אוספים

למידה מכונה המניעה את עתיד הקמעונאות

למידה מכונה המניעה את עתיד הקמעונאות

מותגים וקמעונאים חושבים קדימה מחפשים זיהוי תמונות ולמידת מכונה כדי לנתח מערכי נתונים עצומים (קטלוגים מקוונים) עם מגוון עצום של תכונות ויזואליות (התאמה / תפר / וכו ') עד למוצר יחיד. התוצאות מעניקות רמה חדשה של התאמה אישית לחוויית לקוח טובה יותר.

הבעיה עם הקניות המקוונות הנוכחיות היא שהחוויות מונחות ביצועים יותר מאשר מונחות שירות. בעוד שמותגים וקמעונאים ככל הנראה חוסכים אינטראקציה של משתמשים ונתוני זרם קליקים, הנתונים הללו אינם תופסים את מורכבות הפרטים המשפיעים על החלטות רכישת הלקוחות ... כמו תפיסת גוף למשל.

Lily AI היא חברה אחת שמפעילה מהפכה קמעונאית חדשה על ידי שימוש בזיהוי תמונות ולמידת מכונה כדי לעזור למותגים ולקמעונאים להבין את ה"למה "מאחורי מה שקונים הלקוחות שלהם. מחסנית הטכנולוגיה של החברה (שהיא קניינית ל"היפר-פרסונליזציה ") נבנתה ומיושמת על ידי סובמיה צ'וקה נאראינאן, מייסד שותף ו- CTO ב- Lily AI.

Narayanan הוא בעל תואר שני בהנדסת חשמל ומחשבים מאוניברסיטת UT Austin ובוגר תואר ראשון ב- IT ממכללת PSG לטכנולוגיה (הודו). היא עבדה באזורים שונים בערמת הטכנולוגיה עבור שחקנים גדולים כמו יאהו! ו- Box, אז התלהב מההצטלבות של אינטליגנציה רגשית ובינה מלאכותית.

מייסד ומנכ"ל לילי AI, פורווה גופטה, הגיע מסוכנות המודעות סאצ'י וסאצ'י. בשלב מוקדם בחייה, גופטה למדה כיצד מציאת פריט לבוש מתאים יכול לעזור לה להתגבר על הספק העצמי וכאשר דרכיהם של שתי המייסדות חצו, גופטה בדיוק השלימה הר של מחקר אישי שבדק עסק שנבנה על הנחת היסוד בניו יורק. המחקר של גופטה הראה שנשים מחפשות בגדים לפי סוג הגוף, כדי למצוא את מה שהן מרגישות הכי בנוח בו.

אישה אחת עשויה להחליט על חולצה ספציפית מכיוון שהחתך מסתיר למשל בטן עגולה יותר. השניים התחילו לעבוד על יצירת עסק שידריך מותגים וקמעונאים לגבי העדפות אלה בתחום הדיגיטלי. נאראיאנאן שכנעה את גופטה הדרך הטובה ביותר לבנות את סוג הקניות המותאם אישית המונע על ידי העדפה שרצתה היה להשתמש בלימוד מכונה.

לילי AI משתמשת כעת בראייה ממוחשבת ובבינה מלאכותית כדי לזהות את התכונות המפורטות ביותר של כל מק"ט בתיק הקמעונאי. על ידי התחלה בעשרות המאפיינים הללו לכל פריט, מותגים וקמעונאים יכולים להתאים אישית את חוויית הלקוחות שלהם באופן מקוון על ידי שימוש בזיקה של הלקוחות שלהם למאפייני המוצר הספציפיים והגרגרים מאוד האלה.

תגים עמוקים ממלאים תפקיד קריטי בשיפור הניווט באתר על ידי שיפור מסננים והיבטים לצמצום תוצאות, שיפור הדיוק של חיפוש האתר ועוד. כדי להשיג זאת, נאריאנן ערם אנסמבל של מודלים של למידה עמוקה שנוצרו מרשתות עצביות קונבולוציות עם ארכיטקטורות שונות והוכשר עם כמעט מיליארד נקודות נתונים שאוצר ידנית על ידי מומחים אנושיים.

הדגמים המותאמים אישית הראשונים נוצרו באמצעות פלטפורמת למידה עמוקה כשירות של צד שלישי ומעל 100,000 תמונות שכותרתו. המייסדים המשותפים הבינו במהרה שאם הם רוצים מאפיינים עמוקים יותר של גרגירים וסגנון, הם צריכים להתנסות בכוונון הדגמים עצמם. גופטה ונאריאנאן הסכימו שהגיע הזמן להשליך את גישת הצד השלישי ולבנות מודלים של AI באופן ביתי.

כדי לתת מושג בקנה מידה, לילי AI יצרה כעת עשרות מיליוני תגים עבור אחד הלקוחות הקמעונאיים של החברה בלבד. הם ממשיכים לשמח את לקוחותיהם בכך שהם מזהים את הפריטים הניתנים לחנות בתמונה, ואז מנבאים מטא-תגיות ממאגר של אלפי תכונות שנעות בין צבע וגזירה לעיטורים הכי קטנים כמו תפרים ומשקל חומר.

לולאת המשוב האנושית ששולבה בצינור האימונים מאפשרת לצוות להוסיף מספר מיליוני נקודות נתונים ביום כדי להגביר את הדיוק של פרטים עדינים אלה, והמודלים מסודרים באופן היררכי כך שכל רמה של חיזוי מוסיפה תגיות עדינות יותר.

על ידי הזנת מאפייני המוצר ונתוני זרם הקליקים של המשתמשים באלגוריתמי ההמלצה של לילי AI, הצוות מחלץ את הזיקה והרגישות של המשתמש לאלמנטים ותכונות מוצר שונות ומיישם אותם, ואז ניתן להמליץ ​​עליהם.

בתהליך זה, הם גם מעריכים ומשלבים כל סגנון ותכונת מוצר אחרים שיהיו מחמיאים למשתמש (או לא) כדי למנוע את ההמלצה השגויה.

באופן זה, שתי נשים בעלות אותו מבנה גוף ומדידות זהות, שתיהן מסתכלות על זוג מכנסי ג'ינס, אך הן בעלות העדפות שונות לעקומות ולתפרים הנראים לעין, ישטחו תוצאות שונות.

כשנשאל על אפשרויות מדף של אמזון ומיקרוסופט לנסות לשחזר את התוצאות, Narayanan תמיד מצא את זה הכי טוב לבנות בית.

"מקרה השימוש הטוב ביותר מבחינתנו היה בצד תשתית היישומים - סיבוב של צינור סטרימינג, ETL בג'יגה-בייט של נתונים, ממשקי API ללא שרתים וכו '. היינו יכולים להתמקד בחלק האלגוריתם המרכזי מבלי להשקיע יותר מדי זמן ומשאבים בבניית שאר התשתית הנדרשת לתמיכה ביישומים הקמעונאיים, ”קובע נראיאן. "בגלל האופי של התעשייה שלנו להיות קמעונאות, החלטנו להיות אגנוסטים בענן."

כדי להבדיל, פלטפורמת ה- Lily AI מספקת פתרון מקצה לקצה שניתן להחיל על מערך יישומים רחב לאורך זמן. הצוות התאים אישית את מודלי הלמידה העמוקה (שכבות ומסננים) כדי לאפשר להם להעמיק ללמוד ולחזות יותר מאלפי מאפייני מוצרים גרגירים עם ציפייה גבוהה לדיוק מינימלי בזיהוי התכונות. באופן דומה, הם מזינים את אלגוריתמי ההמלצה בתכונות משתמש מותאמות אישית שחולצו מזרם הקליקים שלהם וכוללים זיקה, ואז מתנסים באמצעות הרכבת גישות שונות. אי אפשר לעשות זאת עם פלטפורמות מדף.

לדברי נראיאן, למידת מכונה מסורתית הניחה את הבסיס ללימוד חוקים לוגיים מנתוני קלט מבלי שתוכנתו לכך במפורש, ולמידה עמוקה מספקת את כוח הסוס לחלץ תכונות ממערכות נתונים מסיביות בלתי מובנות וללמוד ללא התערבות אנושית.

בהשראת המבנה הביולוגי של המוח האנושי, למידה עמוקה משתמשת ברשתות עצביות כדי לנתח דפוסים, ולמצוא מתאמים בנתונים לא מובנים כמו תמונות, שמע, וידאו וטקסט.

"כוח הניבוי של למידה עמוקה בתפיסה החזותית, הבנת השפה הטבעית והיכולת לחזות כוונות רכישה מאפשרים ל- Lily AI לספק המלצות בהתאמה אישית גבוהה, לייעל את אסטרטגיית התמחור ותכנון המלאי, עוזרי AI בין יישומים אחרים", אמר נראיאן.

על מנת לספק את החוויה הרלוונטית ביותר, קמעונאי צריך ללכוד ולאחסן כל ממשק אחד עם המשתמש - מה המשתמש עשה בחנות המקוונת, איך קנה את הפריט, אם החזיר את המוצר לחנות, האם התחבר עם הטיפול בלקוחות, מה היו הדאגות העיקריות שלהם וכו '. הם צריכים להיות מסוגלים לזהות את האינטראקציות בחנות לא מקוונת של משתמש מקוון, כניסה למשתמש מקוון ממכשיר אחר, משתמש מקוון שקונה למישהו אחר.

שלב זה הוא קריטי ביותר בכדי להבטיח שכל למידת מכונה מתבצעת במערך הנתונים הנכון; כמה תקליטורי CDP (פלטפורמות נתוני לקוחות) מבטיחים לעשות זאת. מהצד השני, הם צריכים שיהיו להם נתונים מפורטים אודות המוצרים כדי לא רק להגיש המלצות אלא גם לנתח מגמות ולעזור לחזות את הביקוש. חשוב מאוד שהקמעונאי יבחר את הכלים והפלטפורמות הנכונות שיעזרו להם ללכוד ולפרש את הנתונים ההומאניים שנוצרו על ידי הצרכנים.

הציפיות של הקונים מחוויות מקוונות רלוונטיות ומרתקות בערוצים ימשיכו להניע קמעונאים לאמץ ולהטמיע פתרונות מונעי AI לשירות לקוחות, חיפוש חכם יותר, ניווט דיגיטלי, המלצות, עוזרים וירטואליים וכו '.

אימוץ שירותים המופעלים על ידי AI כמו Lily AI לא רק ישפר את נקודות המגע של הלקוחות, אלא גם יכול להשפיע באופן חיובי על תחומים אחרים כגון ניהול מלאי, חיזוי מכירות, הנפקות מחוץ למלאי ותוכניות שיווק ממוטבות יותר. זה עוזר לקמעונאים לא רק להגדיל את יעילות המכירות והתפעול שלהם, אלא באופן שהלקוחות מעריכים ומתגמלים בנאמנות.


צפו בסרטון: Lecture 70 Soft Margin SVMs. Mining of Massive Datasets. Stanford University (דֵצֶמבֶּר 2021).