Comment Amazon utilise le Deep Learning pour améliorer l'expérience d'achat

L'IA a un impact radical sur le commerce électronique et c'est aujourd'hui un incontournable pour les entreprises. Le monde a changé et vous le savez. Des réservoirs de recherche scientifique comme Gartner disent jusqu'à 80% des interactions avec les clients sont aujourd'hui gérées par l'IA.

En 2020, l'IA a géré 54% des interactions quotidiennes des clients avec leurs organisations ou magasins préférés. Ces fonctionnalités activées par l'IA incluent des scanners biométriques, des chatbots, des assistants numériques, des scanners de reconnaissance faciale, etc.

Cela vous aidera à prédire les préférences des clients, à les accrocher, à transformer les visiteurs en clients et à pimenter leurs expériences d'achat.

Les entreprises sont devenues plus intelligentes en matière d'IA depuis la pandémie de COVID-19. Et voici Amazon, faisant le meilleur usage de la technologie.

Comment Amazon utilise l'IA d'apprentissage en profondeur

Amazon offre une expérience d'achat de haute qualité et l'intelligence artificielle y contribue. De l'assistant vocal Alexa à la recherche d'images en passant par les systèmes de recommandation, Amazon utilise la technologie de l'IA de plusieurs façons. L'IA est utilisée dans ses centres de distribution pour la détection des fraudes, l'étiquetage des produits, les tests A/B et la tarification.

Amazon souhaite offrir une valeur constante à ses clients et utilise l'IA d'apprentissage en profondeur par ces moyens :

1. Reconnaissance vocale, synthèse de synthèse vocale et traitement du langage naturel (TAL).

   
   

Tous ces éléments sont utilisés pour habiliter Alexa et les appareils associés.

Alexa, l'assistant vocal alimenté par l'IA d'Amazon, fait désormais partie intégrante de la stratégie de l'entreprise visant à dominer le marché du commerce électronique et de la maison intelligente.

La reconnaissance vocale est un gros problème dans le monde d'aujourd'hui, car elle offre une facilité aux consommateurs qui souhaitent utiliser des commandes vocales plutôt que d'utiliser leurs mains sur leurs claviers. C'est l'une des façons dont Alexa comprend le langage parlé et répond aux questions.

La synthèse vocale est une autre façon de convertir le texte en parole.

La troisième voie est le traitement du langage naturel (TAL). Il permet à Alexa de comprendre le langage naturel et de répondre aux questions que vous pourriez poser de tête (comme « Que se passe-t-il avec mon calendrier aujourd'hui ? » ou « Quelle est la date d'aujourd'hui ? »).

Amazon utilise des technologies d'intelligence artificielle et d'apprentissage en profondeur - qui subissent des améliorations constantes à son Recherche Lab126 installation à Cupertino, en Californie - pour atteindre ces capacités. Cela facilite la création d'une liste de courses pour les clients, car ils peuvent simplement commander Alexa. Plutôt que de parcourir manuellement la liste et d'ajouter des éléments à leur panier.

À l'aide de l'application Alexa, un client peut dire : « Alexa, ajoute une poêle à frire à ma liste de courses » ou « Alexa, regarde ma liste de courses ».

Les clients peuvent également suivre l'emplacement de leur commande en disant : « Alexa, où sont mes affaires ? ou d'autres commandes révélées ici . Les clients veulent de la facilité ; voici la facilité. Vous serez lentement épuisé par les affaires si vous ne pouvez pas offrir de facilité.

2. L'IA d'apprentissage en profondeur aide les systèmes de recommandation d'Amazon à mieux fonctionner.

   
   

Amazon atteint une plus grande précision en recommandant les bons produits et en augmentant les ventes grâce à l'analyse du comportement des clients.

Cela conduit à des recommandations de produits plus pertinentes, ce qui se traduit par des taux de conversion plus élevés, des rendements inférieurs et de l'argent nominal dépensé pour les campagnes marketing.

Il utilise également des algorithmes d'apprentissage en profondeur pour :

• Catégorisation des produits : attribution de produits à des catégories telles que "livres", "électronique" ou "amélioration de l'habitat". Vous ne vous attendriez pas à ce que les humains classent tous les produits manuellement, n'est-ce pas ?

• Commentaires des utilisateurs : ils sont utilisés comme données d'entraînement pour les algorithmes d'apprentissage automatique tels que réseaux de croyances profondes . L'algorithme peut apprendre à partir de millions d'exemples avec une grande précision au fil du temps. Vous en saurez plus à ce sujet plus loin dans l'article.

• Recherche de produit : Cela aide les clients à trouver ce qu'ils veulent le plus rapidement possible. Il parcourt des millions de produits à la fois au lieu que les clients fassent défiler les pages sur chaque page (ou tapent des mots-clés dans le champ de recherche). L'algorithme d'Amazon fournit également aux utilisateurs des suggestions basées sur leurs recherches précédentes et des variables telles que l'emplacement ou les achats passés.

  De cette façon, les clients n'ont pas trop de choix pour les submerger lorsqu'ils recherchent des articles en ligne.

• Génération de descriptions de produits : Amazon génère automatiquement des descriptions afin que les clients puissent obtenir plus d'informations sur un article donné avant d'en acheter un pour maintenir les coûts bas tout en augmentant les revenus.

• Recommandations personnalisées : Amazon utilise des suggestions personnalisées basées sur les préférences/données d'historique de l'utilisateur collectées lors d'achats antérieurs.

  Il prend également en compte des facteurs démographiques tels que l'âge, les goûts des autres, les intérêts similaires avec d'autres personnes, etc. pour fournir des recommandations.

En d'autres termes, Amazon ne s'appuie pas uniquement sur l'historique des clients pour fournir des recommandations. Les préférences des personnes du même âge, du même lieu et d'expériences similaires sont fournies à l'acheteur via l'IA.

De cette façon, lorsque les acheteurs ne savent pas ce qu'ils veulent, Amazon leur dit : "Hé, les gens de votre âge/localisation, etc., achetez ces produits, vous voulez les vérifier ?"

La leçon principale ici est que les acheteurs ne voient pas tout ce que vous avez en vente sur leurs pages de destination ; ils voient ce que votre algorithme a personnalisé pour eux.

Si vous souhaitez expérimenter, dites à quelqu'un au Royaume-Uni et à quelqu'un au Texas de se connecter à leur site Web Amazon. Ce sont deux personnes différentes avec des intérêts différents. Ils trouveront des offres différentes sur ces pages.

Vous vous demandez comment j'ai découvert? tu le trouverais ici .

3. L'apprentissage automatique et l'apprentissage en profondeur aident Amazon à améliorer les délais de livraison.

   
   

Cela peut ne pas être une surprise. Les marques de véhicules électriques et de voitures autonomes l'utilisent également.

Cependant, ce qui rend ce troisième domaine unique, c'est qu'il a un impact significatif sur les activités d'Amazon en aidant à déterminer le meilleur itinéraire pour les agents de livraison.

Avant d'utiliser l'apprentissage automatique et l'apprentissage en profondeur, les véhicules de livraison d'Amazon se déplaçaient au hasard entre les arrêts. Désormais, comme Amazon, les entreprises peuvent utiliser ces algorithmes pour calculer le moyen le plus efficace pour chaque conducteur de naviguer dans le trafic. Amazon utilise également ces algorithmes pour prédire quelles commandes seront très probablement en retard en fonction des conditions météorologiques et d'autres modèles de trafic tout au long de la journée.

Pour améliorer encore l'efficacité, l'IA peut dire aux conducteurs où ils doivent se garer afin qu'ils puissent récupérer les colis plus rapidement. Cette fonctionnalité a réduit les temps d'attente de 20 % depuis son introduction.

4. Amazon utilise le deep learning pour détecter les fraudes.

   
   

Cela ne devrait pas non plus être surprenant. Les grandes banques, les Fintechs et de nombreuses autres institutions l'utilisent. Mais Amazon sait que plus vous avez de données, meilleure est votre IA pour détecter les transactions frauduleuses et autres comportements nuisibles.

Amazon utilise le deep learning à toutes ces fins :

• Détecter les transactions frauduleuses.

• Détecter les avis frauduleux (acheteurs et vendeurs).

• Détecter les acheteurs ou vendeurs frauduleux (quand quelqu'un a plusieurs comptes ou pirate un autre compte).

• Détecter les ouvertures de compte et les retours frauduleux.

• Détecter l'utilisation de la carte de crédit (cela se fait via un service tiers appelé apprentissage automatique )

  
  

Tout ce travail garantit que moins de problèmes se produisent avec les opérations commerciales d'Amazon tout en offrant une expérience client exceptionnelle.

5. L'IA d'apprentissage en profondeur est utilisée pour étiqueter les produits sur les photos et améliorer l'expérience client.

Amazon améliore l'expérience client en permettant aux clients de trouver plus facilement ce qu'ils veulent.

Par exemple, si vous voulez une paire de lunettes de soleil Gucci mais que vous ne savez pas à quoi elles ressemblent, vous auriez dû parcourir des milliers de photos avant d'en trouver une correspondant à vos critères.

Vous pouvez maintenant télécharger une photo de ce que vous voulez et utiliser le système de marquage d'Amazon pour identifier les produits qui correspondent le mieux aux articles que vous recherchez. L'entreprise l'a fait avec son Reconnaissance Amazon .

6. Les algorithmes d'apprentissage en profondeur sont utilisés dans Amazon Robotics, AWS et les centres de distribution.

En plus de la division de cloud computing de l'entreprise, AWS, qui utilise l'apprentissage en profondeur pour améliorer les solutions de stockage et prédire le comportement des clients, d'autres divisions d'Amazon utilisent des algorithmes d'apprentissage en profondeur.

Par exemple, Amazon Robotics est une division de l'entreprise qui se concentre sur le développement de robots pour utilisation dans le commerce électronique centres de distribution. Ces les robots déplacent automatiquement les produits autour d'un entrepôt et utiliser des technologies de vision par ordinateur pour détecter des éléments spécifiques nécessaires aux humains travaillant à proximité de leurs postes de travail.

La division Fulfillment Center (FC) utilise l'apprentissage automatique pour une partie de son processus de prévision. Autrement dit, ils prévoient la demande afin de pouvoir exécuter les commandes plus efficacement. Comment?

Les algorithmes d'apprentissage en profondeur aident à localiser rapidement et efficacement les articles à l'intérieur d'un FC pendant les périodes de pointe comme la saison des achats de Noël ou les événements de vente du week-end du Black Friday. Cela permet de répondre à la demande des clients à ces moments spéciaux où les clients veulent ce qu'ils ont commandé plus rapidement que d'habitude.

Si vous êtes le client, seriez-vous à l'aise d'attendre plus d'une semaine pour une commande ? C'est gratuit, oui, mais vous l'avez gagné. Comment vous sentiriez-vous ?— Vous voudriez peut-être quitter Amazon pour un autre endroit. On pourrait penser qu'ils ont tellement de clients qu'ils ne peuvent pas suivre leurs services.

7. Prédire les prix des produits avec les réseaux de neurones

   
   

"Les clients ont toujours le choix". N'oubliez pas cela.

Et c'est pourquoi Amazon utilise le deep learning pour prédire le prix des produits. Le modèle, appelé Deep Price Predictor, utilise un MLP ( perceptron multicouche ) architecture avec une seule couche cachée.

Il est entraîné à l'aide de techniques d'optimisation telles que descente de gradient stochastique et Adam pour trouver les meilleurs paramètres du modèle afin qu'il puisse être utilisé en production.

Si vous ne comprenez pas ces termes, ce n'est pas grave. Vous engageriez un expert pour vous aider à améliorer votre site Web de commerce électronique.

À la suite des modèles qu'Amazon a mis en œuvre, ces modèles que vous ne comprenez pas, il a obtenu d'excellents résultats dans :

• Meilleurs prix pour les clients : Deep Price Predictor s'assure que les prix sont plus précis en tenant compte de facteurs tels que la taxe de vente et les frais d'expédition lors de leur détermination. Cela garantit que les clients ne paient pas trop ou trop peu pour un article.
• Satisfaction client accrue : grâce aux informations de tarification précises fournies par Deep Price Predictor, les clients sont satisfaits car ils savent exactement combien ils paieront avant d'acheter quoi que ce soit ; cela signifie pas de surprises ou de frais supplémentaires.

Et vous savez comment cela fonctionne dans le monde des affaires. Supposons que vous êtes le client et que vous ne payez que pour voir des frais de surprise fous; comment te sentirais-tu?

Beaucoup de gens abandonneraient le chariot. Votre entreprise contribuera aux statistiques de ceux dont les paniers ont été abandonnés. En 2021, il y avait 69,57% de paniers abandonnés . Cela ne vous rend pas heureux, ni ne rendra les clients heureux.

8. L'utilisation des tests A/B

   
   

Il s'agit d'une expérience fascinante dont certaines entreprises de commerce électronique ne font pas assez. Amazon utilise les tests A/B pour optimiser ses produits. Cette méthode d'expérimentation est utilisée pour comparer deux versions d'un produit afin de déterminer quelle expérience est la plus performante.

Par exemple, Amazon peut vouloir savoir si l'affichage d'une liste de produits connexes sur le côté droit de sa page d'accueil ou en bas a des taux de conversion plus élevés. Ils peuvent déterminer dans quelle mesure une variation est plus efficace qu'une autre grâce à des tests A/B.

Les résultats de ces tests ramènent les ingénieurs d'Amazon et d'autres parties prenantes impliquées dans les projets de développement de produits à la planche à dessin. Ils décident ensuite comment répondre au mieux aux besoins de leurs clients.

Ils peuvent améliorer les bases de code existantes ou en créer de nouvelles basées sur les résultats de diverses expériences. Sans ces expériences, Amazon ne rêverait pas d'être à la tête du commerce électronique aussi longtemps qu'il l'a fait.

Conclusion

Amazon a obtenu d'excellents résultats en utilisant l'IA, mais il améliore également la recherche pour obtenir des performances optimales.

Tout cela ne sont que des exemples de la façon dont Amazon utilise l'apprentissage en profondeur et d'autres variantes de l'intelligence artificielle dans le monde réel.

Et bien que vous n'ayez peut-être pas entendu parler de tous ces projets auparavant, ils sont des exemples de la façon dont les entreprises adoptent ces technologies et pourquoi elles continueront de le faire dans les années à venir.

Les éditeurs de logiciels et les marques proposent ces services aux entreprises. Tout ce que vous avez à faire est de les trouver et de maximiser le potentiel de votre entreprise.