Как вы себя почувствуете, если узнаете, что Facebook настолько хорошо вас знает, что может точно предсказать, когда изменится ваше семейное положение? Жутковато, не правда ли?

Основываясь на огромных массивах данных, собранных в 2010-2013 годах, соцсеть создала модель поведения своих пользователей. Согласно этой модели, активность общения между двумя пользователями Facebook на протяжении 100 дней неуклонно наращивается и достигает пика приблизительно за 12 дней до того, как пользователи официально заявят об отношениях в своих профилях Facebook и изменят соответствующий статус. После этого активность общения в соцсети идет на спад, хотя тональность его становится более личной или даже интимной.

В этом случае Facebook является примером использования «больших данных» (big data), машинного обучения и глубоких нейронных сетей. Это также является свидетельством того, что онлайн-торговля находится на грани большого сдвига, обусловленного возможностями «больших данных» и интеллектуальных технологий.

Это сдвиг в сторону более эффективного, персонализированного, даже автоматизированного сопровождения клиентов в процессе маркетинга и осуществления покупки. Развивающиеся инструменты персонализации имеют целью имитировать деятельность разума, используя обучающиеся алгоритмы (глубокое обучение) и нейронные сети. Например, Netflix уже движется в этом направлении. Как известно, Google, Facebook, Amazon, Yahoo и другие компании также проявляют заинтересованность в новых технологиях, покупая стартапы и нанимая ключевых специалистов.

Нейронные сети и глубокое обучение

Взяв за образец построение центральной нервной системы, искусственные нейронные сети (ИНС) представляют собой вычислительные модели, обладающие элементами машинного обучения и распознавания образов. Со своей стороны, нейронные сети глубокого обучения обладают большим количеством уровней абстракции, чем ИНС, они способны тренировать (обучать) нейронные сети, которые впоследствии смогут делать невероятные вещи, например, распознавать образы, обрабатывать естественную речь, осуществлять перевод и автоматическое распознавание речи.

Каким может быть практическое использование этих технологий в электронной коммерции?

Обработка естественной речи

Еще в 2008 году компания Get Elastic создала Pluribo — расширение для Firefox с возможностями обработки естественного языка и анализа настроения. Одним из вариантов применения новинки была фильтрация предложений на Amazon и выдача их по рейтингу, соответствующему соотношению положительных и отрицательных отзывов. К сожалению, Pluribo пал жертвой финансового кризиса 2009 года, не найдя венчурного финансирования для своего дальнейшего развития.

Тем не менее, эта концепция обладает достаточным потенциалом для управляемой продажи, сама по себе или в сочетании с другими технологиями глубокого обучения.

Кадр из фильма «Она». Теодор Туомбли общается с искусственным интеллектом.

Система электронной коммерции с искусственным интеллектом, подобная показанной в недавно вышедшем фильме «Она», может принять и обработать голосовой запрос: «Я нуждаюсь в полнокадровой фотокамере с длительным временем автономной работы и совместимостью с OS X». Система не только выдаст персонализированные результаты заказа для его реализации, но также может уточнить некоторые параметры, о которых, возможно, клиент и не думал. Например, спросить, «для какого типа съемки, в основном, предназначена камера — портретной, макросъемки или пейзажной?». Или «насколько важным для вас является размер и вес камеры?».

И подобная ситуация не за горами, поскольку компьютеры также учатся распознавать эмоциональные сигналы, в том числе волнение, нерешительность или разочарование по голосу или выражению лица.

На краудфандинговом сайте Indiegogo сейчас запущена кампания, целью которой является создание первой эмоционально-интеллектуальной домашней консоли, которая сможет воспринимать речь, распознавать настроение по разговору пользователя и сможет реагировать на эти эмоции. Во время диалога «эмоционально-интеллектуального» приложения электронной коммерции с клиентом, оно сможет использовать свою базу поведенческих шаблонов и настроений для того, чтобы предложить наиболее подходящие клиенту альтернативы, помочь ему принять уверенное решение о покупке.

Распознавание изображений

Компания Google работает над тем, чтобы наделить компьютеры способностью видеть. В компании уже создали инструмент, который может распознавать человеческие лица, части тела и … кошек — наиболее распространенные объекты кадров в YouTube и Google Hangouts.

Возможность поиска похожих товаров и продуктов на основании изображений, сделанных при помощи Google Glass, картинок из интернета — новое слово в поиске нужных продуктов в онлайн-магазинах. Кроме того, «умные» очки Google Glass могут предоставлять информацию о предмете (продукте), на котором «остановился взгляд» пользователя, предлагая аудио или контекстное описание того, что находится перед ним.

Кадр из фильма «Терминатор-2: Судный день». Киборг разыскивает Джона Коннора по фотографии.

Сервис Pinterest, в котором важнейшую роль играют визуальные средства информации, недавно приобрел технологию, позволяющую упростить поиск фотографий. Вместо того, чтобы опираться на теги и ключевые слова, которыми снабжает изображение его автор, визуальный поиск будет определять сходство (родство) изображения со словом, которым его можно охарактеризовать, или с другими изображениями (например, аналогичные публикации, которые уже были «приколоты» на стену пользователя).

Вот какими могут быть последствия этой технологии для магазинов электронной коммерции. Через API Pinterest приложение электронной коммерции с функцией визуального поиска может изучить доску или коллекцию досок, профиль и вкусы клиента, его предпочтения и намерения. Благодаря полученной в результате анализа информации, магазин сможет лучше знать потребности своего клиента, подходить к предложению товаров индивидуально. Клиент может также загрузить в приложение магазина фотографию чего-либо (со смартфона, Google Glass или из интернета) и магазин выдаст результаты поиска в каталоге его товаров, которые будут соответствовать этому изображению.

Маркетологи онлайн-магазинов, использующие в своей работе Pinterest, могли бы автоматизировать этот процесс и получить гораздо лучший результат, чем при обычном поиске по ключевым словам.

Упреждающие покупки: машина принимает решение о покупке за вас

Популярное приложение с функцией аудиораспознавания Shazam теперь имеет режим «всегда включено» (always-on), благодаря которому оно «прислушивается» к пожеланиям хозяина весь день — помечает тегами песни, которых нет в библиотеке, и ищет их аналоги в интернете или музыкальных сервисах, чтобы сделать доступными для прослушивания.

Если представить себе объединение возможностей Shazam с функцией машинного обучения, то в скором будущем мобильные устройства смогли бы разумно отфильтровывать и тегировать все то, что может быть интересно их владельцам на основе уже существующей библиотеки. А дальше, с использованием нейронных сетей и глубокого обучения, смогли бы решить, какую следующую песню стоит добавить в библиотеку пользователя, и даже сделать покупку от его имени.

Звучит невероятно? Тем не менее, Amazon недавно подала заявку на патент, описывающий технологию «упреждающей поставки», которая позволяет доставить товар на один из близлежащих к потенциальному покупателю складов еще до того, как покупателю пришла в голову мысль заказать этот товар. Огромная база данных историй заказов на Amazon, функции современного поиска, списки пожеланий и потоковые данные могут в один прекрасный день быть использованы таким образом.

Сегодня это всего лишь патент. Кроме того, трудно даже представить все те возможные отрицательные моменты и нестыковки, которые могут возникнуть в результате принятия решений от имени клиентов. Да и вряд ли когда-либо забота о приобретении продуктов питания, всякой всячины и подарков любимым будет передана машине, пусть даже эффективной и «разумной».

Глубокое обучение, обработка естественной речи, распознавание изображений и персонализированные рекомендации по покупкам — все это призвано сделать процесс продажи-покупки «умнее», благодаря использованию «больших данных» и пользовательского контента. Все эти технологии пока находятся в стадии разработки, но это только вопрос времени — в обозримом будущем онлайн-коммерция реализует их потенциал в своих целях.

Источник: Get Elastic | Титульное изображение: NesaCera