Одна из тем, с которой я часто сталкиваюсь в своих обсуждениях с предпринимателями SaaS / технологий, - это чрезмерно разрекламированная четырехбуквенная аббревиатура - AI / ML.
Как и в случае с любой другой инициативой / набором функций в настройке продукта, отправной точкой является вопрос: «Почему?». Зачем вообще нужен AI / ML?
Самый простой способ объяснить это на основе того, что я испытал из первых рук - в Vizury мы начали наши усилия по науке о данных еще в 2011 году. Решения, которые было принято нашим программным обеспечением, были: (а) определение нашей готовности платить (в долларах США) ) для показа рекламы для данного пользователя в определенный момент времени, и (б) определение правильного набора продуктов и вариантов шаблонов объявлений для показа данному пользователю в данный момент времени, и (в) более недавние усилия вокруг определения баллов сродства к пользовательскому каналу.
Еще в 2011 году для (а) у нас был механизм на основе правил, в котором член бизнес-команды вручную устанавливал правило и определял цену. Например, для пользователя X, который был в корзине для покупок на веб-сайте электронной коммерции, наша готовность платить, естественно, будет выше, чем для пользователя Y, который ушел бы с домашней страницы. Постепенно мы добавляли все больше и больше правил (например, о том, какой продукт, с какого устройства, в какое время дня и т. Д.). Кроме того, у нас началась конкуренция, в которой мы боролись за одних и тех же пользователей X и Y, и выигрывал тот, у кого была более высокая ставка.
Итак, в основном возникли 2 потребности: (а) В результате миллионы комбинаторных комбинаций правил стали неуправляемыми. (б) Наши клиенты требуют более высокой рентабельности инвестиций / производительности для своих долларов.
В результате мы ввели систему ценообразования на основе машинного обучения, которая будет определять склонность к конверсии / клику на заданном уровне пользователя. И, разумеется, с тех пор мы ни разу не оглянулись назад.
Вы знаете, почему?
