Искусственный интеллект знает вас лучше

Смотрите в каталоге
Ретаргетинг и RTB

Каждый день миллионы людей принимают решения о потреблении товаров или услуг на основе результатов поиска – будь это одежда, ближайшие рестораны, или что-либо еще. Однако, по данным отчета Nielsen «Доверие к рекламе в мире», потребители больше полагаются на отзывы в интернете или сравнение цен, а чаще всего эффективнее работают рекомендации «из уст в уста». Наиболее достоверную рекламу поставляют люди, которых мы знаем и которым доверяем, и более 83% респондентов полностью или частично доверяют мнениям друзей и семьи.

В итоге, когда мы принимаем окончательное решение о покупке, резонно предположить, что скорее всего спросим совета у супругов, родных или близких друзей. Именно они, как никто другой, знают нас лучше – наш вкус, предпочтения, стиль одежды и так далее.

Но что будет, если компьютер будет способен узнать нас лучше, чем наши близкие?

Что компьютеры знают о вас сейчас

Цифровая эпоха сделала потребительский поиск более доступным, но в то же время невероятно сложным. Выбор из сотен и даже миллионов предложений стал трудным. Системы онлайн рекомендаций меняют стиль выбора товаров – они сужают наш процесс принятия решений, предлагая нам подходящие и дополнительные варианты, а также альтернативы.

Эти знания о нас в качестве покупателей обычно приходят из нашей истории предыдущих заказов и загруженных страниц, схожих профилей покупателей по истории покупок и поиску товаров, дате и длительности просмотров. Технологии рекомендаций видят, что вы ищете, и советуют подходящие товары. Они аккумулируют и анализируют миллионы пользовательских параметров для выдачи наиболее точных предложений.

Это выглядит на первый взгляд просто, но эти технологии нуждаются в огромном объеме данных, чтобы обеспечить точный прогноз. Безусловно, чем больше количество информации, тем лучше. Вот тут и вступает в игру глубокое обучение (deep learning) – инновационная ветвь искусственного интеллекта, решающая эти задачи путем имитации работы человеческого мозга – в процессе обработки данных и создания шаблонов принятия решений.

Искусственный интеллект предугадывает ваши желания

Как уже сказано выше, многие из нас уже имеют опыт взаимодействия с рекомендациями, основанными на базе пользовательских данных. Например, мы заказали товар на Amazon, предлагаемый как «Обычно с этим покупают», или добавили новых людей на LinkedIn после просмотра «Вы можете быть знакомы с …». Даже выбор фильмов на Netflix идет в соответствии с нашими предпочтениями, проанализированными технологиями искусственного интеллекта.

Сегодня движки программного обеспечения становятся все более умными. Они используют инструменты глубокого обучения, которые персонализируют пользовательский опыт и пробуют систематизировать их даже после одного или нескольких посещений определенных страниц. Совмещенные с аналитикой, собранной в режиме реального времени, самообучающиеся алгоритмы могут поднять точность вероятности предложений вплоть до прогноза. Сервисы типа Spotify могут спрогнозировать прослушивание следующей музыкальной композиции, а YouTube выстраивает видео в очередь на основе того, что вы недавно уже просмотрели.

Высокоточное глубокое обучение используется во всех областях цифровой индустрии, в том числе в рекламе. По данным RTB House - международной компании, предоставляющей передовые технологии ретаргетинга, самообучающиеся алгоритмы помогают достичь супер-точных рекомендаций, повышающих эффективность рекламных кампаний до 50%. Как это работает на практике?

Как глубокое обучение работает с рекомендациями

Возьмем пример с покупкой нового платья. Когда любитель шоппинга кликает на товар, размещенный на сайте, механизм рекомендаций мгновенно считывает каждый кусочек информации. Цвет платья, детали, на которых вы остановились, диапазон цен, размер и множество других данных пользовательской активности. Далее, механизм соединяется с другими итерациями, с таким их числом, насколько это предоставляется возможным. Измеряя и анализируя их, система может понять историю, вкус, интересы и даже настроение – и выдает точные рекомендации по интересующим товарам. Подходящая высота каблука или украшения, вечерний наряд или летняя одежда могут быть рекомендованы как наиболее вероятные к покупке, что увеличивает эффективность рекламных кампаний. Это происходит без какого-либо вмешательства человека в процесс рекламы. В области прогнозирования покупок алгоритмы уже получили столько знаний, что не требуют ручного вмешательства, которое только может ввести их в заблуждение.

Обычная модель рекомендаций такого сделать не может. Более ранние системы просто аккумулировали информацию и далее выдавали предложения на основе сформулированных человеком правил, например - «показывайте украшения только тем, которые интересовались женской одеждой, так как они наиболее предпочтительны для женщин». Сейчас это может выглядеть так: «наша система знает, что просматривающие женскую одежды скорее всего, купят и украшения, но также система определила мужчин, заинтересованных в покупке украшений для себя или в подарок».

Алгоритмы глубокого обучения симулируют наш стиль мышления, но учатся принимать решения без участия человека. Машина проанализирует неизмеримый набор данных без устали или ощущения рутины и выдаст супер-логичное, освобожденное от рисков решение без всякого стресса, сомнения или эмоции. Это кардинально изменит настройки кампаний рекламодателя, но вместе с тем пропишет новые правила, кратно увеличивающие эффективность размещений. В этом и заключается квинтэссенция работы самообучающихся алгоритмов и их польза для рекламной индустрии.

Вперед к ИИ-персонализации

Согласно Janrain & Harris Interactive, 74% онлайн покупателей разочаровывались контентом сайта, не соответствующим их потребностям. А Infosys говорит: 86% пользователей подтвердили, что персонализация играет роль в принятии решения о покупке.

Использование высокоточных рекомендаций укрепляет взаимоотношения бренда с потребителями, и как следствие – поднимает продажи ритейлера, совершенствует эффективность конверсии и увеличивает выручку. Без разницы в какой отрасли – будь это продажи фильмов, музыки или рекламы. В свою очередь, более высокая точность и более убедительный подход делают узко-таргетированные предложения необходимыми не только для электронной коммерции, но также для банковских услуг, страхования, путешествий и даже в повседневном походе в магазин за продуктами.

Стив Джобс часто цитируется, и мы приведем здесь его цитату: «люди не знают, чего хотят, до тех пор, пока вы им не предложите это». В нашу цифровую эпоху индустрия глубокого обучения может сделать это обычным, автоматизированным опытом для каждого пользователя.

Компании и сервисы: RTB House
Автор: Анна

Подписаться на новости

Читайте также

30 декабря 2020 / Комментарии

Обсуждение с экспертами ноябрьских новостей в e-commerce

Каждый день в мире происходит что то новое и интересное, то, что волнует миллионы людей. Мир электронной коммерции не отстает. Самые значимые за прошедший месяц новости мы обсудим с нашими экспертами: Николай Хорт, основатель и СЕО сервиса быстрой курьерской доставки Take'N'Go; Валерия Саляхетдинова, пресс-служба Почты России; Денис Романовский, компания Roden Media;Оксана Любивая, основатель и генеральный директор ProStore by Lubivaya; Ольга Древаль, служба доставки Dalli, и другими. 

далее →

23 декабря 2020 / Комментарии

Эффективность email-рассылок в 2020 году: исследование Mindbox

Рассылки — один из самых часто используемых и результативных инструментов в маркетинге. Однако на эффективность рассылок влияет множество факторов: от частоты писем до особенностей индустрии. Компания Mindbox проанализировала более 100 тысяч email-рассылок от 260 российских компаний из разных отраслей и выяснила, какие факторы влияют на открытие, кликабельность и отписку.

далее →

22 декабря 2020 / Комментарии

Аналитики Price.ru представили календарь сезонного спроса на 2021 год

Уходящий год значительно поменял потребительские привычки и задал новые тренды для игроков розничного рынка. С учетом этих изменений команда Price.ru, онлайн-агрегатора цен и товаров, подготовила календарь сезонного спроса на 2021 год. Рассказываем, почему эта аналитика важна для ритейлеров и маркетплейсов.

далее →

17 декабря 2020 / Комментарии

Исследование российской аудитории интернет-магазинов

Яндекс.Маркет и компания GfK Rus провели ежегодное исследование аудитории интернет-магазинов. Вот основные наблюдения, касающиеся процесса покупки, оплаты и доставки товаров.

далее →

14 декабря 2020 / Комментарии

Исследование Criteo: 2020 год стал прорывным для онлайн-ритейла в России

Технологическая компания Criteo проанализировала изменение покупательского спроса в 2020 году и сформулировала тренды в российском e-commerce, появившиеся в результате пандемии.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook