Așteptările consumatorilor sunt mai nou ca niciodată, deoarece o nouă generație de cumpărători caută să cumpere experiențe mai degrabă decât mărfuri. Aceștia se așteaptă la clienți instant și foarte personalizați (pun destinat?) Pentru clienți și recomandări pe orice canal de vânzare cu amănuntul.

Pentru a fi de perspectivă, brandurile și comercianții de retail apelează la start-up-uri în recunoașterea imaginii și învățarea automată pentru a ști, la un nivel foarte profund, care sunt contextul actual și preferințele personale ale fiecărui consumator și cum evoluează. Dar, în timp ce mărcile și comercianții cu amănuntul stau pe cantități enorme de date, doar o mână îl valorifică la maxim.

Pentru a oferi hiper-personalizare în timp real, un brand are nevoie de o înțelegere profundă a produselor sale și a datelor clienților. Imaginează-ți un caz în care un cumpărător răsfoiește site-ul pentru o rochie edgy și brandul poate recunoaște contextul și preferințele cumpărătorului în alte caracteristici precum stilul, potrivirea, ocazia, culoarea etc., apoi folosește aceste informații implicit în timp ce preia rochii similare pentru utilizator. .

O altă situație este aceea în care cumpărătorul caută haine inspirate de bloggerii lor de modă preferați sau influențarii Instagram folosind imagini în locul căutării de text. Acest lucru ar reduce timpul de descoperire a produsului și ar ajuta marca să-și construiască o experiență hiper-personalizată pe care clientul o răsplătește cu loialitate.

Datorită cantității mari de produse vândute online, cumpărătorii descoperă în primul rând produsele prin categorie sau navigare bazată pe căutare. Cu toate acestea, neconcordanțele în metadatele produsului create de furnizori sau merchandiseri duc la rechemarea slabă a produselor și la experiențele de căutare rupte. Aici recunoașterea imaginilor și învățarea automată pot analiza în profunzime seturi enorme de date și un sortiment vast de caracteristici vizuale care există într-un produs pentru a extrage automat etichete din imaginile produsului și pentru a îmbunătăți precizia rezultatelor căutării.

De ce recunoașterea imaginii este mai bună ca niciodată?

comerț cu amănuntul și informații artificiale

În timp ce vederea computerului a fost în jur de zeci de ani, aceasta a devenit recent mai puternică, datorită creșterii rețelelor neuronale profunde. Tehnicile de viziune tradițională au pus bazele învățării marginilor, colțurilor, culorilor și obiectelor din imaginile de intrare, dar au necesitat o inginerie umană a caracteristicilor care trebuie privite în imagini. De asemenea, algoritmii tradiționali au considerat că este dificil să facă față schimbărilor de iluminare, punct de vedere, scară, calitatea imaginii etc.

Învățarea profundă, pe de altă parte, preia date masive de instruire și mai multă putere de calcul și oferă puterea pentru a extrage caracteristici din seturi de date nestructurate și a învăța fără intervenție umană. Inspirată de structura biologică a creierului uman, învățarea profundă folosește rețele neuronale pentru a analiza tiparele și pentru a găsi corelații în date nestructurate, cum ar fi imagini, audio, video și text. DNN-urile se află în centrul resurgenței AI de astăzi, deoarece permit rezolvarea și rezolvarea problemelor mai complexe cu o precizie mai ridicată și o ajustare fină mai greoaie.

De câte date de instruire ai nevoie?

Sursa articol

LĂSAȚI UN MESAJ

Please enter your comment!
Please enter your name here