Кейсы

Как искусственный интеллект поможет вырасти любой интернет-компании

Далее

В 1950 году английский ученый Алан Тьюринг предсказывал, когда машина сравняется в плане разума с человеком. Современные примеры говорят, что это уже скоро случится. И триумф программы AlphaGo в матче с Кэ Цзе, сильнейшим в мире игроком в го, или победа программы Libratus в 20-дневном покерном турнире — лишнее тому подтверждение. Но технологии, основанные на ИИ и нейронных сетях, могут не только выиграть у человека, но и помочь ему в ведении бизнеса — оптимизировать предложения для клиента, предсказать стоимость билетов и даже выбрать для покупателя одежду его любимых цветов. Aviasales рассказали, как эксперименты с технологиями помогают расти поисковику авиабилетов, и как конструктор сайтов Weblium и интернет-магазины Sephora и Lamoda используют ИИ.

Как начать использовать искусственный интеллект

Кажется, что ИИ — это очень сложно, и в небольшой компании или стартапе подобные технологии никогда не удастся внедрить, потому что не хватит ресурсов и знаний.

Но далеко не всегда нужно сочинять что-то сложное самостоятельно. Большие компании уже все придумали и выложили в открытый доступ на GitHub. Там можно найти и нейросети, и умные библиотеки. Для разработчиков это отличная возможность попробовать новое и подсмотреть, как другие решили задачу.

В Aviasales многие решения, связанные с технологиями ИИ, придумываются во время внутренних хакатонов.


Хакатон — это конкурс среди разработчиков, когда необходимо в очень сжатые сроки, например, за 48 часов, решить какую-то проблему. Естественно, за это время невозможно что-то создать с нуля, поэтому используются готовые решения.


Самое главное — быстрые эксперименты с уже готовыми технологиями почти всегда показывают хорошие результаты, будь то увеличение конверсии или сокращение затрат.

«Пророк» предсказывает, когда лучше покупать билет

Во время одного из хакатонов появилась гипотеза, что существует связь между временем до вылета и днем начала поездки. Проанализировав огромное количество структурированных данных, которое накопилось за 11 лет работы сервиса Aviasales, удалось доказать, что гипотеза верна. Так появился сервис «Пророк», который с погрешностью 10% предсказывает лучший момент для покупки билетов.

Благодаря новому сервису компания стала экономить на получении сторонних данных и смогла подставлять в календарь цены на те даты и направления, где реальных данных и не было — с небольшой долей ошибки «Пророк» помогает узнать цену заранее.

Путешественникам «Пророк» выдает подсказки про время поиска билетов: «Покупай сейчас» или «Подожди». Вместе со словами в поиске показывается график, как будет вести себя цена на основе прогнозов компании.

ИИ выбирает лучшего продавца билетов

В метапоиске Aviasales представлено 200 авиакасс и 728 авиакомпаний. Понятно, что на первом месте всегда стоит билет с самой низкой ценой. Но у билета может быть несколько продавцов, и часто у некоторых одинаковая стоимость. Тогда возникает вопрос: кто должен быть впереди?

Желтая кнопка «Купить» — это и есть первое место среди всех продавцов. Под кнопкой идет список из агентств и авиакомпаний, в которых также можно купить этот билет: за ту же стоимость или дороже. Чтобы определить, кого поставить на волшебную кнопку, учитываются два фактора — комиссия, которую партнер платит за проданный билет, и конверсия из перехода на сайт продавца в покупку. То есть это факторы, которые учитывают интересы двух сторон — метапоиска и удобства путешественника.

Все данные по обоим факторам фиксируются в таблицу. Данные постоянно меняются, так как продавцы работают над улучшением своих сайтов. Именно этот процесс решено автоматизировать, чтобы не заносить цифры в таблицу вручную. Так, в 5% случаев на кнопке «Купить» оказывается продавец с не самой низкой ценой, чтобы выяснить, какая доля пользователей перейдет на его сайт и купит билет. Таким образом, параметры все время пересчитываются, система обучается на основе полученных данных и сама выбирает лучшее решение.

ИИ выбирает фотографии к описанию отеля

Если выбор продукта или услуги связан с качеством фотографий, и их огромное количество, — отбирать картинки вручную нерационально. Нужен ИИ. Проблема в том, что каждый партнер присылает свои фотографии гостиницы в сервис отелей Aviasales, а партнеры далеко не всегда являются сетевыми гигантами вроде Hilton или Marriott. Иногда это собственник небольшого гестхауса в Крыму, который сфотографировал комнаты на телефон.

Для анализа фотографий нужен ИИ, который распознает качество и определит, в каком порядке показывать изображения. Решение нашлось в одной обученной нейронной сети, которая умеет определять локацию. В результате получается, например, такая разбивка: 63% — здание, 20% — бассейн, 11% — дерево, 6% — пляж.

В городских отелях интересно, как выглядит номер, поэтому сначала показываются фотографии с кроватью. В пляжных отелях, наоборот, важны бассейн и лежаки. Как правило, в курортных направлениях номера довольно скудные, и внутреннее убранство номера лучше показать в последнюю очередь.

Начав работать с фотографиями с помощью ИИ, компания сократила расходы на ручной труд: раньше нанимали фрилансеров, которые отбирали картинки в популярных городах, а также повышали конверсию на 12%, в основном благодаря экспериментам с фотографиями бассейнов на пляжных курортах.

Как ИИ помогает делать красивые сайты с конструктором Weblium

В конструкторе сайтов Weblium используется AI Design Supervisor, который отслеживает действия пользователя по созданию сайта в реальном времени и идентифицирует дизайнерские ошибки, исправляя их на лету.

Поскольку весь проект использует стек продуктов Google, то и для реализации этой задачи разработчики использовали Google Cloud AI. Самой сложной задачей было научить нейронную сеть видеть дизайнерские проблемы с некорректным использованием цветов, шрифтовых пар и тому подобного.

Чтобы получить достаточно большой набор данных, разработчики тренировали модель на дата-сете с 30 млн дизайнерских решений, взятых с ведущих ресурсов Behance и Dribbble. Структуры сайтов и элементов распознавали с помощью Cloud Vision API. Это позволило сделать «квантовый скачок» в достижении точности работы AI Design Supervisor.

Мы пока не можем похвастать, что AI Design Supervisor работает безукоризненно, однако его уже точно можно использовать в качестве основной точки дифференциации от конкурентов. Пользователи постоянно пишут, что перевоплощение одного сайта в другой на лету неизменно вызывает вау-эффект даже при неоднократном использовании AI Design Supervisor.

Давид Браун, основатель Weblium

Параллельно в Weblium работают над тем, чтобы контекстно определять тот контент, который вносит на сайты пользователь, понимать его задачи и предлагать ему наиболее релевантные блоки при строительстве сайта. Для этого разработчики используют Cloud Natural Language API.

И последняя разработка, очень важная в перспективе — голосовые интерфейсы. Weblium AI Lab прототипирует голосовое управление конструктором сайтов с помощью библиотеки Cloud Speech-to-Text. Конечная идея в том, чтобы пользователь мог поставить техническое задание голосом и достаточно простыми словами, например: «Хочу современный функциональный сайт для моей автомойки». И в результате такого ТЗ получать достойный сайт.

Как используют ИИ Sephora и Lamoda

Платформа персонализации Dynamic Yield помогает партнерам улучшить качество обслуживания клиентов. Ее используют такие известные бренды, как Sephora и Lamoda.

Dynamic Yield умеет сегментировать аудиторию, подбирать персонализированные товары и контент. Платформа работает в вебе, на мобильных устройствах, ее можно использовать при отправке рассылок и размещении рекламных объявлений. По всем каналам связи она доставляет пользователям персонализированные рекомендации.

Sephora протестировала систему персональных рекомендаций в восьми интернет-магазинах в Азии. В каждом из них для пользователей подбирали рекомендованные товары, руководствуясь тремя стратегиями: похожие товары, сопутствующие товары, автоматические рекомендации.

До момента внедрения ИИ окончательный выбор товаров, которые будут показаны пользователю, делался в зависимости от страны и KPI. Теперь они показываются в зависимости от того, какие товары пользователь добавил в корзину и какие в итоге купил.

Благодаря такому подходу CTR вырос на 4%. А каждый доллар, потраченный на использование, Dynamic Yield принес $6,5 выручки.

Ранее Lamoda сегментировала пользователей по местоположению и рекомендовала одежду, соответствующую погодным условиям. Теперь рекомендации основываются не только на гео, но и на истории покупок, поведении пользователей, предпочитаемых брендах и товарах.

Lamoda разделила пользователей на 160 микросегментов и подготовила персональные купоны для каждого сегмента. По сравнению с предыдущей скидочной кампанией, у этой возросли конверсия, средний доход с каждого посетителя и выручка за сеанс.

Lamoda запустила персональные баннеры, на которых отображались одежда и аксессуары того цвета, который предпочитал пользователь во время поиска. При клике по баннеру пользователь видел одежду любимого цвета, отсортированную в том порядке, который он обычно предпочитает при поиске.

Благодаря использованию ИИ Lamoda на 8% увеличила выручку за сессию, а валовая прибыль выросла на $15 млн.

Готовые решения, быстрый эффект

Примеры Aviasales, Weblium, Sephora и Lamoda доказывают, что использование искусственного интеллекта помогает компаниям значительно вырасти, причем иногда за короткое время: от нескольких месяцев до года. Более того, некоторые показатели никогда бы не удалось улучшить без внедрения ИИ.

Начать экспериментировать с ИИ можно достаточно быстро. На начальном этапе, скорее всего, будет достаточно сил тех разработчиков, которые уже у вас есть. Поищите на GitHub разработки, которые можно адаптировать для вашей компании, посчитайте, окупится ли использование полностью готового стороннего продукта, и попробуйте реализовать хотя бы небольшую идею, чтобы посмотреть на результаты. Наверняка они настолько вас впечатлят, что вы продолжите эксперименты с ИИ.

Загрузка...