AI は e コマースに根本的な影響を与えており、今日のビジネスにとって必須の要素となっています。世界は変わりました、そしてあなたはそれを知っています。ガートナーのような科学研究機関は、 現在 AI によって管理されている顧客とのやり取りの割合。 80% 2020年はAIが担当 お気に入りの組織や店舗との顧客の日常的なやり取りの。これらの AI 対応機能には、生体認証スキャナー、チャットボット、デジタル アシスタント、顔認識スキャナーなどが含まれます。 54% これをさらに活用することで、顧客の好みを予測し、顧客を惹きつけ、訪問者を顧客に変え、ショッピング体験に刺激を与えることができます。 COVID-19 のパンデミックが発生して以来、企業は AI についてより賢くなりました。そして、そのテクノロジーを最大限に活用しているのがAmazonです。 Amazon がディープラーニング AI を使用する方法 Amazon は高品質のショッピング体験を提供し、人工知能がそれを支援します。 Alexa 音声アシスタントから画像検索、レコメンデーション システムまで、Amazon はさまざまな方法で AI テクノロジを使用しています。 AI は、不正検出、製品タグ付け、A/B テスト、および価格設定のためにフルフィルメント センターで使用されています。 Amazon は顧客に一貫した価値を提供したいと考えており、次の手段でディープ ラーニング AI を使用しています。 音声認識、テキスト読み上げの合成、自然言語処理 (NLP)。 これらはすべて、Alexa と関連デバイスを強化するために使用されます。 Amazon の AI を利用した音声アシスタントである Alexa は、e コマースとスマート ホーム市場を支配するという同社の戦略に不可欠なものになっています。 音声認識は、キーボードで手を使用するのではなく音声コマンドを使用したい消費者に使いやすさを提供するため、今日の世界では重要です。これは、Alexa が話し言葉を理解し、質問に答える方法の 1 つです。 テキストから音声への合成は、テキストを音声に変換するもう 1 つの方法です。 3 つ目の方法は、自然言語処理 (NLP) です。これにより、Alexa は自然言語を理解し、頭のてっぺんから尋ねられるクエリ (「今日のカレンダーはどうなっている?」や「今日の日付は?」など) に応答できるようになります。 Amazon は AI とディープ ラーニング テクノロジーを使用しています。 これらの機能を実現するために、カリフォルニア州クパチーノにある施設。これにより、顧客は Alexa に命令するだけで買い物リストを簡単に作成できます。リストを手動でサーフしてカートに追加するのではなく。 Lab126 研究 Alexa アプリを使用して、顧客は「Alexa、買い物リストにフライパンを追加して」または「Alexa、私の買い物リストをチェックして」と言うことができます。 顧客は、「アレクサ、私のものはどこ?」と言って、注文の場所を追跡することもできます。または他のコマンドが明らかに .顧客は使いやすさを求めています。ここは簡単です。安らぎを提供できなければ、徐々に廃れていくでしょう。 ここ ディープ ラーニング AI は、Amazon のレコメンデーション システムの機能を向上させます。 Amazon は、顧客の行動分析を通じて、適切な製品を推奨し、売り上げを伸ばす際の精度を高めています。 これにより、より関連性の高い製品のレコメンデーションにつながり、コンバージョン率が高くなり、収益が低くなり、マーケティング キャンペーンにわずかな費用が費やされます。 また、次の目的でディープ ラーニング アルゴリズムを使用します。 : 製品を「本」、「電化製品」、「ホームセンター」などのカテゴリに分類します。人間がすべての製品を手作業で分類するとは思わないでしょう? 製品分類 : これは、次のような機械学習アルゴリズムのトレーニング データとして使用されます。 このアルゴリズムは、何百万もの例から高い精度で長期間にわたって学習できます。これについては、記事の後半で詳しく説明します。 ユーザー フィードバック 。 深い信念ネットワーク : これにより、顧客は必要なものをできるだけ早く見つけることができます。顧客に各ページのページをスクロールさせる (または検索ボックスにキーワードを入力させる) 代わりに、何百万もの製品を一度にスキャンします。 Amazon のアルゴリズムは、以前の検索や、場所や過去の購入などの変数に基づいて、ユーザーに提案も提供します。 製品検索 このようにして、顧客はオンラインでアイテムを探す際に圧倒されるほど多くの選択肢を持たなくなります。 : Amazon は説明を自動的に生成するため、顧客は商品を購入する前に特定の商品についてより多くの情報を得ることができ、コストを低く抑えながら収益を増やすことができます。 商品説明の生成 : Amazon は、過去の購入時に収集されたユーザーの好み/履歴データに基づいて、パーソナライズされたおすすめを使用します。 パーソナライズされたおすすめ また、年齢、他の人の好み、他の人との類似の興味などの人口統計学的要因を考慮して、推奨事項を提供します。 つまり、Amazon はレコメンデーションのみを提供する場合、顧客履歴に依存しません。同じ年齢、場所、および同様の経験を持つ人々の好みが、AI を通じて買い物客に提供されます。 このように、買い物客が自分が何を望んでいるのかわからない場合、Amazon は次のよう になります。 ここでの主な教訓は、買い物客がランディング ページでセール品のすべてを見るわけではないということです。彼らはあなたのアルゴリズムが彼らのためにカスタマイズしたものを見ます. 実験したい場合は、英国の誰かとテキサスの誰かに、Amazon Web サイトにログインするように伝えてください。これらは異なる興味を持つ 2 人の異なる人物であり、それらのページで異なるオファーを見つけます。 どうやって見つけたのかしら？あなたはそれを見つけるだろう . ここ 機械学習と深層学習は、Amazon が配達時間枠を改善するのに役立ちます。 これは驚くべきことではないかもしれません。電気自動車や自動運転車のブランドもそれを利用しています。 ただし、この 3 番目の領域がユニークな点は、配送業者にとって最適なルートを決定する際に、Amazon のビジネスに大きな影響を与えることです。 機械学習とディープ ラーニングを使用する前は、Amazon の配送車は停車地間をランダムに移動していました。現在、Amazon のように、企業は を使用して、各ドライバーがトラフィックをナビゲートするための最も効率的な方法を計算できます。また、Amazon はこれらのアルゴリズムを使用して、気象条件や 1 日のその他のトラフィック パターンに基づいて、どの注文が遅れる可能性が最も高いかを予測します。 これらのアルゴリズム 効率をさらに向上させるために、AI はドライバーがどこに駐車すべきかを教えて、より迅速に荷物を受け取ることができるようにします。この機能により、導入以来、 れました。 待ち時間が 20% 短縮さ Amazon は不正行為の検出にディープラーニングを使用しています。 これも驚くべきことではありません。大手銀行、フィンテック、その他多くの機関が使用しています。しかし Amazon は、データが多ければ多いほど、不正な取引やその他の有害な行動を検出する AI の能力が向上することを認識しています。 Amazon は、次のすべての目的でディープ ラーニングを使用します。 不正な取引の検出。 不正なレビューの検出 (購入者と販売者の両方)。 不正な購入者または販売者の検出 (誰かが複数のアカウントを持っているか、別のアカウントをハッキングした場合)。 不正なアカウントのサインアップと返品を検出します。 クレジット カードの使用の検出 (これは、 ) 機械学習 このすべての作業により、Amazon の事業運営で問題が発生することが少なくなり、優れたカスタマー エクスペリエンスが提供されます。 ディープ ラーニング AI を使用して、写真内の製品にタグを付け、カスタマー エクスペリエンスを向上させます。 Amazon は、顧客が欲しいものを簡単に見つけられるようにすることで、カスタマー エクスペリエンスを向上させます。 たとえば、Gucci のサングラスが欲しいが、その外観がわからない場合、条件に一致するものを見つけるまでに何千もの写真を検索する必要がありました。 欲しいものの写真をアップロードし、Amazon のタグ付けシステムを使用して、探している商品に最も一致する商品を特定できるようになりました。同社はこれを . アマゾン認識 深層学習アルゴリズムは、Amazon Robotics、AWS、フルフィルメント センターで使用されています。 同社のクラウド コンピューティング部門である AWS (深層学習を使用してストレージ ソリューションを改善し、顧客の行動を予測する) に加えて、Amazon の他の部門も深層学習アルゴリズムを使用しています。 たとえば、Amazon Robotics は、ロボットの開発に重点を置いている会社内の部門です。 フルフィルメント センター。これらは コンピュータ ビジョン テクノロジを使用して、ワークステーションの近くで作業する人間が必要とする特定のアイテムを検出します。 eコマースでの使用 ロボットが商品を自動で移動 フルフィルメント センター (FC) 部門では、予測プロセスの一部に機械学習を使用しています。つまり、注文をより効率的に満たすことができるように、需要を予測します。どのように？ ディープ ラーニング アルゴリズムは、クリスマスのショッピング シーズンやブラック フライデーの週末のセール イベントなどのピーク時に、FC 内のアイテムを迅速かつ効率的に見つけるのに役立ちます。これにより、顧客が注文したものを通常よりも早く欲しがる特別な瞬間に、顧客の需要に遅れずについていくことができます。 あなたが顧客である場合、注文を 1 週間以上待っても問題ありませんか?それは無料です、ええ、しかしあなたはそれを勝ち取りました。どのように感じますか? — Amazon を辞めて別の場所に移りたいと思うかもしれません。あなたは彼らが彼らのサービスについていくことができないほど多くの顧客を持っていると思うでしょう. ニューラル ネットワークを使用した製品価格の予測 「お客様には常に選択肢があります」。それを忘れないでください。 これが、Amazon が深層学習を使用して製品の価格を予測する理由です。 Deep Price Predictor と呼ばれるモデルは、MLP ( ) 単一の隠れ層を持つアーキテクチャ。 多層パーセプトロン 次のような最適化手法を使用してトレーニングされます Adam はモデルの最適なパラメーターを見つけて、本番環境で使用できるようにします。 確率的勾配降下法 これらの用語が理解できなくても大丈夫です。 e コマース Web サイトの改善を手伝ってくれる専門家を雇うでしょう。 Amazon が実装したモデルの結果として、あなたが理解していないモデルは、次の点で大きな成果を上げています。 : Deep Price Predictor は、価格を決定する際に消費税や送料などの要因を考慮して、価格がより正確であることを確認します。これにより、顧客が商品に対して多すぎたり少なすぎたりすることがなくなります。 顧客にとってより良い価格 : Deep Price Predictor によって提供される正確な価格情報により、顧客は何かを購入する前に支払う金額を正確に把握できるため、満足しています。これは、驚きや追加料金がないことを意味します。 顧客満足度の向上 そして、あなたはそれがビジネスの世界でどのように機能するかを知っています.あなたが顧客であり、信じられないほどの驚きの料金を確認するためだけにチェックアウトしたとします。あなたならどう思う？ 多くの人がカートを放棄するでしょう。あなたのビジネスは、カートが放棄された人の統計に貢献します。 2021年には、 .これはあなたを幸せにすることはできませんし、顧客を幸せにすることもできません。 放棄されたカートの 69.57% A/B テストの使用 これは、一部の e コマース企業が十分に行っていない興味深い実験の 1 つです。 Amazon は A/B テストを使用して製品を最適化しています。この実験方法は、製品の 2 つのバージョンを比較して、どちらの実験のパフォーマンスが優れているかを判断するために使用されます。 たとえば、Amazon は、関連商品のリストをホームページの右側に表示するか、下部に表示する方がコンバージョン率が高いかを知りたい場合があります。 A/B テストを通じて、あるバリエーションが別のバリエーションよりもどれだけ効果的かを判断できます。 これらのテストの結果により、Amazon のエンジニアや製品開発プロジェクトに関与するその他の利害関係者は、設計図に戻ることができます。次に、顧客のニーズに最適なサービスを提供する方法を決定します。 既存のコードベースを改善したり、さまざまな実験の結果に基づいて新しいコードベースを作成したりできます。これらの実験がなければ、Amazon はこれまでのように e コマースをリードすることなど夢にも思わなかったでしょう。 結論 Amazon は AI を使用して素晴らしい結果を達成しましたが、最適なパフォーマンスを達成するために研究を改善しています。 これらはすべて、Amazon が深層学習やその他の人工知能を現実の世界でどのように使用しているかを示す例にすぎません。 これらすべてのプロジェクトについて聞いたことがないかもしれませんが、これらのプロジェクトは、企業がこれらのテクノロジをどのように採用しているか、また今後数年間もそうし続ける理由を示す例です。 ソフトウェア企業やブランドは、これらのサービスを企業に提供しています。あなたがする必要があるのは、それらを見つけて、あなたのビジネスの可能性を最大化することだけです.
