Kolleksiyalar

Pərakəndə satışın gələcəyini gücləndirən maşın öyrənmə

Pərakəndə satışın gələcəyini gücləndirən maşın öyrənmə


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

İrəli düşünən markalar və pərakəndə satıcılar vizual xüsusiyyətlərin (uyğun / tikiş / və s.) Böyük bir çeşidi olan nəhəng məlumat dəstlərini (onlayn kataloqu) təhlil etmək üçün görüntü tanıma və maşın öyrənməyə çalışır. Nəticələr daha yaxşı müştəri təcrübəsi üçün yeni bir fərdiləşdirmə səviyyəsini gücləndirir.

Mövcud onlayn alış-verişdəki problem, təcrübələrin xidmət yönümlü olmaqdan daha çox performans yönümlü olmasıdır. Brendlər və pərakəndə satıcılar, çox güman ki, istifadəçi ilə qarşılıqlı əlaqəni və klik axını məlumatlarını qənaət etsələr də, bu məlumatlar müştəri alış qərarlarını təsir edən detalların mürəkkəbliyini tutmur ... məsələn bədən qavrayışı.

Lily AI, markaların və pərakəndə satıcıların müştərilərinin satın aldıqları şeyin arxasındakı "niyə" olduğunu anlamalarına kömək etmək üçün görüntü tanıma və maşın öyrənmə üsullarından istifadə edərək yeni pərakəndə inqilaba güc verən bir şirkətdir. Şirkətin texnologiya yığını ("hiper fərdiləşdirmə" üçün məxsusdur) Lily AI-də həmtəsisçi və CTO Sowmiya Chocka Narayanan tərəfindən qurulmuş və həyata keçirilmişdir.

Narayanan UT Austin-dən Elektrik və Kompüter Mühəndisliyi üzrə magistr və PSG Texnologiya Kollecindən (Hindistan) İT üzrə bakalavr dərəcəsi alıb. Yahoo! kimi böyük oyunçular üçün texnoloji yığınının müxtəlif sahələrində çalışdı. və Box, daha sonra emosional zəka ilə süni zəkanın kəsişməsində ehtiraslı oldu.

Lily AI-nin həmtəsisçisi və CEO-su Purva Gupta Saatchi & Saatchi reklam agentliyindən gəldi. Həyatın əvvəllərində Gupta, yalnız lazımi geyim əşyasını tapmağın özünə inamsızlığı aradan qaldırmağa necə kömək edə biləcəyini öyrənmişdi və iki qadın qurucunun keçdiyi yoldan keçəndə Gupta, qurduğu bir işə baxaraq bir nəfərlik araşdırma dağını tamamlamışdı. Nyu-Yorkdakı yer. Gupta'nın araşdırması qadınların ən rahat hiss etdiklərini tapmaq üçün bədən tiplərinə görə paltar axtardıqlarını göstərdi.

Bir qadın müəyyən bir bluza qərar verə bilər, çünki kəsik məsələn, yuvarlaq bir mədə gizlədir. Hər ikisi, rəqəmsal aləmdə bu üstünlüklərə dair markalara və pərakəndə satıcılara rəhbərlik edəcək bir iş yaratmaq üzərində işləyirlər. Narayanan, Gupta'yı istədiyi üstünlük mərkəzli fərdi alış-veriş xidməti qurmağın ən yaxşı yolunun maşın öyrənməsindən istifadə etməsinə inandırdı.

Lily AI indi pərakəndə satış portfelindəki hər SKU-nun ən dənəcik xüsusiyyətlərini müəyyən etmək üçün kompüter görmə və süni intellektdən istifadə edir. Məhsul başına bu onlarla atributdan başlayaraq, markalar və pərakəndə satıcılar, müştərilərin bu spesifik, çox dənəli məhsul atributlarına yaxınlığına toxunaraq müştərilərin təcrübələrini onlayn olaraq fərdiləşdirə bilərlər.

Dərin etiketlər nəticələri daraltmaq, sayt axtarışının dəqiqliyini artırmaq və s. Buna nail olmaq üçün Narayanan fərqli arxitekturalı konvolyusional sinir şəbəkələrindən yaradılan və insan mütəxəssisləri tərəfindən əl ilə idarə olunan 1 milyarda yaxın məlumat nöqtəsi ilə hazırlanmış dərin öyrənmə modelləri toplusunu yığdı.

İlk xüsusi modellər, üçüncü tərəf kimi bir xidmət olaraq dərin öyrənmə platforması və 100.000-dən çox etiketli şəkil istifadə edərək yaradıldı. Həmtəsisçilər tez bir zamanda dərindən dənəvər və üsluba əsaslanan atributlar istəsələr, modelləri özləri sınamalı və dəqiq tənzimləmələri lazım olduğunu anladılar. Gupta və Narayanan, üçüncü tərəfin yanaşmasını atmağın və evdə AI modellərini qurmağın vaxtının gəldiyini qəbul etdilər.

Ölçek haqqında bir fikir vermək üçün Lily AI indi şirkətin pərakəndə müştərilərindən biri üçün on milyonlarla etiket yaratdı. Müştərilərini bir görüntüdə alış-veriş edilə bilən əşyaları müəyyənləşdirərək, sonra rənglərdən və tikişlər və material ağırlığı kimi ən dəqiq bəzəklərə qədər dəyişən minlərlə atributlardan ibarət verilənlər bazasından meta etiketi proqnozlaşdırmaqla müştərilərini sevindirməyə davam edirlər.

Təlim boru kəmərinə inteqrasiya olunmuş insan geribildirim qrupu, bu incə detalların dəqiqliyini artırmaq üçün komandaya gündə bir neçə milyon məlumat nöqtəsi əlavə etməyə imkan verir və modellər hiyerarşik olaraq hər proqnozlaşdırma səviyyəsinə daha incə etiketlər əlavə edəcək şəkildə təşkil olunur.

İstifadəçilər məhsul xüsusiyyətlərini və klik axını məlumatlarını Lily AI-nin tövsiyə alqoritmlərinə qidalandırmaqla, komanda istifadəçinin fərqli məhsul elementlərinə və xüsusiyyətlərinə yaxınlığını və həssaslığını çıxarıb tətbiq edir və sonra tövsiyə edilə bilər.

Bu müddətdə, istifadəçiyə yalnış tövsiyənin qarşısını almaq üçün yaltaqlanacaq (və ya olmasın) hər cür üslubu və məhsul xüsusiyyətini qiymətləndirir və birləşdirirlər.

Bu şəkildə eyni bədən quruluşu və ölçülərinə sahib olan, ikisi də bir cins şalvara baxan, lakin əyri və görünən tikiş üçün fərqli üstünlüklərə sahib iki qadın fərqli nəticələr əldə edəcəklər.

Nəticələri sınamaq və yenidən yaratmaq üçün Amazon və Microsoft-un hazır seçimləri barədə soruşulduqda, Narayanan həmişə daxili istehsal etməyi ən yaxşı şəkildə tapdı.

“Bizim üçün ən yaxşı istifadə tətbiqi infrastruktur tərəfində idi - axın boru kəməri, gigabayt məlumat üzərində ETL, serversiz API və s. Fırlanmaq, çox vaxt və resurslar xərcləmədən əsas alqoritm hissəsinə diqqət yetirə bilərik. pərakəndə tətbiqetmələri dəstəkləmək üçün lazımlı infrastruktur ”dedi Narayanan. "Sənayemizin pərakəndə olması səbəbindən bulud-aqnostik olmağa qərar verdik."

Fərqləndirmək üçün, Lily AI platforması, zamanla geniş bir tətbiq tətbiq oluna bilən bir ucdan bir həll təmin edir. Komanda, atributları müəyyənləşdirmək üçün minimum dəqiqlik tələb edən minlərlə dənəvər məhsul xüsusiyyətlərini öyrənmək və proqnozlaşdırmaq üçün dərindən getmələrini təmin etmək üçün dərin öyrənmə modellərini (təbəqələr və filtrlər) xüsusi etmişdir. Eynilə, tövsiyə alqoritmlərini tıklama axınlarından çıxarılan xüsusi istifadəçi xüsusiyyətləri ilə bəsləyirlər və sonra fərqli yanaşmalar toplayaraq sınaqdan keçirirlər. Bunları hazır platformalarda etmək mümkün deyil.

Narayanan'a görə, ənənəvi maşın tədrisi, açıq şəkildə proqramlaşdırılmadan giriş məlumatlarından məntiqi qaydaları öyrənmənin əsasını qoydu və dərin öyrənmə, kütləvi strukturlaşdırılmamış məlumat dəstlərindən xüsusiyyətlər çıxarmaq və insanın müdaxiləsi olmadan öyrənmək üçün at gücünü verir.

İnsan beyninin bioloji quruluşundan ilhamlanan dərin öyrənmə, nümunələri analiz etmək və şəkillər, səs, video və mətn kimi strukturlaşdırılmamış məlumatlarda əlaqələr tapmaq üçün sinir şəbəkələrindən istifadə edir.

"Vizual qavrayışda dərin öyrənmənin proqnozlaşdırıcı gücü, təbii dil anlayışı və satın alma niyyətini proqnozlaşdırmaq qabiliyyəti, Lily AI-nin yüksək dərəcədə fərdi tövsiyələr verməsi, qiymət strategiyası və inventar planlaşdırmasını optimallaşdırması, digər tətbiqetmələr arasında AI köməkçiləri üçün imkan verir" dedi.

Ən uyğun təcrübəni təmin etmək üçün bir pərakəndə satıcı istifadəçi ilə hər bir interfeysi ələ keçirməli və saxlamalıdır - istifadəçinin onlayn mağazada nələri etdiyini, məhsulu necə aldıqlarını, məhsulu mağazaya qaytardıqları təqdirdə birləşdirdilər müştəri baxımı ilə, əsas narahatlıqları nələr idi və s. Onlayn bir istifadəçinin oflayn mağaza qarşılıqlı əlaqələrini, başqa bir cihazdan onlayn istifadəçi girişini, başqası üçün alış-veriş edən bir onlayn istifadəçini təyin etmələri lazımdır.

Bu addım, hər hansı bir maşın öyrənməsinin düzgün verilənlər bazasında həyata keçirilməsini təmin etmək üçün ən vacibdir; bir neçə CDP (müştəri məlumat platformaları) bunu etməyə söz verir. Digər tərəfdən, məhsullar haqqında yalnız tövsiyələrdə deyil, həm də meylləri təhlil etmək və tələbi proqnozlaşdırmağa kömək etmək üçün dənəvər məlumatlara sahib olmaları lazımdır. Perakendecinin istehlakçılar tərəfindən yaradılan nəhəng məlumatları əldə etmələrinə və şərh etmələrinə kömək edəcək alətlər və platformalar düzgün seçməsi çox vacibdir.

Alış-veriş edənlərin kanallar arasında əlaqəli və cəlbedici onlayn təcrübə gözləmələri pərakəndə satıcıları müştəri xidməti, daha asan axtarış, rəqəmsal naviqasiya, tövsiyələr, virtual köməkçilər və s. Üçün AI mərkəzli həlləri qəbul etməyə və tətbiq etməyə davam edəcəkdir.

Lily AI kimi süni zəkalı xidmətlərin qəbul edilməsi müştərilərin əlaqə nöqtələrini yaxşılaşdırmaqla yanaşı, stok idarəçiliyi, satış proqnozu, səhm dışı məsələlər və daha yaxşı optimallaşdırılmış marketinq planları kimi digər sahələrə də müsbət təsir göstərə bilər. Bu, pərakəndə satışa yalnız satışlarını və əməliyyat səmərəliliyini artırmağa deyil, həm də müştərilərin təqdir etdiyi və sədaqətlə mükafatlandıracaq şəkildə kömək edir.


Videoya baxın: Richest People Of The Middle East (Iyul 2022).


Şərhlər:

  1. Christie

    İçində bir şey var. Bir izahat üçün təşəkkür edirik. Bunu bilmirdim.

  2. Mabei

    Əlbəttə. Yuxarıda dediyim hər şeyə qoşuluram.

  3. Ra

    It is entertaining information

  4. Donnell

    Hazırda müzakirədə iştirak edə bilmirəm - çox məşğulam. Tezliklə fikrimi mütləq bildirəcəyəm.



Mesaj yazmaq