Umělá inteligence (artificial intelligence − AI) umožňuje zařízením či systémům řešit různé úkoly bez toho, aby byl potřebný neustálý zásah uživatele (člověka). Své výstupy zdokonaluje díky schopnosti učit se z reálných zkušeností.
V ui42 jsme byli vždy tak trochu průkopníci. Jinak to není ani v případě umělé inteligence. Nedávno jsme na trh uvedli našeho chatbot-a, ale nedalo nám to, a rozhodli jsme se zjistit, zda dokáže umělá inteligence optimalizovat fungování i e-shopům ve slovenských podmínkách. A co je nejdůležitější, zvýšit požadované konverze.
Zajímá vás více?
Umělá inteligence versus strojové učení. Kde všude se s ním setkáváme?
Pokud jste si dosud mysleli, že se pod zkratkou AI skrývá dokonalý robot, který na sebe přebírá lidské vlastnosti, pravda je na míle vzdálená. Ačkoliv science fiction převzalo z tohoto oboru mnoho námětů na filmy a knihy, pravda je zatím mnohem prozaičtější. A pravděpodobně ještě dlouho zůstane.
Umělá inteligence, či spíše oblast této vědní disciplíny, nazývaná machine learning (strojové učení), zjednodušuje a zpříjemňuje náš život v mnoha oblastech už dnes. Právě strojové učení zaznamenalo v uplynulých letech rozvoj díky technice nazývané hluboké učení (deep learning). To se zakládá na neuronových sítích, ke kterým se přidaly další dva významné technologické faktory. Výkonnější počítače a rychlé grafické karty (graphical processor unit − GPU), které jsou cenově čím dál dostupnější i pro širokou veřejnost.
A výsledek?
Zkuste si něco vygooglit pomocí obrázku. Vyhledávač vám ve výsledcích nabídne nejen webové stránky, kde se konkrétní obrázek nachází, ale také ty, které obsahují obrázky podobné. Google však není jediný, kdo dokáže tuto část umělé inteligence úspěšně proměnit na vyšší konverze.
Amazon, YouTube i oblíbený Netflix zobrazují personalizovaný obsah díky strojovému učení
Velcí hráči rychle pochopili, jak dokáže umělá inteligence umocnit důležitost personalizovaného obsahu. Díky jejím výstupům dokáží zobrazit určitou úvodní stránku uživateli A a úplně jinou uživateli B. Samozřejmě takovou, aby co nejlépe odpovídala jeho vyhledávacím dotazům. Například v Alibabě zaznamenali, že personalizované stránky vykazují nárůst konverzní míry až o 20%. V Amazonu jde o více než třetinu tržeb a v případě Netflixu až o 75% všech zhlédnutí, za kterými stojí právě strojové učení. Jak to funguje?
Doporučovací systém, který funguje na základě reálných dat
S doporučovanými produkty, službami nebo obsahem se dnes setkáme na mnoha stránkách. Webové stránky se však často potýkají s jejich kvalitou, dostupností nebo cenou. Vytvořit si vlastní doporučovací systém, který by uživateli zobrazil pravděpodobné výstupy, které ho zajímají, řešili dosud jen velcí e-commerce hráči.
Zlom ale přichází právě s rozvojem strojového učení. Neuronové sítě dokážou zpracovat množství dat, která se na stránce generují. Výsledkem je doporučený obsah (zboží, služba, video, obrázek…) bez toho, aby byl uživatel přihlášený nebo o sobě zadával do systému jakékoli informace. Protože…
Nejsou data jako data. V případě strojového učení hraje kvantita největší roli
Aby vám doporučovací systém, sestavený pomocí neuronových vláken, doporučil knihu, kterou byste si pravděpodobně rádi přečetli, nepotřebuje vědět kdo jste. Dokonce ani jakou literaturu preferujete, jaké knihy jste si naposledy koupili a kdo je váš oblíbený autor. Přesto vám však doporučí relevantní produkt, který vás zaujme.
Data tedy hrají důležitou roli i v případě nasazení umělé inteligence. Jsou však anonymní a to nejdůležitější je jejich množství. Díky němu dokáže systém předpovídat chování návštěvníka webu nezávisle na jeho registraci nebo typu údajů, které v nějakém formuláři poskytl. Pro představu – mluvíme o řádově milionech uživatelských interakcí.
Slovenské e-shopy a umělá inteligence. Dokážeme proměnit její potenciál na vyšší obraty?
Dosud se mnohé e-commerce projekty spoléhaly na limity doporučovacích nástrojů, které byly naprogramovány podle určitých pravidel. Ty však často narážely na momenty, kdy se může jedna věc označit více různými pojmenováními.
Jen si představte, kolik různých odstínů modré znáte. Zjišťovat a následně přidělit příznak tričku, které by mohlo být tmavomodré, inkoustové, ultramarinové, kobaltové, akvamarínové nebo jednoduše modré, by bylo zřejmě na dlouhé lokte. Čím více možností vzniká, tím je menší pravděpodobnost, že doporučovací nástroj zobrazí uživateli relevantní produkty.
Řešením je doporučovací nástroj, který díky informacím o uživatelském chování a dalším relevantním informacím, například o produktech (cena, sleva, kategorie a pod), dokáže sestavit uživateli nabídku, o kterou má pravděpodobný zájem.
Nuže, pokud vás zajímalo, co se mezi zdmi office-ů ui42 momentálně skloňuje nejčastěji, právě jsme něco málo naznačili. Dali jsme si za cíl (takový skromný:) ) uvést nástroje umělé inteligence do praxe pro e-shopy v našich zeměpisných šířkách. O tom, jak to celé dopadne, a zda strojové učení dokáže zvýšit konverze (prodej, vyplnění formuláře, interakci s obsahem) i ve vašem e-shopu, budeme brzy informovat.
Nezmeškejte už žádné novinky z online světa
a sledujte nás na Facebooku
Více se o umělé inteligenci můžete dočíst i na E-commerce Bridge.
