Узнайте, как Amazon использует ИИ для глубокого обучения для достижения отличных результатов

ИИ радикально влияет на электронную коммерцию. Сегодня это обязательный атрибут бизнеса.

Научно-исследовательские центры, такие как Gartner, говорят, что до 80 процентов взаимодействия с клиентами сегодня управляются искусственным интеллектом.

В 2020 году Statista заявила, что ИИ обрабатывал 54 процента ежедневных взаимодействий клиентов с их любимыми организации или магазины.

Эти функции с поддержкой ИИ включают биометрические сканеры, чат-боты, цифровые помощники, сканеры распознавания лиц и т. д.

Это поможет вам прогнозировать предпочтения клиентов, зацеплять их, превращать посетителей в клиентов и делать их покупки более доступными.

Компания Servion Global Solutions [прогнозировала] (https://servion.com/blog/what-emerging-technologies-future-customer-experience/) еще в 2017 году, что ИИ обеспечит 95% взаимодействий с клиентами к 2025 году.

Поскольку случилась пандемия COVID-19, эта цифра более достоверна. А вот Amazon наилучшим образом использует эту технологию.

Как Amazon использует ИИ для глубокого обучения

Amazon стремится обеспечить качественный шоппинг, и в этом ему помогает искусственный интеллект.

Amazon использует технологию искусственного интеллекта во многих отношениях, от голосового помощника Alexa до поиска изображений и рекомендательных систем. Компания также использует ИИ в своих центрах выполнения заказов для обнаружения мошенничества, маркировки продуктов, A/B-тестов и ценообразования.

Amazon рассматривает свой розничный бизнес как средство создания ценности для клиентов. Т

Фирма видит, что, используя науку о данных и методы машинного обучения, она может предоставлять более качественные продукты по более низким ценам, сохраняя при этом неизменно высокие стандарты обслуживания клиентов.

Компания расширяет использование ИИ для глубокого обучения с помощью следующих средств:

1. Распознавание речи, синтез текста в речь и обработка естественного языка (NLP).

Все это используется для расширения возможностей Alexa и связанных с ним устройств.

Alexa, голосовой помощник на базе искусственного интеллекта от Amazon, стал неотъемлемой частью стратегии компании по доминированию на рынке электронной коммерции и умного дома.

Alexa играет решающую роль во многих устройствах, которые продает Amazon, и служит платформой для сторонних разработчиков.

Распознавание речи — это один из способов, которым Alexa может понимать разговорную речь и отвечать на вопросы. Синтез текста в речь — это еще один способ преобразования текста в речь.

Третий способ — это обработка естественного языка (NLP), которая позволяет ему понимать естественный язык и отвечать на вопросы, которые вы можете задать в голове (например, «Что сегодня происходит с моим календарем?» или «Какое сегодня число?»). ).

Для достижения этих возможностей Amazon использует технологии искусственного интеллекта (ИИ) и глубокого обучения, которые разрабатываются в ее исследовании Lab126 в Купертино, Калифорния. Это позволяет клиентам легко использовать свой голос, чтобы делать такие вещи, как составление списка продуктов.

Используя приложение Alexa, покупатель может сказать: «Алекса, добавь сковороду в мой список покупок» или «Алекса, посмотри мой список покупок».

Вы также можете отследить местонахождение своего заказа, сказав: «Алекса, где мои вещи?» и многое другое, как показано здесь. Клиенты хотят легкости; вот легкость. Если вы не можете предложить это как электронную коммерцию или розничный бизнес.

1. Искусственный интеллект с глубоким обучением помогает системам рекомендаций Amazon работать лучше.

Чтобы рекомендовать клиентам правильные продукты и увеличить продажи, Amazon достигает большей точности за счет анализа поведения клиентов.

Это приводит к более релевантным рекомендациям по продукту, что приводит к более высокому коэффициенту конверсии, более низкой отдаче и меньшим затратам на маркетинговые кампании.

Он также использует алгоритмы глубокого обучения для:

• Категоризация товаров: распределение товаров по таким категориям, как «книги», «электроника» или «товары для дома». Вы же не ожидали, что люди будут классифицировать все продукты вручную, не так ли?

На Amazon миллионы товаров. На это уйдут и время, и энергия, и куча денег.

• Отзывы пользователей: они используются в качестве обучающих данных для алгоритмов машинного обучения, таких как сети глубокого убеждения, которые могут учиться на миллионах примеров с высокой точностью с течением времени. Вы узнаете больше об этом позже в статье.

• Поиск продуктов: помогите клиентам найти то, что они хотят, как можно быстрее, выполняя поиск среди миллионов продуктов одновременно, вместо того, чтобы прокручивать страницы на каждой странице по отдельности (или вводить ключевые слова в поле поиска).

Это делается путем предоставления пользователям предложений на основе их предыдущих поисков и переменных, таких как местоположение или прошлые покупки.

Таким образом, у клиентов не будет слишком много вариантов, чтобы перегрузить их при поиске товаров в Интернете.

Акцент делается на «предоставлении пользователям предложений на основе их предыдущих поисков и переменных, таких как местоположение или прошлые покупки».

Вам нужно будет инвестировать в ИИ для глубокого обучения, чтобы максимизировать результаты для вашего бизнеса.

• Генерация описания продукта: Amazon автоматически генерирует описания, чтобы клиенты могли получить больше информации о любом товаре перед его покупкой, чтобы снизить затраты и увеличить доход.

Эти описания, можно подумать, их написали люди. Нет, не все из них.

• Персональные рекомендации: Amazon также использует персонализированные предложения, основанные на пользовательских предпочтениях/исторических данных, собранных во время прошлых покупок.

Он также учитывает демографические факторы, такие как возраст, вкусы других людей, схожие интересы и т. д.

Другими словами, Amazon не полагается только на историю клиентов при предоставлении рекомендаций. С помощью ИИ покупателю предоставляются предпочтения людей того же возраста, местоположения и аналогичного опыта.

Таким образом, когда покупатели не знают, чего именно они хотят, Amazon говорит: «Эй, люди вашего возраста/местонахождения и т. д., купите эти товары, хотите их проверить?»*

Главный урок здесь заключается в том, что покупатели не видят все, что у вас есть в продаже, на своих целевых страницах; они видят то, что было настроено так, чтобы им нравилось.

Если вы хотите поэкспериментировать, попросите кого-нибудь в Великобритании или Техасе войти на их веб-сайт Amazon. Это два разных человека с разными интересами — на этих страницах они найдут разные предложения.

Интересно, как я узнал? Вы найдете это здесь.

1. Машинное и глубокое обучение помогают Amazon сократить сроки доставки.

Это не должно вызывать удивления, учитывая, что бренды электромобилей также используют его.

Однако уникальность этой третьей области заключается в том, что она значительно влияет на бизнес Amazon, помогая определить наилучший маршрут для агентов доставки.

До использования машинного обучения и глубокого обучения машины доставки Amazon перемещались между остановками случайным образом. Теперь, как и Amazon, предприятия могут использовать __эти алгоритмы__для расчета наиболее эффективного способа перемещения каждого водителя в пробках. Amazon также использует эти алгоритмы, чтобы предсказать, какие заказы, скорее всего, опоздают, исходя из погодных условий и других моделей трафика в течение дня.

Для дальнейшего повышения эффективности ИИ может сообщать водителям, где им следует припарковаться, чтобы они могли быстрее забирать посылки. Эта функция __ [сокращает время ожидания] (https://www.npr.org/2018/11/21/660168325/optimized-prime-how-ai-and-anticipation-power-amazons-1-hour-deliveries) __на 20 процентов с момента его введения.

1. Amazon использует глубокое обучение для обнаружения мошенничества.

Это тоже не должно удивлять. Его используют крупные банки, финтех-компании и многие другие учреждения. Но Amazon знает, что чем больше у вас данных, тем лучше ваш ИИ выявляет мошеннические транзакции и другие вредоносные действия.

Amazon использует глубокое обучение для всех этих целей:

• Обнаружение мошеннических операций.

• Обнаружение мошеннических отзывов (как покупателей, так и продавцов).

• Обнаружение мошеннических покупателей или продавцов (когда кто-то имеет несколько учетных записей или взламывает другую учетную запись).

• Обнаружение мошеннических регистраций и возвратов учетных записей.

• Обнаружение использования кредитной карты (это делается с помощью стороннего сервиса под названием машинное обучение)

Вся эта работа приводит к меньшему количеству сбоев в бизнес-операциях Amazon, обеспечивая при этом максимально возможный уровень обслуживания клиентов.

1. Искусственный интеллект с глубоким обучением используется для маркировки продуктов на фотографиях и повышения качества обслуживания клиентов.

Amazon улучшает качество обслуживания клиентов, упрощая им поиск того, что им нужно.

Например, если вы хотите солнцезащитные очки Gucci, но не знаете, как они выглядят, вам пришлось бы просматривать тысячи фотографий, прежде чем найти ту, которая соответствует вашим критериям.

С помощью системы тегов Amazon вы можете загрузить фотографию того, что вы хотите, и использовать ИИ для определения продуктов, которые лучше всего соответствуют тому, что вы ищете. Amazon смогла сделать это с помощью Amazon Rekognition.

1. Алгоритмы глубокого обучения используются в Amazon Robotics, AWS и центрах выполнения заказов.

Помимо подразделения облачных вычислений компании AWS, которое использует глубокое обучение для улучшения решений для хранения данных и прогнозирования поведения клиентов, другие подразделения Amazon используют алгоритмы глубокого обучения.

Например, Amazon Robotics — это подразделение компании, занимающееся разработкой роботов для использования в электронной коммерции центры выполнения заказов. Эти роботы автоматически перемещают продукты по складу и используют технологии компьютерного зрения для обнаружения конкретных предметов, необходимых людям, работающим рядом с их рабочими станциями.

Подразделение Fulfillment Center (FC) использует машинное обучение для части своего процесса прогнозирования. То есть они прогнозируют спрос, чтобы более эффективно выполнять заказы. Как?

Алгоритмы глубокого обучения помогают быстро и эффективно находить товары внутри FC в часы пик, например, во время рождественских распродаж или распродаж на выходных в Черную пятницу. Это помогает не отставать от покупательского спроса в те особые моменты, когда клиенты хотят то, что они заказали, быстрее, чем обычно.

Если вы являетесь покупателем и знаете, что в вашем магазине проводятся дешевые распродажи, такие как выходные в Черную пятницу, вам будет удобно ждать заказ больше недели? Это бесплатно, да, но вы выиграли. Как бы вы себя чувствовали? Вы могли бы подумать, что у них так много клиентов, что они не могут идти в ногу со своими услугами.

1. Прогнозирование цен на товары с помощью нейронных сетей

«У клиентов всегда есть выбор»

Amazon использует глубокое обучение для прогнозирования цен на продукты на своем рынке. Модель под названием Deep Price Predictor использует архитектуру MLP (многослойный перцептрон) с одним скрытым слоем.

Он обучен с использованием таких методов оптимизации, как стохастический градиентный спуск и Адам, чтобы найти лучшие параметры модели, чтобы ее можно было использовать в производстве.

Если вы не понимаете этих терминов, ничего страшного. Вы бы наняли эксперта, чтобы он помог вам улучшить ваш сайт электронной коммерции.

Благодаря моделям, которые внедрила Amazon, те модели, которые вы не понимаете, она добилась отличных результатов в:

• Лучшие цены для клиентов: Deep Price Predictor гарантирует, что цены будут более точными, учитывая такие факторы, как налог с продаж и стоимость доставки при их определении. Это гарантирует, что клиенты не будут платить слишком много или слишком мало за товар в зависимости от их местоположения или того, что они покупают.

• Более высокая удовлетворенность клиентов: благодаря точной информации о ценах, предоставляемой Deep Price Predictor, клиенты довольны, потому что они точно знают, сколько они заплатят, прежде чем вообще что-либо купить; это означает отсутствие сюрпризов или дополнительных сборов!

И вы знаете, как это работает в деловом мире. Предположим, что вы клиент и проверяете только для того, чтобы увидеть сумасшедшую комиссию-сюрприз; как бы вы себя чувствовали?

Многие люди отказались бы от тележки. Ваш бизнес внесет свой вклад в статистику тех, чьи корзины были брошены. В 2021 году было 69,57% брошенных корзин. Это не сделает вас счастливыми и не сделает клиентов счастливыми.

1. Использование A/B-тестов

Это один из увлекательных экспериментов, которым некоторые компании электронной коммерции не уделяют должного внимания. Amazon использует A/B-тестирование для оптимизации своих продуктов. Этот метод экспериментов используется для сравнения двух версий продукта, чтобы определить, какой эксперимент работает лучше.

Например, Amazon может захотеть узнать, имеет ли более высокий коэффициент конверсии отображение списка сопутствующих товаров в правой части их домашней страницы или внизу. С помощью A/B-тестирования они могут определить, насколько один вариант эффективнее другого.

Вы также можете использовать A/B-тесты для оптимизации клиентского опыта.

Например, если Amazon хочет, чтобы клиенты, которые только что разместили заказ, увидели изображение своей посылки, как только она будет отправлена, чтобы сообщить им, что придет, Amazon отправит два электронных письма.

Одно электронное письмо будет без информации об отслеживании, а другое будет содержать фактическую информацию об отслеживании, отправленную разным группам покупателей. Эти группы будут получать электронные письма в разное время.

Результаты этих тестов позволяют инженерам Amazon и другим заинтересованным сторонам, участвующим в проектах по разработке продуктов, решить, как наилучшим образом удовлетворить потребности своих клиентов.

Они могут улучшать существующие кодовые базы или создавать новые на основе результатов различных экспериментов. Без этих экспериментов Amazon не смогла бы так долго вести электронную коммерцию.

Вывод

Amazon добилась отличных результатов с помощью ИИ, но также совершенствует исследования для достижения оптимальной производительности.

Все это лишь примеры того, как Amazon использует глубокое обучение и другие виды искусственного интеллекта в реальном мире.

И хотя вы, возможно, не слышали обо всех этих проектах раньше, они являются примерами того, как компании используют эти технологии, и почему они продолжат это делать в ближайшие годы.

Софтверные компании и бренды предлагают эти услуги предприятиям. Все, что вам нужно сделать, это найти их и максимально использовать потенциал вашего бизнеса.