AI tác động triệt để đến thương mại điện tử và Đó là một yếu tố bắt buộc đối với các doanh nghiệp ngày nay. Thế giới đã thay đổi và bạn biết điều đó. Các cơ quan nghiên cứu khoa học như Gartner cho biết tương tác của khách hàng được quản lý bởi AI ngày nay. 80% Vào năm 2020, AI đã xử lý tương tác hàng ngày của khách hàng với các tổ chức hoặc cửa hàng yêu thích của họ. Các tính năng hỗ trợ AI này bao gồm máy quét sinh trắc học, chatbot, trợ lý kỹ thuật số, máy quét nhận dạng khuôn mặt, v.v. 54% Hơn thế nữa, điều này sẽ giúp bạn dự đoán sở thích của khách hàng, thu hút họ, biến khách truy cập thành khách hàng và thêm gia vị cho trải nghiệm mua sắm của họ. Các công ty đã trở nên thông minh hơn về AI kể từ khi đại dịch COVID-19 xảy ra. Và đây là Amazon, đang sử dụng công nghệ tốt nhất. Cách Amazon sử dụng Deep Learning AI Amazon cung cấp trải nghiệm mua sắm chất lượng cao và trí tuệ nhân tạo sẽ hỗ trợ điều đó. Từ trợ lý giọng nói Alexa đến tìm kiếm hình ảnh đến hệ thống đề xuất, Amazon sử dụng công nghệ AI theo nhiều cách. AI được sử dụng tại các trung tâm thực hiện của nó, để phát hiện gian lận, gắn thẻ sản phẩm, kiểm tra A / B và định giá. Amazon muốn cung cấp giá trị nhất quán cho khách hàng và họ đã sử dụng AI học sâu thông qua các phương tiện sau: Nhận dạng giọng nói, tổng hợp chuyển văn bản thành giọng nói và xử lý ngôn ngữ tự nhiên (NLP). Tất cả những thứ này được sử dụng để trao quyền cho Alexa và các thiết bị liên quan. Alexa, trợ lý giọng nói được hỗ trợ bởi AI từ Amazon, đã trở thành một phần không thể thiếu trong chiến lược thống trị thị trường thương mại điện tử và nhà thông minh của công ty. Nhận dạng giọng nói là một vấn đề quan trọng trong thế giới ngày nay vì nó mang lại sự dễ dàng cho những người tiêu dùng muốn sử dụng lệnh thoại thay vì sử dụng tay trên bàn phím của họ. Đó là một trong những cách Alexa hiểu ngôn ngữ nói và trả lời các câu hỏi. Tổng hợp văn bản thành giọng nói là một cách khác để chuyển đổi văn bản thành giọng nói. Cách thứ ba là xử lý ngôn ngữ tự nhiên (NLP). Nó cho phép Alexa hiểu ngôn ngữ tự nhiên và trả lời các truy vấn bạn có thể hỏi ngay từ đầu (như "Chuyện gì xảy ra với lịch của tôi hôm nay?" Hoặc "hôm nay là ngày gì?"). Amazon sử dụng công nghệ AI và học sâu - những công nghệ này đang được cải tiến nhất quán cơ sở ở Cupertino, California - để đạt được những khả năng này. Điều này làm cho việc tạo danh sách hàng tạp hóa cho khách hàng trở nên dễ dàng vì họ có thể chỉ cần lệnh Alexa. Thay vì lướt qua danh sách theo cách thủ công và thêm thứ vào giỏ hàng của họ. Nghiên cứu Lab126 Khi sử dụng ứng dụng Alexa, khách hàng có thể nói, "Alexa, thêm chảo vào danh sách mua sắm của tôi" hoặc "Alexa, hãy xem danh sách mua sắm của tôi". Khách hàng cũng có thể theo dõi vị trí đơn đặt hàng của họ bằng cách nói, "Alexa, đồ của tôi đâu?" hoặc các lệnh khác được tiết lộ . Khách hàng muốn dễ dàng; ở đây là dễ dàng. Bạn sẽ dần bị phá sản nếu bạn không thể tạo điều kiện dễ dàng. nơi đây Học sâu AI giúp hệ thống khuyến nghị của Amazon hoạt động tốt hơn. Amazon đạt được độ chính xác cao hơn trong việc đề xuất các sản phẩm phù hợp và tăng doanh số bán hàng thông qua phân tích hành vi của khách hàng. Điều này dẫn đến các đề xuất sản phẩm phù hợp hơn, dẫn đến tỷ lệ chuyển đổi cao hơn, lợi nhuận thấp hơn và chi tiêu danh nghĩa cho các chiến dịch tiếp thị. Nó cũng sử dụng các thuật toán học sâu để: : Gán các sản phẩm thành các danh mục như "sách", "đồ điện tử" hoặc "đồ gia dụng". Bạn sẽ không mong đợi con người phân loại tất cả các sản phẩm theo cách thủ công, phải không? Phân loại sản phẩm : Dữ liệu này được sử dụng làm dữ liệu đào tạo cho các thuật toán học máy như Thuật toán có thể học hỏi từ hàng triệu ví dụ với độ chính xác cao theo thời gian. Bạn sẽ biết thêm về điều này ở phần sau của bài viết. Phản hồi của người dùng . mạng lưới niềm tin sâu sắc : Điều này giúp khách hàng tìm thấy thứ họ muốn nhanh nhất có thể. Nó quét qua hàng triệu sản phẩm cùng một lúc thay vì để khách hàng cuộn qua các trang trên mỗi trang (hoặc gõ từ khóa vào hộp tìm kiếm). Thuật toán của Amazon cũng cung cấp cho người dùng các đề xuất dựa trên các tìm kiếm trước đây của họ và các biến số như vị trí hoặc các giao dịch mua trong quá khứ. Tìm kiếm sản phẩm Bằng cách này, khách hàng không có quá nhiều sự lựa chọn khiến họ choáng ngợp khi tìm kiếm các mặt hàng trực tuyến. Tạo : Amazon tự động tạo mô tả để khách hàng có thể biết thêm thông tin về bất kỳ mặt hàng nhất định nào trước khi mua để giữ chi phí thấp trong khi tăng doanh thu. mô tả sản phẩm : Amazon sử dụng các đề xuất được cá nhân hóa dựa trên sở thích của người dùng / dữ liệu lịch sử được thu thập trong quá trình mua hàng trước đây. Đề xuất được cá nhân hóa Nó cũng xem xét các yếu tố nhân khẩu học như tuổi tác, thị hiếu của người khác, sở thích tương tự với người khác, v.v. để đưa ra các khuyến nghị. Nói cách khác, Amazon không dựa vào lịch sử khách hàng khi chỉ cung cấp các đề xuất. Sở thích của những người ở cùng độ tuổi, vị trí và trải nghiệm tương tự được cung cấp cho người mua hàng thông qua AI. Bằng cách này, khi người mua hàng không biết họ muốn gì, Amazon sẽ nói: "Này, những người ở độ tuổi / vị trí của bạn, v.v., mua những sản phẩm này, có muốn xem chúng không?" Bài học chính ở đây là người mua hàng không nhìn thấy mọi thứ bạn có bán trên trang đích của họ; họ thấy những gì thuật toán của bạn đã tùy chỉnh cho họ. Nếu bạn muốn thử nghiệm, hãy nói với ai đó ở Anh và ai đó ở Texas đăng nhập vào trang web Amazon của họ. Đây là hai người khác nhau có sở thích khác nhau— Họ sẽ tìm thấy các đề nghị khác nhau trên các trang đó. Tự hỏi làm thế nào tôi phát hiện ra? Bạn sẽ tìm thấy nó . nơi đây Học máy và học sâu giúp Amazon cải thiện khung thời gian giao hàng. Điều này có thể không đến bất ngờ. Các thương hiệu xe điện và xe hơi tự lái cũng đang sử dụng nó. Tuy nhiên, điều làm cho khu vực thứ ba này trở nên độc đáo là nó tác động đáng kể đến hoạt động kinh doanh của Amazon trong việc giúp xác định tuyến đường tốt nhất cho các đại lý giao hàng. Trước khi sử dụng máy học và học sâu, các phương tiện giao hàng của Amazon sẽ di chuyển ngẫu nhiên giữa các điểm dừng. Giờ đây, giống như Amazon, các doanh nghiệp có thể sử dụng để tính toán cách hiệu quả nhất cho mỗi người lái xe trong việc điều hướng lưu lượng truy cập. Amazon cũng sử dụng các thuật toán này để dự đoán đơn đặt hàng nào có nhiều khả năng sẽ bị trễ dựa trên điều kiện thời tiết và các mô hình giao thông khác trong ngày. các thuật toán này Để nâng cao hiệu quả hơn nữa, AI có thể cho tài xế biết họ nên đỗ xe ở đâu để họ có thể nhận các gói hàng nhanh hơn. Tính năng này đã kể từ khi được giới thiệu. giảm 20% thời gian chờ đợi Amazon sử dụng học sâu để phát hiện gian lận. Điều này cũng không đáng ngạc nhiên. Các ngân hàng lớn, Fintech và nhiều tổ chức khác sử dụng nó. Nhưng Amazon biết rằng bạn càng có nhiều dữ liệu, thì AI của bạn càng tốt hơn trong việc phát hiện các giao dịch gian lận và các hành vi có hại khác. Amazon sử dụng học sâu cho tất cả các mục đích sau: Phát hiện các giao dịch gian lận. Phát hiện các đánh giá gian lận (cả người mua và người bán). Phát hiện người mua hoặc người bán gian lận (khi ai đó có nhiều tài khoản hoặc xâm nhập vào tài khoản khác). Phát hiện các lần đăng ký và trả lại tài khoản gian lận. Phát hiện việc sử dụng thẻ tín dụng (điều này được thực hiện thông qua một dịch vụ của bên thứ ba có tên là ) máy học Tất cả công việc này đảm bảo rằng có ít sự cố xảy ra hơn với hoạt động kinh doanh của Amazon đồng thời mang đến trải nghiệm khách hàng vượt trội. AI học sâu được sử dụng để gắn thẻ sản phẩm trong ảnh và cải thiện trải nghiệm của khách hàng. Amazon cải thiện trải nghiệm của khách hàng bằng cách giúp khách hàng tìm thấy thứ họ muốn dễ dàng hơn. Ví dụ, nếu bạn muốn có một cặp kính râm Gucci nhưng không biết chúng trông như thế nào, bạn sẽ phải tìm kiếm qua hàng nghìn bức ảnh trước khi tìm được bức ảnh phù hợp với tiêu chí của mình. Giờ đây, bạn có thể tải lên ảnh những gì bạn muốn và sử dụng hệ thống gắn thẻ của Amazon để xác định các sản phẩm phù hợp nhất với các mặt hàng bạn đang tìm kiếm. Công ty đã làm điều này với . Amazon Rekognition Các thuật toán học sâu được sử dụng trong Amazon Robotics, AWS và các trung tâm thực hiện. Ngoài bộ phận điện toán đám mây của công ty, AWS - sử dụng học sâu để cải thiện các giải pháp lưu trữ và dự đoán hành vi của khách hàng - các bộ phận khác của Amazon đang sử dụng các thuật toán học sâu. Ví dụ: Amazon Robotics là một bộ phận trong công ty tập trung vào việc phát triển robot cho các trung tâm thực hiện. Này xung quanh nhà kho và sử dụng công nghệ thị giác máy tính để phát hiện các mặt hàng cụ thể mà con người làm việc gần máy trạm của họ cần. sử dụng trong thương mại điện tử robot tự động di chuyển sản phẩm Bộ phận Trung tâm Thực hiện (FC) sử dụng máy học cho một phần của quy trình dự báo của mình. Đó là, họ dự báo nhu cầu để có thể lấp đầy đơn hàng hiệu quả hơn. Làm sao? Các thuật toán học sâu giúp xác định vị trí các mặt hàng bên trong FC một cách nhanh chóng và hiệu quả trong thời gian cao điểm như mùa mua sắm Giáng sinh hoặc các sự kiện bán hàng cuối tuần Thứ Sáu Đen. Điều này giúp bắt kịp nhu cầu của khách hàng vào những thời điểm đặc biệt khi khách hàng muốn những gì họ đã đặt hàng nhanh hơn bình thường. Nếu bạn là khách hàng, bạn có thấy thoải mái khi chờ đợi hơn một tuần cho một đơn đặt hàng không? Nó miễn phí, vâng, nhưng bạn đã giành được nó. Bạn sẽ cảm thấy thế nào? - Có lẽ bạn sẽ muốn rời Amazon để đến một nơi khác. Bạn sẽ nghĩ rằng họ có quá nhiều khách hàng mà họ không thể theo kịp dịch vụ của mình. Dự đoán giá sản phẩm với mạng thần kinh "Khách hàng luôn có sự lựa chọn". Đừng quên điều đó. Và đây là lý do tại sao Amazon sử dụng học sâu để dự đoán giá của sản phẩm. Mô hình có tên là Deep Price Predictor, sử dụng MLP ( ) kiến trúc với một lớp ẩn duy nhất. perceptron nhiều lớp Nó được đào tạo bằng cách sử dụng các kỹ thuật tối ưu hóa như và Adam để tìm ra các thông số tốt nhất của mô hình để nó có thể được sử dụng trong sản xuất. sự giảm dần độ dốc ngẫu nhiên Nếu bạn không hiểu những thuật ngữ đó, không sao cả. Bạn sẽ thuê một chuyên gia để giúp bạn cải thiện trang web thương mại điện tử của mình. Kết quả của các mô hình mà Amazon đã triển khai, những mô hình mà bạn không hiểu, nó đã mang lại kết quả tuyệt vời trong: : Deep Price Predictor đảm bảo rằng giá chính xác hơn bằng cách tính đến các yếu tố như thuế bán hàng và chi phí vận chuyển khi xác định chúng. Điều này đảm bảo rằng khách hàng không phải trả quá nhiều hoặc quá ít cho một mặt hàng. Giá tốt hơn cho khách hàng : Với thông tin chính xác về giá cả do Deep Price Predictor cung cấp, khách hàng rất vui vì họ biết chính xác số tiền họ sẽ trả trước khi mua bất cứ thứ gì; điều này có nghĩa là không có bất ngờ hoặc phí bổ sung. Mức độ hài lòng của khách hàng cao hơn Và bạn biết nó hoạt động như thế nào trong thế giới kinh doanh. Giả sử bạn là khách hàng và thanh toán chỉ để thấy một khoản phí bất ngờ điên rồ; bạn sẽ cảm thấy thế nào? Nhiều người sẽ từ bỏ giỏ hàng. Doanh nghiệp của bạn sẽ đóng góp vào số liệu thống kê về những người có xe hàng bị bỏ rơi. Năm 2021, có . Điều này không làm bạn hài lòng và cũng không khiến khách hàng hài lòng. 69,57% xe đẩy bị bỏ rơi Việc sử dụng các thử nghiệm A / B Đây là một thử nghiệm hấp dẫn mà một số công ty thương mại điện tử không làm đủ. Amazon sử dụng thử nghiệm A / B để tối ưu hóa sản phẩm của mình. Phương pháp thử nghiệm này được sử dụng để so sánh hai phiên bản của một sản phẩm để xác định thử nghiệm nào hoạt động tốt hơn. Ví dụ: Amazon có thể muốn biết liệu việc hiển thị danh sách các sản phẩm có liên quan ở bên phải trang chủ của họ hay ở cuối trang có tỷ lệ chuyển đổi cao hơn hay không. Họ có thể xác định mức độ hiệu quả hơn một biến thể này so với biến thể khác thông qua thử nghiệm A / B. Kết quả từ các thử nghiệm này đưa các kỹ sư của Amazon và các bên liên quan khác tham gia vào các dự án phát triển sản phẩm trở lại bảng vẽ. Sau đó, họ quyết định làm thế nào để phục vụ nhu cầu của khách hàng một cách tốt nhất. Họ có thể cải thiện các cơ sở mã hiện có hoặc tạo các cơ sở mã mới dựa trên các phát hiện từ các thử nghiệm khác nhau. Nếu không có những thử nghiệm này, Amazon sẽ không mơ dẫn đầu về thương mại điện tử chừng nào nó còn có. Sự kết luận Amazon đã đạt được những kết quả tuyệt vời khi sử dụng AI, nhưng họ cũng đang cải tiến nghiên cứu để đạt được hiệu suất tối ưu. Tất cả những điều này chỉ là ví dụ về cách Amazon sử dụng học sâu và các biến thể khác của trí tuệ nhân tạo trong thế giới thực. Và mặc dù bây giờ bạn có thể chưa nghe về tất cả các dự án này, nhưng chúng là ví dụ về cách các công ty đang áp dụng những công nghệ này — và tại sao họ sẽ tiếp tục làm như vậy trong những năm tới. Các công ty phần mềm và các thương hiệu đang cung cấp các dịch vụ này cho các doanh nghiệp. Tất cả những gì bạn cần làm là tìm chúng và tối đa hóa tiềm năng của doanh nghiệp.

Amazon

fees

Google

Techcrunch

2022 - HackerNoon Contributor of the Year - Amazon

2022 - HackerNoon Contributor of the Year - Deep Learning

2022 - HackerNoon Contributor of the Year - Ecommerce

2022 - HackerNoon Contributor of the Year - History

2022 - HackerNoon Contributor of the Year - Information Technology

2022 - HackerNoon Contributor of the Year - Slack

2022 - HackerNoon Contributor of the Year - Software

Have work for me? Let's talk.

Nominated for 2022 - HackerNoon Contributor of the Year - Amazon

Nominated for 2022 - HackerNoon Contributor of the Year - Ecommerce

Nominated for 2022 - HackerNoon Contributor of the Year - Slack

Nominated for 2022 - HackerNoon Contributor of the Year - Software

Nominated for 2022 - HackerNoon Contributor of the Year - Information Technology

Nominated for 2022 - HackerNoon Contributor of the Year - History

Nominated for 2022 - HackerNoon Contributor of the Year - Deep Learning

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

dài quá đọc không nổi

Cách Amazon sử dụng Học sâu để cải thiện trải nghiệm mua hàng

Cách Amazon sử dụng Học sâu để cải thiện trải nghiệm mua hàng

dài quá đọc không nổi

Companies Mentioned

Peace Akinwale

About Author

chuyên mục

Languages

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI...

Cách Amazon sử dụng Học sâu để cải thiện trải nghiệm mua hàng

dài quá đọc không nổi

Companies Mentioned

Peace Akinwale

About Author

chuyên mục

Languages

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI...

NHỮNG BÀI VIẾT LIÊN QUAN