Искусственный интеллект становится мейнстримом и выходит из сферы шумихи, чтобы встроиться в нашу жизнь — от касс самообслуживания, службы безопасности в аэропортах, электронной почты, маркетинга и рекомендаций ИИ повсюду.
Распространенный вопрос, который мне часто задают: «Как вы применяете ИИ в организациях?» “.
Термины ИИ и машинное обучение используются взаимозаменяемо, хотя машинное обучение является лишь подмножеством ИИ. Ведущие игроки, такие как Amazon, Google и Microsoft, а также другие, инвестируют в технологии, связанные с ИИ, с намерением создать бизнес на платформах и услугах, основанных на ИИ.
По мере того, как инструменты и инфраструктура для машинного обучения (и глубокого обучения) становятся доступными по запросу как услуга (mLaas), этот вопрос становится все более важным. Как и в случае со стартапом, основной вопрос сводится к тому, какую проблему вы пытаетесь решить? Или какую цель ваша организация пытается достичь?
Это действительно зависит от вашего бизнеса и его контекста — какую информацию вы можете извлечь из данных, доступных вам как внутри, так и за пределами вашей организации, которые помогут вам: 1) получить конкурентное преимущество 2) узнать больше о вашем клиенте 3) предвидеть или предсказать ваши требования клиентов или 4) предоставить дополнительную ценность для ваших клиентов, чтобы они в дальнейшем взаимодействовали с дополнительными предложениями
Давайте возьмем пример розничного дома, который продает модные предметы роскоши покупателям по всему миру через свою группу магазинов и дополняется интернет-магазином электронной коммерции. Вы можете захотеть использовать данные, которые вы собираете о клиентах, продажах и операциях, для получения информации из этих данных, используя различные способы, включая машинное обучение.
Машинное обучение обычно может делать два типа широких результатов — регрессию и классификацию. На высоком уровне с помощью регрессии мы можем предсказать непрерывное количество (сколько будет стоить этот элемент с учетом его набора функций), а с помощью классификации мы можем предсказать метку дискретного класса. (является ли эта транзакция мошеннической? Или этот клиент, вероятно, купит снова?).
Давайте рассмотрим некоторые основные области, в которых ИИ может помочь электронной коммерции.
- Системы рекомендаций по перекрестным продажам дополнительных товаров
Машины могут автоматически рекомендовать персонализированные продукты вашим клиентам после анализа их прошлого поведения. Мы видим, что Amazon делает это на удивление хорошо, и другие игроки электронной коммерции начали применять умные рекомендации на своих сайтах электронной коммерции. Для быстрого выхода на рынок поэкспериментируйте с рекомендательными системами, такими как recombee, nosto, bariliiance и другими.
2. Личный помощник по покупкам и обслуживанию клиентов в виде чат-ботов
Предоставьте клиентам диалоговый интерфейс, чтобы задавать вопросы, получать рекомендации, делать покупки и даже обслуживать клиентов, используя мощь машины (чат-бота). Исследования показали, что на 80 % рутинных вопросов можно дать правильные ответы и сократить расходы на обслуживание клиентов на 30 %. То, что вы предоставляете, — это еще один интерфейс, с которым поколение миллениалов очень удобно взаимодействует.
3. Анализ ассортимента
Интеллектуальные системы могут отображать правильный ассортимент продуктов и цен (из прошлых моделей клиентов), чтобы увеличить размер заказа, а также предлагать динамическое ценообразование.
4. Управление цепочками поставок
В глобальном контексте — машина может анализировать сотни переменных и факторов с текущими и историческими данными, чтобы прогнозировать спрос на определенные продукты или бренды в географических регионах, чтобы помочь вам в управлении цепочкой поставок и запасами. Технология искусственного интеллекта позволяет организации получать важную информацию о факторах, влияющих на спрос, и проводить прогнозный анализ того, какие будущие потребности могут появиться на рынке.
5. Индивидуальные маркетинговые стратегии.
Как только машина понимает поведение клиентов, она может адаптировать кампании. После того, как он проанализирует ответы клиентов для набора кампаний, он может со временем стать умнее и отправлять интеллектуальные адаптированные сообщения, чтобы максимизировать желаемый отклик.
6. Прогнозировать поведение клиентов
Ваши алгоритмы машинного обучения, если они правильно обучены, могут предсказывать модели повторных покупок клиентов, их склонность регистрироваться в программе лояльности или их склонность к покупкам в течение определенного сезона или в ответ на определенный тип рекламной кампании.
7. Обнаружение мошеннических транзакций и поддельных отзывов
Алгоритмы машинного обучения могут изучить природу и характеристики мошеннических транзакций и помочь классифицировать транзакции как мошеннические с высокой степенью точности, если они правильно обучены. Тот же принцип можно применить к отзывам клиентов на вашем сайте.
8. Классификация изображений
Можно предоставить клиентам интеллектуальные интерфейсы на основе изображений, чтобы они могли указать, щелкнуть и совершить покупку из составных изображений. Amazon предоставляет еще одну услугу из своего мобильного приложения, когда вы наводите камеру на любой физический предмет со своего телефона, и он подтягивает связанные и похожие предметы, позволяя вам их купить. Используя классификацию и распознавание изображений, теперь можно привлечь клиентов, чтобы создать другой покупательский опыт.
Обзор:
Машинное обучение никуда не денется, и при должном объеме обучения и данных у него есть интересные возможности в области классификации и сегментации.
Я только коснулся поверхности того, что возможно, и, возможно, не охватил все возможности — для реализации всего этого потребуются данные из ваших систем электронной коммерции, переданные в структуру машинного обучения / чат-ботов, чтобы она могла «разумно» изучать и выполнять некоторые из этих прогнозов.
Надеюсь, это дало вам достаточно, чтобы начать думать о вариантах использования ИИ. Я предлагаю подойти к этому на основе ваших бизнес-приоритетов, которые создадут максимальную ценность для бизнеса и согласуются с целями, которые ваша организация стремится достичь.
Альтаф Рехмани — инноватор в области технологий, помогал различным предприятиям с проектами цифровой трансформации, Agile-евангелист и поборник применения технологий для обеспечения роста бизнеса. Он живет в Гонконге, и с ним можно связаться по электронной почте или твиттеру. Пожалуйста, оставьте свой отзыв и похлопайте, если вам понравилась эта статья.
Другие статьи, которые могут быть интересны:
Управление высокоэффективными командами
Распространенные ошибки при внедрении Agile
