- Регистрация
- 29.04.20
- Сообщения
- 231
- Онлайн
- 8д 16ч 49м
- Сделки
- 1
- Нарушения
- 0 / 0
Онлайн шоппинг
Поиск
Ваши поисковые запросы Amazon («гладильная доска», «подставка для пиццы», «зарядное устройство для Android» и т. д.) быстро возвращают список наиболее релевантных продуктов, связанных с вашим поиском. Amazon не раскрывает, как именно это происходит, но в описании своей технологии поиска продуктов Amazon отмечает, что ее алгоритмы «автоматически учатся объединять различные функции релевантности. Структурированные данные каталога предоставляют множество таких актуальных функций, и они извлекают уроки из прошлых шаблонов поиска и адаптируют к тому, что важно клиентов.
Рекомендации
Вы видите рекомендации для продуктов, которые вас интересуют как «клиенты, которые просмотрели этот товар, также смотрели» и «клиенты, которые купили этот товар, также купили», а также через персональные рекомендации на главной странице, в нижней части страницы товара и по электронной почте, Amazon использует искусственные нейронные сети для генерации этих рекомендаций по продукту.
Хотя Amazon не раскрывает, какая часть ее продаж приходится с рекомендаций, исследование показало, что рекомендации увеличивают объем продаж (в этом связанном исследовании, на 5,9%, но в других исследованиях рекомендации показали увеличения объема продаж до30%) и что рекомендации продукта имеют тот же вес продаж, что и увеличение среднего рейтинга на две звезды (по пятибалльной шкале).
Защита от мошенничества
Машинное обучение используется для предотвращения мошенничества в онлайн-транзакциях по кредитным картам. Мошенничество является основной причиной того, что обработка онлайн-платежей обходится продавцам дороже, чем личные транзакции. Square взимает 2,75% за транзакции с использованием карт, по сравнению с 3,5% + 15 центов за транзакции с отсутствием карт. ИИ используется не только для предотвращения мошеннических транзакций, но и для минимизации количества законных транзакций, отклоненных из-за ложной идентификации как мошеннических.
В пресс - релизе своей технологии ИИ, MasterCard отметил, что в 13 раз больше доходов теряются ложными данными, чем к мошенничеству. Используя ИИ, который может узнать ваши покупательские привычки, процесс обработки кредитных карт сводят к минимуму вероятность ложного отклонения вашей карты, в то же время максимизируя вероятность предотвращения мошеннических действий с ее стороны.
Взгляд в будущее
Ключом к онлайн-покупкам была персонализация. Интернет-магазины увеличивают доход, помогая вам находить и покупать интересующие вас продукты. Мы скоро увидим, что розничные продавцы сделали еще один шаг вперед и разработают новые средства полагаясь на весь ваш опыт индивидуально для вас. Google уже делает это с поиском, даже с пользователями, которые вышли из системы, так что это вполне реально для ритейлеров. Такие стартапы, как LiftIgniter, предлагают «персонализацию как услугу» для онлайн-бизнеса. Другие, такие как Optimizely, позволяют компаниям запускать обширные «A / B-тесты», где компании могут одновременно запускать несколько версий своих сайтов, чтобы определить, какие результаты будут наиболее заинтересованными пользователями.
Поиск
Ваши поисковые запросы Amazon («гладильная доска», «подставка для пиццы», «зарядное устройство для Android» и т. д.) быстро возвращают список наиболее релевантных продуктов, связанных с вашим поиском. Amazon не раскрывает, как именно это происходит, но в описании своей технологии поиска продуктов Amazon отмечает, что ее алгоритмы «автоматически учатся объединять различные функции релевантности. Структурированные данные каталога предоставляют множество таких актуальных функций, и они извлекают уроки из прошлых шаблонов поиска и адаптируют к тому, что важно клиентов.
Рекомендации
Вы видите рекомендации для продуктов, которые вас интересуют как «клиенты, которые просмотрели этот товар, также смотрели» и «клиенты, которые купили этот товар, также купили», а также через персональные рекомендации на главной странице, в нижней части страницы товара и по электронной почте, Amazon использует искусственные нейронные сети для генерации этих рекомендаций по продукту.
Хотя Amazon не раскрывает, какая часть ее продаж приходится с рекомендаций, исследование показало, что рекомендации увеличивают объем продаж (в этом связанном исследовании, на 5,9%, но в других исследованиях рекомендации показали увеличения объема продаж до30%) и что рекомендации продукта имеют тот же вес продаж, что и увеличение среднего рейтинга на две звезды (по пятибалльной шкале).
Защита от мошенничества
Машинное обучение используется для предотвращения мошенничества в онлайн-транзакциях по кредитным картам. Мошенничество является основной причиной того, что обработка онлайн-платежей обходится продавцам дороже, чем личные транзакции. Square взимает 2,75% за транзакции с использованием карт, по сравнению с 3,5% + 15 центов за транзакции с отсутствием карт. ИИ используется не только для предотвращения мошеннических транзакций, но и для минимизации количества законных транзакций, отклоненных из-за ложной идентификации как мошеннических.
В пресс - релизе своей технологии ИИ, MasterCard отметил, что в 13 раз больше доходов теряются ложными данными, чем к мошенничеству. Используя ИИ, который может узнать ваши покупательские привычки, процесс обработки кредитных карт сводят к минимуму вероятность ложного отклонения вашей карты, в то же время максимизируя вероятность предотвращения мошеннических действий с ее стороны.
Взгляд в будущее
Ключом к онлайн-покупкам была персонализация. Интернет-магазины увеличивают доход, помогая вам находить и покупать интересующие вас продукты. Мы скоро увидим, что розничные продавцы сделали еще один шаг вперед и разработают новые средства полагаясь на весь ваш опыт индивидуально для вас. Google уже делает это с поиском, даже с пользователями, которые вышли из системы, так что это вполне реально для ритейлеров. Такие стартапы, как LiftIgniter, предлагают «персонализацию как услугу» для онлайн-бизнеса. Другие, такие как Optimizely, позволяют компаниям запускать обширные «A / B-тесты», где компании могут одновременно запускать несколько версий своих сайтов, чтобы определить, какие результаты будут наиболее заинтересованными пользователями.
