В прошлый раз мы говорили о том, что такое нейросети и немного затронули тему разработки нейросетей в крупных компаниях. |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-12-10 12:59 В прошлый раз мы говорили о том, что такое нейросети и немного затронули тему разработки нейросетей в крупных компаниях. Все статьи можно найти по тегу #cactusmarketing . Корпорации имеют дело с обработкой большого количества данных, которые в том числе “скармливают” нейросети. Чтобы она могла обучаться и выводить нужные человеку результаты. Сначала, нужно понять, что такое большие данные. Согласно определению из википедии big data (большие данные) - это обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами, появившимися в конце 2000-х годов и альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence. Источником больших данных могут быть: - Все страницы в интернете на определенную тему (например, все блоги, посвященные приготовлению кексов) - Вся информация о транзакциях с карт клиентов в магазине для пекарей (или вообще все транзакции клиентов, совершенные в данном банке) - Информация с камер наружного наблюдения - Информация о покупках в сети крупных торговых центров И многое другое. Принципы работы с большими данными мы описывать не будем, но расскажем, как можно применять в числе прочих результаты проанализированных данных. Итак, примеры, которые уже используют на практике. С помощью системы распознавания лиц можно выяснить пол/возраст/ покупателей, данные поступают ежедневно и обрабатываются, и скажем, становится понятно, что основное ядро ваших покупателей - это мужчины от 35 до 55, которые носят модные прически и бороды и т.д. Что можно сделать дальше? В качестве простого варианта, можно выяснить, какую музыку поставить в зале, которая нравилась в молодости этому поколению. Ностальгия имеет замечательное свойство - покупатель вспоминает (часто бессознательно), как раньше было хорошо, какие были замечательные времена, немного расслабляется (в этом ему помогает приятная любимая музыка, которая подобрана не случайным образом) и становится более подвержен к трате денег. Кроме того, с помощью данных, полученных в ходе анализа лиц покупателей, можно выявить постоянных клиентов, которым в дальнейшем имеет смысл предложить персонализированную систему лояльности, основанную на их покупательском опыте в магазине. Также, можно посчитать уникальных посетителей за определенный период и конверсию посещений в продажи. А полученные результаты можно использовать для работы с персоналом и политикой ценообразования. А как вы считаете, полезно ли использовать нейросети в построении маркетинговых стратегий? Этично ли “вести слежку” за покупателями? Как вы относитесь к обработке персонализированных данных? Комментарии: |
|