, така розбивка: 63% - будівля, 20% - басейн, 11% - дерево, 6% - пляж.

У міських готелях цікаво, як виглядає номер,тому спочатку показуються фотографії з ліжком. У пляжних готелях, навпаки, важливі басейн і лежаки. Як правило, в курортних напрямках номера досить мізерні, і внутрішнє оздоблення номера краще показати в останню чергу.

Почавши працювати з фотографіями за допомогою ІІ,компанія скоротила витрати на ручну працю: раніше наймали фрілансерів, які відбирали картинки в популярних містах, а також підвищували конверсію на 12%, в основному завдяки експериментам з фотографіями басейнів на пляжних курортах.

Як ІІ допомагає робити красиві сайти з конструктором Weblium

У конструкторі сайтів Weblium використовується AIDesign Supervisor, який відстежує дії користувача по створенню сайту в реальному часі і ідентифікує дизайнерські помилки, виправляючи їх на льоту.

Оскільки весь проект використовує стек продуктівGoogle, то і для реалізації цього завдання розробники використовували Google Cloud AI. Найскладнішим завданням було навчити нейронну мережу бачити дизайнерські проблеми з некоректним використанням кольорів, шрифтових пар і тому подібного.

Щоб отримати досить великий набір даних,розробники тренували модель на дата-сеті з 30 млн дизайнерських рішень, узятих з провідних ресурсів Behance і Dribbble. Структури сайтів і елементів розпізнавали за допомогою Cloud Vision API. Це дозволило зробити «квантовий стрибок» в досягненні точності роботи AI Design Supervisor.

Ми поки не можемо похвалитися, що AI DesignSupervisor працює бездоганно, проте його вже точно можна використовувати в якості основної точки диференціації від конкурентів. Користувачі постійно пишуть, що перевтілення одного сайту в інший на льоту незмінно викликає вау-ефект навіть при неодноразовому використанні AI Design Supervisor.

Давид Браун, засновник Weblium

Паралельно в Weblium працюють над тим, щобконтекстно визначати той контент, який вносить на сайти користувач, розуміти його завдання і пропонувати йому найбільш релевантні блоки при будівництві сайту. Для цього розробники використовують Cloud Natural Language API.

І остання розробка, дуже важлива вперспективі - голосові інтерфейси. Weblium AI Lab прототіпірует голосове управління конструктором сайтів за допомогою бібліотеки Cloud Speech-to-Text. Кінцева ідея в тому, щоб користувач міг поставити технічне завдання голосом і досить простими словами, наприклад: «Хочу сучасний функціональний сайт для моєї автомийки». І в результаті такого ТЗ отримувати гідний сайт.

Як використовують ІІ Sephora і Lamoda

Платформа персоналізації Dynamic Yield допомагає партнерам поліпшити якість обслуговування клієнтів. Її використовують такі відомі бренди, як Sephora і Lamoda.

Dynamic Yield вміє сегментувати аудиторію,підбирати персоналізовані товари і контент. Платформа працює в інтернеті, на мобільних пристроях, її можна використовувати при відправці розсилок і розміщенні рекламних оголошень. По всіх каналах зв'язку вона доставляє користувачам персоналізовані рекомендації.

Sephora протестувала систему персональнихрекомендацій в восьми інтернет-магазинах в Азії. У кожному з них для користувачів підбирали рекомендовані товари, керуючись трьома стратегіями: схожі товари, супутні товари, автоматичні рекомендації.

До моменту впровадження ІІ остаточний вибіртоварів, які будуть показані користувачеві, робився в залежності від країни і KPI. Тепер вони показуються в залежності від того, які товари користувач додав в кошик і які в підсумку купив.

Завдяки такому підходу CTR виріс на 4%. А кожен долар, витрачений на використання, Dynamic Yield приніс $ 6,5 виручки.

Раніше Lamoda сегментувати користувачів порозташування і рекомендувала одяг, що відповідає погодним умовам. Тепер рекомендації грунтуються не тільки на гео, а й на історії покупок, поведінці користувачів, яким надають перевагу брендах і товарах.

Lamoda розділила користувачів на 160мікросегменти і підготувала персональні купони для кожного сегмента. У порівнянні з попередньою знижок кампанією, у цій зросли конверсія, середній дохід з кожного відвідувача і виручка за сеанс.

Lamoda запустила персональні банери, на якихвідображалися одяг і аксесуари того кольору, який вважав за краще користувач під час пошуку. При кліці по банеру користувач бачив одяг улюбленого кольору, відсортовану в тому порядку, який він зазвичай вважає за краще при пошуку.

Завдяки використанню ІІ Lamoda на 8% збільшила виручку за сесію, а валовий прибуток зріс на $ 15 млн.

Готові рішення, швидкий ефект

Приклади Aviasales, Weblium, Sephora і Lamodaдоводять, що використання штучного інтелекту допомагає компаніям значно вирости, причому іноді за короткий час: від кількох місяців до року. Більш того, деякі показники ніколи б не вдалося поліпшити без впровадження ІІ.

Почати експериментувати з ІІ можна доситьшвидко. На початковому етапі, швидше за все, буде досить сил тих розробників, які вже у вас є. Пошукайте на GitHub розробки, які можна адаптувати для вашої компанії, порахуйте, чи окупиться використання повністю готового побічного продукту, і спробуйте реалізувати хоча б невелику ідею, щоб подивитися на результати. Напевно вони настільки вас вразять, що ви продовжите експерименти з ІІ.