Бигдатый маркетинг

А что если использовать большие данные в зеркале? 😱 Так на самом деле можно. Компания BiSmart разработала Magic Mirror — умное зеркало на основе искусственного интеллекта. Зеркало анализирует лицо, эмоции и одежду человека и предлагает вещи исходя из того, что покупали похожие люди. Больше того, умное зеркало узнаёт постоянных покупателей и делает рекомендации на основе прошлых покупок. Представьте: посетители заходят в магазин, подходят к зеркалу и тут же видят прямо в нём десяток вещей, которые остаётся только оплатить. Покупки идут быстрее, покупатели довольны выбором, а вы догоняете их персонализированной рекламой на основе собранных данных. Кайф? #идея

Как большие данные помогают маркетологам зарабатывать миллионы Если вам случалось зайти на YouTube, чтобы послушать лекцию про теорию струн, а очнуться спустя 2 часа на видео с няшными капибарами — вы прочувствовали на себе мощь больших данных и машинного обучения. YouTube использует данные, чтобы пользователи проводили на сервисе как можно больше времени и увидели побольше рекламы. В посте рассказываем, как ещё большие данные помогают бизнесу зарабатывать. Повышают продажи. Системы, основанные на машинном обучении, учитывают поведение покупателей, предыдущие покупки, время года и даже погоду прямо сейчас. Это позволяет предлагать товары по интересам покупателя и делать персональные скидки. Так, сеть гипермаркетов «Лента» анализирует клиентов с картами лояльности: что покупали раньше, что перестали покупать, из чего состоит потребительская корзина. Например, если человек стабильно покупал желатинки «Харибо», а потом перестал, алгоритмы предложат на них скидку. Помогают понять, прибыльным ли будет продукт. С помощью больших данных компании предсказывают спрос и понимают, выводить ли товар на рынок. Например, «Нетфликс» проанализировал 30 миллионов сценариев, 4 миллиона зрительских оценок и 3 миллиона поисковых запросов, чтобы удостовериться, что сериал «Карточный домик» понравится миру. Как видите, понравился. Снижают стоимость привлечения клиента. Большие данные помогают детальнее сегментировать аудиторию и точнее таргетироваться. Например, в Nestle Purina проанализировали поведение покупателей и выделили людей, которые искали щенков в интернете. А потом показывали этим людям рекламу со щенками. Так конверсия выросла на 300%, а стоимость привлечения клиента снизилась на 90%. Улучшают клиентский сервис. Большие данные используют, чтобы предлагать клиенту персонализированные предложения и делать сервис удобнее. Например, компания BiSmart разработала зеркало Magic Mirror, которое анализирует лицо, эмоции и одежду человека и предлагает вещи исходя из того, что покупали похожие люди. Оптимизируют выкладку товаров. Компании анализируют предпочтения покупателей, расположение ассортимента, его цвет и форму, чтобы повысить продажи. Например, французская сеть супермаркетов Intermarché делает цифровых двойников магазинов, чтобы удалёно следить за состоянием склада и тестировать разные варианты выкладки с учётом информации о покупателях. Ещё с помощью Big Data прогнозируют заболевания, планируют грузоперевозки, сокращают время доставки и оценивают платёжеспособность. С большими данными можно делать что угодно, главное — уметь. Об этом будем рассказывать дальше.

Биг дата настолько везде, что даже реклама на автобусной остановке может предложить вам именно тот кошачий корм, который вы гуглили неделю назад. Разбираемся, откуда у операторов наружки данные и как их можно использовать. #разбор

Кейс: робот помог «Сравни.ру» точнее подбирать финансовые услуги клиентам и увеличить выручку Что сделали. Сервис выбора финансовых услуг «Сравни.ру» создал модель машинного обучения, чтобы улучшить ранжирование финансовых продуктов на витрине. Цель — сделать так, чтобы пользователь оформил подходящий продукт и вернулся ещё. Как работает. Модель определяет место продукта на витрине на основе метрик: количества кликов, оформленных заявок, выручки и маркетинговых затрат. При этом учитывается вероятность одобрения от банка, чтобы пользователь реже получал отказы и негативный опыт. Модель обучается на данных выбранной метрики в прошлом и предсказывает оптимальное место продукта на витрине в ближайшем будущем. Как использовали. Чтобы увеличить выручку, в «Сравни.ру» выбрали метрику Earn per Click и обучили модель переранжировать продукты по этой метрике каждые три дня. Результат. С помощью модели машинного обучения в «Сравни.ру» автоматизировали ручной труд и увеличили выручку примерно на 6%. #новости #кейс

Кейс: «ЛитРес» научился предсказывать поведение пользователей и увеличил конверсию на 33% Что сделали. В электронной библиотеке «ЛитРес» сделали модель, которая предсказывает, совершат ли пользователи покупку в ближайшую неделю, — и повысили эффективность рекламы. Как работает. Модель анализирует данные из веб-аналитики и CRM-систем и формирует портрет пользователя: что смотрел перед покупкой, как давно покупал до этого, сколько тратит на книги. На основе данных модель предсказывает, с какой вероятностью каждый пользователь купит что-то в течение недели, и разбивает их на сегменты. Как использовали. Сегменты превратили в аудитории для Яндекс Директа. Тем, кто скорее совершит покупку, «ЛитРес» чаще показывал рекламу. И наоборот, тратил меньше на рекламу для пользователей с низкой вероятностью покупки. Результат. Кампания с предсказанием поведения принесла на 33% больше конверсий и на 14,5% меньше стоимость покупки, чем кампания с использованием автостратегии Директа. #новости #кейс

Маркетологи в ритейле и сочувствующие, пост для вас! Разработчик сервисов для бизнеса на основе больших данных Platforma зовёт на митап «Big Data и AI в ритейле» 6 июня. Формат — онлайн, участие — бесплатное, пользы — немерено. Что будет. Эксперты по big data и маркетингу расскажут, как и зачем работать с большими данными в ритейле. Например, как перейти от ковровых промоакций к персонализации предложений, чем искусственный интеллект может помочь человеческому, как предсказывать спрос и изучать привычки покупателей. Кто спикеры. В программе митапа — три выступления экспертов и финальная экспертная панель. — Николай Герантиди из компании Platforma расскажет о том, что такое вообще большие данные. — Екатерина Петрова из отдела потребительских исследований Nielsen расскажет про аналитику данных на примере кейса системы АЗС. — Валентин Петров из «Магнита» поделится опытом, как привлекать клиентов из «каменного ритейла» в сервисы доставки продуктов с использованием средств машинного обучения. Кого ждут. Маркетологов и продуктологов из гипермаркетов и компаний-производителей. Ну и всех, кто хочет начать работать с большими данными. Где. Митап пройдёт офлайн и онлайн. Места в офлайне закончились, онлайн будет в YouTube. Когда. 6 июня, 16:30–18:30. Как поучаствовать. Участие бесплатное, но с регистрацией: https://big-data-i-ai-v-riteile.platforma.id #промо

«Нетфликс» делает всё, чтобы пользователи залипали на сервисе как можно дольше: только заканчивается один сериал — как прилетает десять рекомендаций похожих. Как, чёрт возьми, они это делают? #мир #ворлдвайд #кейс

Привет! Пост про метавселенные? Про искусственный интеллект? Нет, это смена концепции канала 👾 Уже полгода я рассказываю о больших данных: что это, как работает, что крутого можно с их помощью сделать. Но кажется, что в России их всё равно считают магией, доступной только гигантам типа Амазона, — а это не так. Поэтому сфокусируюсь на одном: как большие данные помогают бизнесу зарабатывать и как этим могут воспользоваться даже небольшие компании. Одни не знают, что делать с данными, а у других море идей, но нет материала. Буду рассказывать, где взять данные и как их применить. Что будет нового: мировые и российские новости; кейсы с комментариями экспертов; интервью с корпорациями; инструкции, как работать с биг дата в малом, среднем и большом бизнесе; много визуальности и особенный вайб. Кстати, о визуальности: договорились с другом-дизайнером навести красоту, поэтому будет новый дизайн. Название тоже изменится — не пугайтесь, если встретите в чатиках что-то неожиданное. Погнали!

🥃Еще одно нетривиальное применение ИИ: с помощью нейронных сетей можно контролировать вкус виски! При создании напитка одним из главных этапов является купажирование — попросту, смешивание разных видов виски. Процесс этот сложный и долгий, мастер-купажист должен быть опытным и обладать чутким обонянием, чтобы найти оптимальное сочетание. Однако, человек склонен создавать похожие рецепты, в то время как ИИ способен предлагать новые, смелые сочетания. Стартап Harmonize на базе института Макса Планка призван автоматизировать и ускорить процесс подбора концентраций разных видов виски. Их метод основан на масс-спектрометрии и нейронных сетях, моделируя комбинации молекул, которые анализируются рецепторами во рту и носу. Кстати, это не первая попытка автоматизировать купажирование виски. Над похожей технологией работал и Microsoft совместо с производителем напитка Mackmyra. Выпущенный ими виски под названием INTELLIGENS, выбранный из 70 миллионов различных рецептур, собрал множество положительных отзывов.

🐯Технологии, которые мы заслужили: живых тигров из шоу «Форт Боярд» заменят на 3D-анимацию! Тигры Кашмир и Тоска вышли на заслуженную пенсию в феврале этого года. И, вообще, менталитет зрителей меняется: люди стали все больше заботиться о благополучии животных. «Тигры будут взаимодействовать с участниками во время шоу, иногда это будет смешно или тревожно. Например, они будут облизываться, когда кандидаты пробегут мимо них», – рассказал продюсер «Форта Боярд» Гийом Рамейн. 3D-тигры появятся уже в новых сериях, которые выйдут 2 июля🍿

🧠Помните скандал с Google, где инженер решил, что модель ИИ LaMDA «разумна»? Несмотря на то, что ИИ начал усиленно развиваться лишь в 2000х, этой задачей в том или ином виде занимаются уже давно. В 1950 году ученый Алан Тьюринг создал тест для оценки «разумности» машин. Идея теста проста: человек взаимодействует с другим человеком и компьютером, участники друг друга не видят. В результате эксперимента, испытуемый должен сказать, где компьютер, а где человек. Если он не может определиться, то считается, что алгоритм прошел проверку. А вот модель LaMDA прошла тест. Но значит ли это, что она разумна? На мой взгляд, это означает лишь то, что тест измеряет не «интеллект», а способность имитировать манеру переписки с человеком. Кстати, склонность «очеловечивать» машины называется эффектом Элизы. ELIZA — программа родом из 60х, которая имитирует поведение психотерапевта. Эффект Элизы описывает все ситуации, когда человек воспринимает компьютерные системы как обладающие «внутренние качествами и способностями».

👶Возможно, следующий прорыв в развитии ИИ будет вдохновлен детьми На прошлой неделе в журнале Nature Machine Intelligence вышла статья, обсуждающая новые принципы развития ИИ. Несмотря на то, что нейронные сети достигли колоссальных успехов в задачах классификации, без большого количества правильно размеченных данных алгоритмы не способны выучиться. А вот у детей все иначе: им достаточно один раз увидеть собаку, чтобы при следующей встрече опознать животное. Авторы статьи считают, что в текущей парадигме развитие ИИ ограничено. «Машинам необходимо будет обучаться на более разнообразных данных, которые отражают то, как мир выглядит, звучит и ощущается. И, подобно младенцам, им нужно будет пройти путь развития, где опыт и связи меняются по мере их обучения» — говорит один из авторов статьи. Не могу не согласиться: без способности обучать алгоритмы на небольшом количестве размеченных данных мы далеко не уедем. Про один из подходов к обучению без большого количества размеченных данных можно почитать тут.

🧠ИИ помогает врачам в реабилитации после неврологических заболеваний Врачей-реабилитологов категорически не хватает: на всю страну их около 3 тысяч, а пациентов около 1 млн. Базовую реабилитацию для восстановления жизненно важных функций проводят по ОМС, но для продвинутой реабилитации и повышения качества жизни придется обратиться в коммерческое учреждение. Компания MDinc создала продукт, который автоматизирует часть задач. Так, созданная платформа комплексно подходит к реабилитации: после консультаций с врачами, в платформу загрузили общепринятые протоколы реабилитации. Для контроля правильности выполнения упражнений, разработчики используют ИИ и компьютерное зрение. Сначала в компании хотели использовать технологии VR, но пациенты жаловались на головокружение и морскую болезнь. За 6 лет существования стартапа, им воспользовались более 2 тысяч пациентов, а текущая точность алгоритма составляет 98%. В планах у компании — создание нейротренажеров для тренировки речи и восстановления функций лицевых мышц.

😨А вот и первые ласточки замены реальных дизайнеров на ИИ: журнал Cosmopolitan выпустил обложку, сгенерированную нейросетью DALL-E 2. Группе редакторов журнала предоставили доступ к нейросети (пока компания OpenAI, которая разработала нейросеть, не выложила модель в общий доступ). Текстовый запрос был следующим: «сильная женщина-президент, астронавт-воин, идущая по планете Марс, цифровое искусство, синтвейв». На создание изображения ушло менее 20 секунд! Обсуждения по поводу востребованности дизайнеров в эпоху таких мощных технологий идут уже давно. Инженеры OpenAI считают, что технология не заменит дизайнеров, а поможет демократизировать процесс. А вот сами работники индустрии с этим не согласны: «Люди задаются вопросом: будет ли жизнеспособна и востребована моя профессия? Но, к сожалению, бизнес ставит перед собой другие задачи — можно ли сделать какой-то процесс быстрее, дешевле и более автоматизированным?» — размышляет менеджер по маркетингу продуктов в FintechOS.

🤔Помните новость про покупку брендовой одежды в метавселенных? Увы, не все так однозначно, и компаниям рано потирать руки в ожидании огромной прибыли. Интересный опрос провела компания Productsup. Несмотря на то, что в метавселенных можно покупать разные товары, люди не спешат тратить на них деньги. Согласно опросу, в котором поучаствовали 5.7 тысячи людей, не готовы раскошелиться на виртуальные товары 60% респондентов. Но если бы была возможность «примерить» вещи в метавселенной и купить их в реальности, то 41% опрошенных воспользовались бы технологией. Из других интересных трендов — стремление покупать более экологичные товары. Так, 70% респондентов предпочли бы товары, которые можно переработать. 💸 Несмотря на это, рынок метавселенных быстро развивается: ожидается, что в 2022 году оборот составит уже $47.5 млрд!

👃Японские ученые придумали новый метод аутентификации людей, основанный на дыхании! Мы привыкли, что биометрические методы аутентификации обычно включают в себя сканирование отпечатков пальцев, радужной оболочки глаза (как в шпионских фильмах), распознавание лиц на телефонах. Но ученые пошли еще дальше: исследователи разработали искусственный «нос», который может идентифицировать людей по их дыханию. Прибор создан на основе 16-канальных сенсорных датчиков, которые анализируют различные соединения, обнаруженные в дыхании человека. Вкупе с алгоритмами машинного обучения, метод умеет идентифицировать до 20 человек со средней точностью более 97%. Увы, чтобы пройти проверку, надо продержаться 6 часов без еды. Мы разработали хорошую базу для метода. Следующим шагом будет усовершенствование этой техники, чтобы она работала независимо от диеты. К счастью, наше исследование показало, что добавление большего количества датчиков и сбор большего количества данных могут помочь, — говорит один из авторов статьи.