5 примеров использования машинного обучения в бизнесе

Рынок машинного обучения стремительно растет — в 2016 году его объем преодолел отметку в $1 миллиард и, судя по прогнозам, к 2025 он увеличится до $39,98 миллиарда. Откуда такой рост? Как оказалось, буквально отовсюду. Технология машинного обучения была изобретена в 1959 году, но крупные компании осознали ее потенциал относительно недавно. В ближайшие годы ей будут пользоваться все — от самых успешных фирм до небольших частных компаний.

Прежде чем использовать машинное обучение в бизнесе, нужно разобраться с возможными вариантами его применения. Вот несколько примеров от современных крупных компаний из самых разных сфер.

Target: прогнозы событий в жизни покупателя

Большинство компаний проводят промоакции, приуроченные к праздникам или смене сезонов. В июле действуют скидки на лопаты для чистки снега, а в июне на крем от загара. Но жизнь покупателей тоже может меняться, словно погода. Например, не стоит предлагать человеку приобрести автомобиль, если он недавно уже купил машину. Лучше показать ему рекламу автострахования. Машинное обучение способно отслеживать эти перемены в жизни покупателя и выдавать подходящие рекомендации в нужное время.

Twitter: отображение идеальной картинки

Всякий раз, когда пользователь выкладывает фотографию в Twitter, он хочет, чтобы другие ее увидели. Но если 90% превью показывает пол или стену, никто не будет на нее кликать. Twitter решила эту проблему с помощью нейросетей, которые создают миниатюру изображения так, чтобы в центре оказался его самый важный и интересный элемент.

Apple: создание идеальной совместимости

Любой человек, у которого есть несколько продуктов Apple, знает, как хорошо эти устройства взаимодействуют друг с другом. Теперь же техногигант хочет использовать машинное обучение, чтобы создать еще более безупречный опыт для своих клиентов. Например, судя по недавнему патенту, Apple Watch смогут рекомендовать плейлисты из iTunes, которые идеально подойдут вашему сердечному ритму.

Любая компания, которая работает с интернетом вещей, может использовать подобную технологию. Подключение нескольких устройств с одинаковым набором данных для обучения, сможет улучшить качество анализа, а значит и опыта клиента.

Alibaba: персонализация пользовательского опыта

Китайской торговой площадкой Alibaba пользуется 500 миллионов человек, то есть больше всего населения США. Каждый из этих клиентов проходит на сайте индивидуальный путь от поиска товара до покупки. Как Alibaba отслеживает все эти 500 миллионов путей и направляет своих пользователей? Разумеется, с помощью машинного обучения.

Искусственному интеллекту Alibaba может позавидовать любая электронная торговая площадка. Виртуальные витрины подстраиваются под каждого покупателя. Поиск выдает лучшие варианты. А чат-бот Ali Xiaomi может разобраться с большинством обращений в техподдержку. Каждый элемент бизнеса Alibaba разработан как будто бы специально для взаимодействия с пользователем и каждое действие клиента позволяет алгоритмам лучше узнать, чего тот хочет.

Spotify: идеальные рекомендации

В 2017 году шведская компания Spotify приобрела два стартапа по машинному обучению и вскоре начала незаметно тестировать его в своем популярном сервисе музыкальных рекомендаций.

В декабре прошлого года колумнист издания Mashable заметил в ленте еженедельных музыкальных подборок Discover Weekly кнопки лайка и дизлайка. В итоге даже сама компания удивилась результатам, которые принесла новая функция — она подбирала для пользователей удивительно хорошие рекомендации. Похожие сервисы, например, от Apple, так и не смогли произвести такого впечатления, как Spotify.

Разумеется, машины не могут узнать о компании или ее клиентах абсолютно все. Но Apple, Spotify, Alibaba и другие фирмы уже раздвигают границы возможностей. С помощью машинного обучения становится все проще совершать технологические прорывы, а это значит, что предпринимателям пора показать крупным компаниям, что они тоже на что-то способны в этой сфере.

Источник: Rusbase