Da pochi mesi a pochi giorni, la costruzione del motore di raccomandazione è diventata super facile
Le innovazioni del cloud e dell’intelligenza artificiale hanno dominato il giorno della demo di NetApp Excellerator
Sebbene la rivelazione della raccomandazione AI di Google sia già stata fatta durante l’ evento Cloud Next dell’azienda nel 2019 , Google sta ora lanciando la sua versione beta per i suoi clienti. Un servizio completamente gestito – AI Raccomandazione di Google – destinato alle attività commerciali al dettaglio, è stato progettato per aiutare a fornire raccomandazioni personalizzate di prodotti ai clienti su vasta scala.
Secondo il post sul blog scritto dal product manager, Pallav Mehta, la mossa è stata presa in sincronia con il continuo spostamento delle società di vendita al dettaglio verso strategie basate sui dati e la crescente domanda dei clienti. Per mantenere la propria rilevanza in questo scenario competitivo, le società di vendita al dettaglio ora richiedono di offrire ai clienti un’esperienza personalizzata ottimale. E uno di questi modi per migliorare l’esperienza è raccomandare loro prodotti che corrispondano al loro interesse, preferenze ed esigenze.
È un dato di fatto, Google ha utilizzato l’IA di raccomandazione su tutte le sue piattaforme come per i loro annunci pubblicitari, motore di ricerca e raccomandazione di YouTube . Utilizza macchine che apprendono per comprendere il comportamento del cliente e modifica di conseguenza le variabili di prezzo, offerte ed etichettatura. Ciò afferma di migliorare le percentuali di clic dell’azienda e le entrate nel suo complesso
Aggiornamento della soluzione di raccomandazione con AI
Guadagnare la fedeltà dei clienti che porta a una migliore fidelizzazione è stata una preoccupazione fondamentale per i rivenditori in questa crisi. Pertanto, le società di vendita al dettaglio , anziché gestire manualmente i clienti e curare i modelli di raccomandazione, dovrebbero aggiornare il loro processo con intelligenza artificiale . La Raccomandazione AI si concentra su ogni singolo cliente e sui punti insieme ai loro modelli di acquisto, che a loro volta li aiuta a servire con raccomandazioni più personalizzate dei prodotti.
Secondo Mehta , il sistema avanzato “eccelle non solo nella gestione delle raccomandazioni relative ai prodotti a coda lunga, ma anche per gli utenti e gli articoli con avviamento a freddo”. Con l’aiuto di modelli di deep learning “affamati di contesto”, sviluppati da Google Brain and Research , sfrutta i metadati degli articoli e dei clienti per trovare approfondimenti su milioni di articoli e rivedere continuamente tali approfondimenti in tempo reale. Pertanto, gestire i cataloghi in evoluzione, evolvere le abitudini dei clienti e le tendenze degli acquisti in mezzo a COVID .
Inoltre, con la Raccomandazione AI di Google, le società di vendita al dettaglio non hanno più bisogno di programmatori esperti per scrivere script di codifica per addestrare i tradizionali modelli di raccomandazione; la piattaforma offre invece un’esperienza di gestione dei modelli semplificata per i rivenditori. L’API di questo sistema di raccomandazione personalizzato end-to-end basato su modelli ML di deep learning consente di inserire i dati del catalogo prodotti e le informazioni dell’utente e le richieste di raccomandazione basate sui dati.
Per iniziare con la Raccomandazione AI, le società di vendita al dettaglio devono integrare il loro catalogo e i dati utente, incluso lo strumento disponibile, e quindi importare tali dati sulla piattaforma. Una volta fatto, i rivenditori possono scegliere il tipo di modello e specificare il loro obiettivo per lo stesso. Questa informazione consentirebbe al modello di essere addestrato sui requisiti specifici. Secondo il post sul blog dell’azienda, la prima messa a punto e formazione del modello impiegano circa cinque giorni, prima che possa effettivamente iniziare a raccomandare prodotti per i clienti.
Tale avanzamento nel modello di raccomandazione aiuterà a ridimensionare milioni di articoli in un catalogo e aiuterà le aziende a raccomandare un prodotto pertinente dallo stesso. Un altro aspetto critico che è stato assicurato da Google sono i pregiudizi associati agli articoli popolari. La Raccomandazione AI è stata progettata per gestire la stagionalità in modo migliore, anche con dati minori.
Attuazione della raccomandazione AI
La Raccomandazione AI di Google compete con ” Amazon Personalize “, che è un servizio ML che semplifica la creazione da parte degli sviluppatori di consigli personalizzati per i propri clienti e lo strumento di raccomandazione basato su AI di Adobe . Tuttavia, secondo molti dei primi ad adottare la Raccomandazione di Google AI ha dichiarato l’enorme valore ottenuto da esso.
Caso in questione: una società multinazionale di vendita al dettaglio di prodotti di bellezza, Sephora ha dichiarato che dall’implementazione l’azienda ha registrato un aumento del 50% della percentuale di clic sulla pagina del prodotto e un aumento del 2% del tasso di conversione complessivo in diverse piattaforme.
In un altro esempio, uno dei rivenditori online di elettronica di consumo in Svizzera, Digitec Galaxus , ha affermato l’importanza di trovare il prodotto richiesto in mezzo alla pandemia, che è stato senza soluzione di continuità dalla Raccomandazione AI. La società ha registrato un ulteriore aumento del 40% del CTR rispetto agli anni precedenti.
Con Thomas Kurian che si unisce a Google come CEO, si ritiene che questa iniziativa faccia parte del loro progetto in corso di indirizzare la sua attenzione su sei settori chiave verticali : finanza, sanità, media, manifatturiero, settore pubblico e apparente industria del commercio al dettaglio .
Attualmente, la società ha rilasciato una versione beta della Raccomandazione AI e il prezzo si basa sulle sue operazioni come la formazione, la regolazione per nodo all’ora e la quantità di previsioni richieste. Questo nuovo sistema consente alle società di vendita al dettaglio di decidere se mantenere attivo un modello di raccomandazione che fornisca loro un migliore controllo sulle loro finanze.
.