Нет сомнений в том, что искусственный интеллект (ИИ) коренным образом изменит мир в ближайшие несколько десятилетий. Однако многие не осознают, что в некоторых областях это уже стало значительной частью статус-кво. Одним из таких примеров является электронная коммерция (EC).
Некоторые компании EC работают с большими данными уже несколько лет, целенаправленно ища новые и лучшие способы расширения возможностей (EC) продавцов и клиентов на рынке с помощью безграничных возможностей ИИ.
Ниже приведены несколько примеров того, как вы используете различные приложения искусственного интеллекта, в частности машинное обучение, для развития вашего бизнеса в сфере электронной коммерции.
- Чат-бот
Это было популярное приложение для диалогового взаимодействия между сервисом и клиентами. Чат-бот можно использовать для интерактивного общения в самых разных сферах бизнеса. Это также позволяет беспрепятственно перемещать клиента к месту назначения.
Многие службы EC уже использовали чат-ботов на своих веб-сайтах или в приложениях с такими технологиями искусственного интеллекта, как НЛП, методы машинного обучения, методы шаблонов и другие. Недавние достижения в NLP, такие как BERT, повышают точность обработки чат-ботом разговоров в неструктурированной текстовой форме.
Одним из типичных вариантов использования чат-бота является предоставление статуса доставки груза, который клиент приобрел в службе EC. Покупатели оценят удобство при доступе к статусу доставки купленных товаров. Например, в Японии Zeals, стартап AI, разработал решение Chatbot с концепцией Чат-коммерция и успешно сосредоточился на преобразовании рекламы в ленте в окне чата. Более того, иногда количество запросов о конкретных услугах или продуктах может резко возрасти, например, когда происходит вспышка COVID-19 или какой-либо продукт внезапно становится популярным. Даже в этом случае чат-бот может обрабатывать массовые запросы. Это тоже отличный момент.
2. Прогнозирование спроса, продаж и оттока
Чат-боты, очевидно, работают как часть UX для клиентов. Однако другие бегут за кулисами. В своем бизнесе EC вы можете использовать статистические подходы и контролируемое машинное обучение для прогнозирования спроса на продукцию, продаж и оттока клиентов. Контролируемое машинное обучение — это форма ИИ, в которой машине или алгоритму даются образцы данных из прошлого, которые помогают обучить ее обработке данных будущего.
Алгоритмы контролируемого машинного обучения позволяют нам использовать исторические данные о продажах для прогнозирования спроса/объема продаж продуктов с высокой степенью точности и делать удивительные открытия гораздо более эффективным способом, чем это когда-либо могла сделать команда людей.
Кроме того, прогнозирование оттока клиентов также важно, как и прогнозирование спроса. Наличие обеих функций дает вам отличный меч и отличный щит, чтобы выжить и процветать на суровом рынке.
3. Маркетинг для новых групп
Вы также можете использовать так называемые «неконтролируемые» алгоритмы обучения при сегментировании групп клиентов для маркетинговых кампаний. Традиционно маркетологи определяли рыночные сегменты таким образом, который казался им понятным, например, по возрасту или полу. Поэтому, в основном, для этого использовались методы контролируемого обучения. Но техника ИИ также демонстрирует, что это не всегда самые эффективные подходы. В некоторых недавних случаях прошлые определенные функции и прошлые данные обучения будут мешать точному маркетингу, когда поведение или профили клиентов меняются или развиваются. Затем алгоритм неконтролируемого обучения, работающий только с необработанными данными в реальном времени, может определить альтернативные средства сегментации, такие как онлайн-поведение или предпочтения, которые могут служить более точным предсказателем интересов или вкусов. Это можно рассматривать как своего рода подход «сегодняшнего прогноза», а не «прогноз».
4. Систематизация информации о продукте
На сайтах ЕС, таких как Amazon, Rakuten, Yahoo Japan и т. д., продается множество товаров, охватывающих множество различных жанров, от продуктов питания до одежды, электротоваров, цифрового контента, спортивного инвентаря, автомобилей и так далее. Это может затруднить категоризацию. Чтобы решить эту проблему, вы можете использовать «полууправляемый» алгоритм обучения или «обучение по ансамблю», такой как XGboost, который повторно производит повторную выборку данных до тех пор, пока алгоритм не научится обрабатывать их наиболее эффективным способом. Это поможет вам точно классифицировать продукты на сайте EC, чтобы клиенты всегда могли найти то, что им нужно. В последнее время BERT очень хорошо справляется с извлечением атрибутов для организации разнообразной информации о продукте.
5. Анализ мнений клиентов
Понимание оценок пользователей и отзывов, написанных клиентами, очень важно, но также требует много времени. Применяя комбинацию методов обработки массивных данных и различных методов НЛП, таких как «структурные» алгоритмы машинного обучения, метод, обычно используемый при изучении структуры и формирования слов (морфология), и подход на основе лексики, мы можем эффективно собирать и анализировать текст отзывов клиентов, как положительных, так и отрицательных. Иногда мы можем определить тип эмоций и уровень отзывов или комментариев от клиентов и выяснить, в чем проблема и насколько она важна для них.
Теперь, как и в других областях, вы можете использовать RNN, LSTM или BERT (да, BERT может справиться со всем!), чтобы понять голос клиентов. Такие модели глубокого обучения со многими слоями нейронных сетей могут получить представление о семантических значениях на абстрактном уровне через контекст. Он более устойчив к различным неструктурированным голосам клиентов.
6. Рекомендации, поиск и реклама
Система рекомендаций, поиска и рекламы традиционно являются платформенными приложениями в качестве основы для ЭК. Однако, чтобы продвигать его, используя алгоритмы обучения с «подкреплением», мы можем обрабатывать данные о реакциях клиентов в ответ на продукты или рекламные объявления, которые им показывают, например, нажимали ли пользователи на продукт, когда он был им показан. в результатах поиска или в рекомендации. Подобно тесту A/B, алгоритмы обучения с подкреплением замечают, сколько «вознаграждения» (положительной реакции пользователей) получается, когда различные продукты отображаются в ответ на определенные обстоятельства (например, конкретный поисковый запрос или история просмотров пользователя). . Сочетая знания о прошлых реакциях клиентов на определенные обстоятельства, алгоритм может определить наиболее эффективный курс действий, когда эти обстоятельства повторяются. И с каждым действием и реакцией алгоритм становится умнее и подстраивается под изменения тенденций рынка или поведения клиентов.
7. Распознавание изображения продукта
На таких платформах, как eBay, Yahoo Auction, Rakuma by Rakuten, Mercari и т. д., распознавание изображений на основе CNN можно эффективно использовать для анализа изображений продуктов. Модель CNN может иметь возможность распознавать объект на фотографии, а затем автоматически классифицировать его, упрощая пользователям размещение товаров для продажи. Кроме того, он также работает для поиска мошеннических продуктов, таких как поддельные брендовые продукты.
Распознавание изображений может помочь более точно классифицировать или упорядочить информацию о продукте, в дополнение к использованию только атрибуции или описания продукта. В последние годы мультимодальный подход к обучению, основанный на глубоком обучении для обработки текстовых и визуальных данных, способствовал повышению точности организации правильной информации о продукте.
С другой стороны, пользователи могут сфотографировать продукт или использовать его для поиска информации о продукте на сайте ЕС. Для них это интуитивно понятный способ поиска и покупки товара.
8. Обнаружение мошенничества
В последние годы технология машинного обучения добавила более точное обнаружение к существующим системам обнаружения мошенничества на основе правил, которые используются в финансовой сфере. Чем больше данных о мошеннических транзакциях вы получите, тем точнее система будет заранее обнаруживать мошеннические действия.
Помимо этого, как упоминалось в № 7, EC типа торговой площадки включает в себя множество торговцев и продавцов. Иногда можно было увидеть поддельные продукты. Затем для их обнаружения помогают технологии НЛП и распознавание изображений для систематизации информации о продукте.
9. Креативный ИИ
Это своего рода новая концепция. Тем не менее, он набирает все больше и больше оборотов. Креативный ИИ означает, что приложение ИИ позволяет выполнять нерутинную работу, основываясь на экспертных знаниях, и создавать ценный контент. Художественные работы, созданные с помощью ИИ, — хороший и простой для понимания пример, например, роман, живопись, музыка, фильм и т. д. Не только художественная работа, журналистика также находится в сфере использования творческого ИИ.
Вы видите много случаев применения творческого ИИ к услугам. Некоторые артисты пытались заставить ИИ сочинять музыку и на ее основе создавали видеоклипы. В некоторых проектах ИИ написал сценарий, и на его основе сняли короткометражный научно-фантастический фильм.
EC никогда не выходит за рамки творческого ИИ. У вас есть больший потенциал, если вы используете творческий ИИ для EC. Сайт EC содержит много данных о продуктах и данных отзывов клиентов. Это означает, что у вас есть данные как со стороны предложения, так и со стороны спроса. Объединив оба данных, вы можете предлагать новые творческие продукты, новые творческие жанры, новые творческие направления и так далее при поддержке творческого ИИ.
С помощью творческого ИИ Rakuten реализовал проект под названием «Извлечение модного стиля». LDA, один из методов тематических моделей в НЛП или «обучение без учителя», использовался для анализа данных о поведении пользователей, чтобы выявить скрытые потребности клиентов в отношении того, какой стиль они ищут. Эта система извлекла совершенно новые 32 возможных стиля моды, и на ее основе мы создали и предложили клиентам новые стили моды как зарождающуюся модную тенденцию.
Электронная коммерция может быть не первым, что приходит на ум, когда люди слышат слова «искусственный интеллект», но нельзя отрицать влияние, которое она уже оказывает на то, как мы покупаем и продаем в Интернете. Я надеюсь, что благодаря «сверхчеловеческим» способностям машинного обучения предприятия EC будут продолжать расширять возможности как клиентов, так и рынков по всему миру.
