Як передбачити, що людина захоче через п'ять років
Використання нейромереж — один із способів змінити
Для аналізу використовуються історія продажів, типмагазина, його асортимент. Подібними механізмами користується і американський рітейлер Macy's. Кожна взаємодія користувача з сайтом оновлює масив даних про людину, і машинні алгоритми швидше реагують на свіжу інформацію, ніж живі співробітники. Nike на ідеї персоналізації вибудував цілі нові магазини Nike Live, з якими покупець взаємодіє тільки при наявності встановленої програми - це допомагає йому стати частиною ком'юніті і отримувати максимально індивідуальні пропозиції, а також щомісячні подарунки від бренду. Завдяки персоналізації Nike в 40 разів збільшив ймовірність покупки його товарів.
Передбачати нейромережі здатні не тільки ефектвід промоакцій. На сайтах інтернет-магазинів вони аналізують попередні покупки людини і роблять висновок, наприклад, що придбаний місяць тому цукор повинен закінчитися в найближчі дні. Значить, саме час запропонувати людині оновити його запаси.
Розробка чат-ботів - ще одне застосуваннянейромереж. Віртуальні помічники скасовують необхідність великого штату кол-центру, при цьому працюють досить ефективно. Вони видають більш детальну інформацію з більшою швидкістю, ніж жива людина, і відповідають на будь-яке запитання про товар чи послугу — аж до найближчої торгової точки.
В інтернет-магазинах нейромережі здатні створюватиперсональні рекомендації не тільки на підставі того, що людина переглянула нещодавно, а й з урахуванням її портрета (стаття, вік, національність та інші параметри).
Аналітики прогнозують вибухове зростання інвестицій упроекти, пов'язані з ІІ, після пандемії. Серед ІТ-стартапів з'являється все більше проектів, що базуються на штучному інтелекті та ML, тому що є попит. Рітейл все активніше використовує ІІ: для підбору асортименту в магазини, розробки акцій, прогнозування цін і попиту на товари. З'являються повноцінні стори, що працюють на нейромережах - Amazon Go, Pro Market в "Сколково". Аналіз Big Data та їх переробка нейромережами дозволяють, наприклад, побачити, що користувачі, які роблять твіти з тегом #кросівки, також часто прикріплюють теги #ASICS або #Nike. Це сигналізує ритейлеру, які товари найчастіше включатимуть у рекламні кампанії.
У Amazon ІІ робить підбірки товарів, якілюдина може додати кошик прямо зараз. Для цього аналізуються когорти користувачів сайту або мобільного додатку, інформація про те, що ці користувачі люблять, а що ні, що інші люди (схожі на того, для якого зараз підбирається товар) подивилися і придбали. Умовно, в грудні американці запропонують товари до Різдва, а росіянці - щось, пов'язане з Новим роком. Завдяки механізмам рекомендацій, заснованим на нейросетях, Amazon забезпечує собі 55% продажів. У компанії заявляють, що прогнозують поведінку користувача навіть на п'ять років вперед.
У 2016 році Amazon надав доступ до вихідногокоду свого алгоритму розумних рекомендацій, а також запропонував іншим гравцям інтегрувати до себе ці механізми. У свіжому звіті Палати представників США Amazon отримала звинувачення у монополії (у сегменті e-commerce) та у використанні даних конкуруючих продавців у власних інтересах. А за заявою Wall Street Journal, співробітники Amazon аналізують дані про сторонні продажі для роботи над своїми продуктами під маркою Amazon.
Як працює реклама, яка про вас все знає
Ім'я, телефон або електронну пошту людина можезалишити самостійно, але інші дані, часто навіть більш важливі для бізнесу, збираються автоматично. У цьому допомагають спеціальні коди, що вбудовуються в інтернет-сторінку. Найпопулярніший варіант - піксель: скрипт (фрагмент коду JavaScript), що завантажує на сторінку невидиме зображення. Воно передає зібрану інформацію на сервер, де та обробляється, аналізується і використовується для формування персональних пропозицій зайшов на сайт людині.
Маркетологи активно використовують пікселі відFacebook і Google. Великий плюс таких кодів в тому, що чим більше різних компаній їх застосовують, тим ширше стає база і ефективніше - аналіз отриманих даних. І чим частіше користувач заходить на сайт, тим активніше збільшується база його ID (персональна папка з інформацією).
Піксель збирає не тільки статичну інформацію(Наприклад, IP, який дозволяє зрозуміти місце розташування користувача), але і динамічну - дії людини на сайті. Умовно, якщо він перегляне в каталозі інтернет-магазину дві сорочки, нейросеть може запропонувати йому ознайомитися з іншими схожими моделями або підібрати деталі для повного ансамблю: брюки, жакет, аксесуари.
Залежно від того, як саме впроваджуєтьсяпіксель в код сторінки, визначається момент збору інформації. Його можна налаштувати на визначення цільових дій, не пов'язаних з перезавантаженням сайту і зміною сторінки - наприклад, користувач ставить лайк на товар або відзначає зірочкою, щоб помістити в художній альбом. Також піксель налаштовується на аналіз інформації про перезавантаження сторінок: це дозволяє аналізувати, куди саме людина заходить. Третій варіант - запровадити піксель на переходи по посиланнях, включаючи партнерські. За рахунок цього можна відстежувати сторонні інтереси людини. Наприклад, на сайті люстр він бачить пропозицію нової колекції керамограніта від партнера і переходить туди.
Технології працюють не лише прямолінійно:Якщо людина активно вивчає дитячі коляски на різних сайтах, нейромережа покаже їй пропозицію від центру репродуктивної медицини або виробника дитячих ліжечок. Тому що алгоритми вже вважали цю людину батьком і готові подати одразу кілька актуальних пропозицій.
Компанії активно закуповують дані про типовіпатернах (шаблонах) поведінки різних категорій клієнтів, можуть обмінюватися пікселями з партнерами і багаторазово збільшувати базу. Якщо розглядати Facebook Pixel, то додаткову інформацію повідомляє і аккаунт людини в Facebook, що відбулися в ньому зміни (розлучився, змінив роботу і інше), вчинені з нього дії - аж до зупинки уваги на рекламному оголошенні (навіть якщо не клікати по ньому).
Піксель працює в зв'язці з cookies:це файли з даними, які знаходяться на пристрої користувача і є інформаційним джерелом для маркетологів. Це логін в соціальних мережах, обрані в кошик товари для інтернет-магазинів, пошукові запити і багато іншого. Збір цих даних потрібен не тільки маркетологам: він спрощує життя і самим користувачам. Наприклад, людина авторизуватися в Facebook і ходить по різних сторінках. Йому не потрібно при кожному перезавантаженні вводити логін і пароль заново - за нього це зробив сайт, що зберіг cookies. Те, що браузер запам'ятав геопозіцію і не намагається на кожній сторінці запропонувати то Дубай, то Марокко, теж заслуга cookies.
Правда, збираючи такі дані, важливо не забувати проіснування ФЗ-152: сьогодні кожен сайт, який використовує cookies, зобов'язаний повідомити про це заходить користувача і надати йому вибір - давати доступ до даних чи ні. Можна також зробити передачу cookies настроюється: людина визначає обсяг інформації, яку готовий розкрити сайту. При цьому користувач повинен мати можливість ознайомитися з Політикою конфіденційності знати термін зберігання зібраних даних, можливі дії з ними, мета збору відомостей і інші нюанси.
Нейросети рекомендаційних сервісів
Як далеко зайшли рекомендаційні сервіси, можнабачити на прикладі віртуального помічника, створеного Macy's спільно з платформою Watson Marketing. Нейросети відстежують історію покупок відвідувача на сайті або в додатку, аналізують його геопозіцію, а також поведінку схожих клієнтів. Після цього віртуальний помічник пропонує товари, які підходять людині не тільки на підставі його попередніх придбань (умовно п'яті білі кросівки), але і з урахуванням його менталітету та інших національних особливостей. Наприклад, переконаний захисник тварин в рекомендаціях точно не отримає ні шубу з натурального хутра, ні сумку з телячої шкіри.
Amazon також зайнявся розробкою ще одногорекомендаційного сервісу на основі нейромереж: тепер розумні алгоритми аналізують, яким товарам користувач сайту поставив лайк, і пропонують актуальні для нього товари. Причому поради можуть видаватися вже при першому відвідуванні магазину: досить із запропонованих варіантів вибрати вподобані (схожим чином працюють рандомний добірки дня в Pinterest). Нейросеть обробить дані і видасть актуальні пропозиції. Ідея покликана вирішити питання «не знаю, що хочу» у відвідувачів сайту. На думку представників Amazon, це крок до інноваційного шопінгу: можливість отримувати тільки корисні рекомендації, які не переглянувши перед цим мільйон товарів. Інструмент працює не тільки на сайті, але і в мобільному додатку.
Крім цього, в Amazon стали навчати нейромережавивчати стратегії поведінки покупця, враховуючи довжину пошукового запиту, ціну покупки і зв'язок між уже придбаними (поміщеними в кошик) товарами. Передбачається, що люди, які вбивають занадто довгі або занадто короткі запити, більш гнучкі в питанні вибору і їх легше зацікавити чимось, що вони з самого початку не планували купувати.
Втім рекомендаційні системи на основінейромереж є не тільки в ритейлі: подібний продукт розроблений і у стрімінгового сервісу Netflix. Система враховує стандартні критерії на кшталт історії перегляду, оцінок, улюблених акторів і жанрів, а також часу доби входу в сервіс, використовуваних для цього пристроїв, переваг інших користувачів зі схожим «профілем». Цікаво, що персоналізація доходить навіть до вибору обкладинки під конкретного користувача сервісу: раніше глядачеві показувалася та, яку частіше переглядали. А тепер кожна людина бачить підібране під нього зображення.
З урахуванням швидкості розвитку нейромереж, такожзбільшилася через пандемію, інструменти, які дозволяють компаніям досягти ще більшої персоналізації, користуватимуться все більшим попитом, а значить - і трансформуватися. З високою ймовірністю на першому плані опиняться Предсказательная механізми, які працюють ефективніше будь-якої людини. І якщо сьогодні переконаному наступнику Грінпісу магазин вже не пропонує норкову шубу, то не виключено, що завтра машина відчує намір людини увійти в число зоозахисників ще до того, як у нього в голові це рішення оформиться.
Створено першу точна карта світу. Що не так з усіма іншими?
Уран отримав статус самої дивної планети в Сонячній системі. Чому?
У НАСА розповіли, як вони доставлять зразки Марса на Землю