NLP (обработка естественного языка), компьютерное зрение, модерация и безопасность, персонализация — эти технологии уже в скором будущем могут стать для онлайн-проектов неоспоримым конкурентным преимуществом.
Боты-продавцы, роботизированные онлайн-чаты, автоматизированная логистика — все это происходит прямо сейчас благодаря развитию технологий. Amazon создал первый супермаркет без касс и зарегистрировал патент на доставку товаров беспилотниками с помощью парашютов. ClarifAI и Google — определяют и описывают содержимое картинок. Украинские Ekol Logistics использует нейросети для логистики перевозок грузов, а маркетплейс Lalafo — для создания автоматического описания товаров. Нейронные сети способны распознавать и описывать изображение на фото, производить обработку естественного языка (NLP), переводить текст и распознавать речь. Эти технологии уже в скором будущем могут стать для онлайн проектов неоспоримым конкурентным преимуществом.
Наибольшую роль в процессе трансформации электронной торговли играют 4 направления: NLP (обработка естественного языка), компьютерное зрение, модерация и безопасность, персонализация. Рассмотрим каждый детальнее.
Возможности NLP наглядно продемонстрировал нью-йоркский стартап Pluribo еще в 2008 году. Команда проекта создала расширение для Firefox, которое анализирует отзывы пользователей о продукте и автоматически генерирует краткое резюме из двух предложений. Технология применялась Amazon, избавляя пользователей от необходимости перечитывать огромное количество комментариев. В 2009-м из-за финансового кризиса проект был закрыт, но его технология еще сыграет роль в развитии e-commerce.
В будущем NLP сможет совершать поиск товаров по голосовой команде и задавать покупателю уточняющие вопросы: важна ли для вас высота подвески автомобиля, какие предметы вы чаще всего снимаете на камеру и пр. Вполне вероятно, что искусственный интеллект сможет различать эмоции покупателей: волнение, нерешительность и пр. и предлагать товары с учетом этих факторов.
Google, Facebook, Pinterest используют нейронные сети для работы с изображениями. Так, благодаря технологии распознавания лиц, Facebook предлагает отметить себя и знакомых на фото, а у Google существует функция «поиск похожих изображений».
Проблема в том, что большинство существующих сервисов заточены под распознавание предметов окружающего мира: облака, дома, растения. В e-commerce есть необходимость смотреть на фотографию глазами продавца и описывать товар характеристиками, которые важны покупателю. Для этой цели существует множество пакетных решений, которые позволяют онлайн-магазинам сортировать товары по фото, но большинство из них находятся на стадии разработки.
Некоторые проекты обучают нейросети самостоятельно. Так, украинский сервис для купли и продажи б/у вещей Lalafo обучил нейросети описывать товар на фото, добавлять категорию вместо продавца и рекомендовать цену основываясь на данных похожих товаров.
Представьте себе как компьютерное зрение изменит онлайн-торговлю: покупателю достаточно будет загрузить в приложение магазина фотографию со своего смартфона, чтобы найти похожий товар или целую серию товаров.
Персонализация и простота использования сегодня вышли на первый план. NLP, глубокое обучение, распознавание образов направлены на то, чтобы более разумно использовать данные о покупателе. Если раньше онлайн магазину можно было установить простой алгоритм для рекомендации товаров, то сегодня, с ростом мобильного трафика, эта задача усложнилась. В мобильном приложении пользователь редко ищет товар по категориям, он просто листает ленту. В среднем это длится 10,5 минут. Пока это происходит, необходимо угадать его предпочтения и показать то, что его заинтересует. Кроме того, в мобильном приложении половина продаж происходит через рекомендованные товары, а не через категории или фильтры.
Технологии нейросетей, способны сделать рекомендации товаров максимально релевантными интересам пользователя. Сеть сможет проанализировать историю пользователя, определить его вкусы и предлагать товары исходя из этого.
Представьте, пользователь заходит в приложение, начинает листать ленту на своем смартфоне. Его заинтересовал термос, и он хочет получить о нем больше информации. Вместе с термосом нейросеть покажет ему чайник. Если покупатель заинтересовался и ткнул в изображение чайника, то нейросеть может предположить, что покупатель — девушка. Исходя из этого знания, сеть покажет в ленте туфли, так как на туфли реагирует 90% девушек. Со временем нейросеть начинает различать типы девушек: домашняя, спортивная, активная и т. д. и предлагать товары, учитывая индивидуальные особенности каждого пользователя.
Торговым онлайн-площадкам необходимо анализировать огромные массивы информации, обычно к этому процессу подключаются сотни модераторов. Нейросеть позволяет автоматизировать процесс проверки контента и сократить количество вовлеченных людей до единицы. Кроме того, использование нейросетей позволяет улучшить качество модерации. Людям свойственно ошибаться, а машины ошибаются гораздо реже. Анализируя профили пользователей и выявляя закономерности, нейросети могут также выявлять мошенников. Оценку и фильтрацию пользовательского контента с помощью нейросетей практикуют Disqus, Pinterest, Google Photos и другие.
Многие из рассмотренных решений сегодня находятся на стадии разработки, но уже в ближайшем будущем каждое из них может стать неоспоримым конкурентным преимуществом для e-commerce бизнеса.
Источник: delo.ua
