Як почати використовувати штучний інтелект
Здається, що ІІ - це дуже складно, і в невеликій компанії
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.
В Aviasales багато рішень, пов'язаних із технологіями ІІ, вигадуються під час внутрішніх хакатонів.
Хакатон— це конкурс серед розробників, колинеобхідно в дуже стислий термін, наприклад, за 48 годин, вирішити якусь проблему. Звичайно, 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, щоіснує зв'язок між часом до вильоту і вдень початку поїздки. Проаналізувавши величезну кількістьструктурованих даних, що накопичилося за 11 років роботи сервісу Aviasales, вдалося довести, що гіпотеза вірна. Так з'явився сервіс «Пророк», який з похибкою 10% передбачає кращий момент для покупки квитків.
Завдяки новому сервісу компанія стала заощаджуватина отриманні сторонніх даних і спромоглася підставляти в календар ціни на ті дати та напрямки, де реальних даних і не було — з невеликою часткою помилки «Пророк» допомагає дізнатися ціну заздалегідь.
Мандрівникам «Пророк» видає підказки прочас пошуку квитків: «Купляй зараз» або «Почекай». Разом зі словами у пошуку показується графік, як поводитиметься 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, та їх величезна кількість, - відбирати картинки вручну нераціонально. Потрібен ІІ. Проблема в тому, що кожен партнер надсилає свої фотографії готелю до сервісу готелів Aviasales, а партнери далеко не завжди є мережевими гігантами на кшталт Hilton або Marriott. Іноді це власник невеликого гестхауса у Криму, який сфотографував кімнати на телефон.
Для аналізу фотографій потрібен ІІ, якийрозпізнає якість та визначить, у якому порядку показувати зображення. Рішення знайшлося в одній навченій нейронній мережі, яка вміє визначати локацію. У 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 щодо створення сайту в реальному часі та ідентифікує дизайнерські помилки, виправляючи їх на льоту.
Оскільки весь проект використовує стек продуктівGoogle, то й для реалізації цього завдання розробники використовували Google Cloud AI. Найскладнішим завданням було навчити нейронну мережу бачити дизайнерські проблеми з некоректним використанням кольорів, шрифтових пар тощо.
Щоб отримати досить великий набір даних,розробники тренували модель на дата-сеті з 30 млн. дизайнерських рішень, взятих з провідних ресурсів Behance і Dribbble. Структури сайтів та елементів розпізнавали за допомогою Cloud Vision API. Це дозволило зробити «квантовий стрибок» для досягнення 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 та пропонувати йому найбільш релевантні блоки під час будівництва 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 покращити якість обслуговування клієнтів. Її використовують такі відомі бренди, як Sephora та Lamoda.
Dynamic Yield вміє сегментувати аудиторію,підбирати персоналізовані товари та контент. Платформа працює в Інтернеті, на мобільних пристроях, її можна використовувати при відправці розсилок та розміщення рекламних оголошень. По всіх каналах зв'язку вона надає користувачам персоналізовані рекомендації.
Sephora протестувала систему персональнихрекомендацій у восьми інтернет-магазинах в Азії. У кожному їх 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 та KPI. Тепер вони показуються залежно від того, які товари користувач додав до кошика і які купив.
Завдяки такому підходу CTR збільшився на 4%.А кожен долар, витрачений на використання, Dynamic Yield приніс $ 6,5 виручки.
Раніше Lamoda сегментувала користувачів помісцезнаходження та рекомендував одяг, що відповідає погодним умовам. Тепер рекомендації ґрунтуються не тільки на гео, а й на історії покупок, поведінці користувачів, відданих перевагам брендам і товарам.
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 та аксесуари того кольору, який віддавав перевагу користувачу під час пошуку. При натисканні банеру користувач бачив одяг улюбленого кольору, відсортований в тому порядку, який він зазвичай віддає перевагу при пошуку.
Завдяки використанню ІІ Lamoda на 8% збільшила виторг за сесію, аваловий прибуток зріс на $ 15 млн.
Готові рішення, швидкий ефект
Приклади Aviasales, Weblium, Sephora та Lamodaдоводять, що використання штучного інтелекту допомагає компаніям значно зрости, причому іноді за короткий час: від кількох місяців до року. Більше того, деякі показники ніколи не вдалося б поліпшити без впровадження ІІ.
Почати експериментувати з ІІ можна достатньошвидко. На початковому етапі, швидше за все, буде достатньо сил розробників, які вже у вас є. Пошукайте GitHub розробки, які можна адаптувати для вашої компанії, порахуйте, чи окупиться використання повністю готового стороннього продукту, і спробуйте реалізувати хоча б невелику ідею, щоб подивитися на результати. Напевно вони настільки вас вражають, що ви продовжите експерименти з ІІ.