Всеки ден милиони хора пазаруват на базата на предварително проучване – било то различни продукти, ресторанти, филми и какво ли още не. Според доклада Global Trust in Advertising на Nielsen най-често сравняваме цени и услуги онлайн, но 83% от респондентите посочват, че се влияят напълно или в най-голяма степен от мнението и препоръките на близки и приятели.
Ами ако компютърът може да ви опознае дори по-добре от най-близките ви същества?
Ерата на дигиталните технологии направи онлайн пазаруването много по-достъпно, но и много по-сложно – възможността да избираме между милиони предложения затруднява взимането на решение.
Затова онлайн системите за препоръки в последните години промениха завинаги начина, по който браузваме и взимаме решения онлайн. Тяхното „познаване“ на нашата шопинг идивидуалност се натрупва на базата на нещата, които сме поръчвали или преглеждали в миналото, плюс това, което потребители със сходни профили са гледали или закупили. Те забелязват нещата, от които се интересуваме, и ни дават ултра прецизни предложения.
Звучи просто, но технологията и точните прогнози изискват обработката на огромен обем данни. Затова една от най-иновативните технологии в областта е „дълбокото учене“ - проява на изкуствения интелект, която имитира човешкия мозък в процесите на обработка на данни и създавене на модел за взимане на решения.
Изкуственият интелект отгатва нашите желания
Със сигурност това ви е познато. Поръчали сме си нещо от Amazon след преглед на секцията "Frequently Bought Together", или добавяме нови хора в Linkedin, след като сме ги видели в “People you may know.” Дори гледането на филми по Netflix е базирано на препоръки, направени от изкуствен интелект. И машините стават по-умни с всеки изминал ден! Докато YouTube предлага видеа на базата на това, което гледаме в конкретния момент, Spotify директно предсказва следващата песен, която искаме да чуем.
Дълбокото учене персонализира потребителския опит и усвоява човешките навици. Затова вече се използва от всички видове дигитални бизнеси, точно колкото се използва и рекламата. Данните на RTB House показват, че самообучаващите се алгоритми спомагат за правенето на невероятно точни препоръки и по този начин рекламата става до 50% по-ефективна. Но как става това на практика ?
Как дълбокото учене работи за отгатване на нашите желания
Да вземем за пример купуването на нова рокля. Когато купувачът кликне някъде в рамките на даден уебсайт, механизмът за препоръки улавя всяко парченце информация. Проверява цвета на роклята, детайлите върху които сме се фокусирали, ценовия диапазон, размера и много други подробности. След това машината прави колкото се може повече връзки между компонентите. Чрез измерването и анализа им в реално време (хиляди операции за милисекунда), системата може да разбере историята, вкуса, интересите и дори настроението на купувача. Чак след това прави прогнозата си за продуктите и то - без каквато и да е човешка намеса!
Ако преди няколко години логиката е била „покажи бижута само на тези, които са гледали рокли в нашия сайт, защото вероятно те са жени“, сега алгоритмите преценяват възможностите на всеки отделен купувач – той може да е мъж, който търси подарък за любимата си, но би купил и играчка за децата, семейна екскурзия или парфюм или пък часовник за себе си!
„Дълбокото учене“ симулира начина ни на мислене и предлага супер логични, сигурни решения без натрупване на стрес, умора, колебания и емоции. Машината се подчинява на общите правила на рекламата, но по-важното е, че учи и пише нови правила за всеки потребител с инициативност и производителност непосилна за човека.
Житейският опит на изкуствения интелект
Според Janrain & Harris Interactive, 74% от онлайн потребителите се дразнят от съдържание, което не отговаря на техните нужди и интереси. Нещо повече - консултантската фирма Infosys, работеща в сферата на информационните техологии, твърди, че за 86% от потребителите, пресонализизацията игре ключова роля при взимане на решения за покупка.
Използването на ултра-прецизни системи за препоръки укрепва връзката между бранда и потребителите и ускорява продажбите на дребно. Точността и ефикасността на дълбоко таргетираните машини за препоръки са задължителни не само за електронната търговия, но и банковото дело, застраховането, туризма и дори в ежедневното ни пазаруване на хранителни стоки.
Чест цитат от Стийв Джобс е, че „хората не знаят какво искат, докато не им го покажеш”. Системите на дълбокото учене могат да направят този процес съвсем обичаен и естествен за всеки в новата дигитална ера.
Автор: Каталин Емилиан, регионален директор за България и Румъния на RTB House - технологична компания, която предлага модернистични ретаргетинг технологии за най-големите търговски марки в над 1000 кампании на 40 световни пазара.
Коментари