Mis on süvaõpe ja millised on e-kaubanduses süvaõppe rakendamise eelised?

Enne seda, kui räägime viisidest, kuidas süvaõpe võib teie veebipoele kasuks tulla, vastame küsimusele:

Mis on süvaõpe?

Süvaõpe on masinõppe haru, mis loodi selleks, et aidata meil võrreldes tavalise masinõppega kasutajate käitumist mitmekülgsemal moel mõista ja jälgida. Selle kaudu suudab masin kasutajate tegevusi ja trende prognoosida ning ette aimata, andes seeläbi vajalikke soovitusi enne kui neid isegi küsitakse. Süvaõpet saab kasutada ka paljudel teistel viisidel, kuid selle artikli huvides keskendume sellele, kuidas see konkreetselt e-kaubandust ning teie ja teie klientide igapäevaelu mõjutab.

Süvaõpet nimetatakse ka näiteks struktuurseks süvaõppeks, hierarhiliseks õppeks või masin-süvaõppeks. Süvaõpe põhineb algoritmide kogumil, mis üritab andmetes kõrgetasemelist abstraheerimist jäljendada. Sisuliselt kogub see kokku kogu saadaoleva teabe ning rakendab muutujate kogumit. Igal muutujate kogumil on erinev tulemus sarnaselt filtreerimissüsteemile, mis eraldab üksuseid konkreetsete kriteeriumite põhjal. Süvaõppes läbib see mitmeid tasemeid ja paljusid erinevaid muutujaid, võimaldades algoritmil rakendada mitmeid töötlustasemeid, mis koosnevad nii lineaarsetest kui mittelineaarsetest teisendustest.

Selle põhjal toimivad ka selliseid keerukaid tehnoloogiad nagu näo- ja hääletuvastus. Just tänu süvaõppele on võimalik nutiseadmetes Google’i (või Siriga) rääkida. Arusaadavalt on sedasorti tehisintellektil (sest seda see ju baastasemel on) turundus- ja müügimaailmas tohutuid implikatsioone.

Kuidas süvaõpe toimib?

Ehkki süvaõpe on ülimalt keeruline ja tehniline protsess, saab seda kokkuvõtvalt võrrelda inimese ajuga (lõppude lõpuks on tegu ju õppimisega, mis harilikult toimub ajus). Wikipedia kirjeldab seda nii:

„Süvaõppe algoritmid teisendavad oma sisendandmeid rohkemateks kihtideks kui pinnapealse õppe algoritmid. Igal tasemel teisendatakse signaali keskseadme poolt sarnaselt kunstlikule neuronile, mille parameetreid koolitamise käigus ’õpitakse’. Teisenduste ahelat sisendist väljundini märgitakse terminiga credit assignment path (CAP). CAPid kirjeldavad sisendi ja väljundi vahelisi võimalikke kausaalseid ühendusi ning nende pikkus võib varieeruda.“

Sisuliselt tähendab see, et süvaõpe võimaldab masinal mõista, millised külastaja käitumise aspektid on programmeerija määratletud konkreetsete eesmärkide saavutamiseks kasulikud, isegi kui eraldi vaadatuna ei paista külastaja käitumisel lõpptulemusega mingit seost olevat.

Kuidas süvaõpe e-kaubandust mõjutab?

Mobiilse e-kaubanduse kaudu muutuvad kättesaadavaks tohutud andmehulgad. Need andmed on võimaldanud süvaõppe algoritmidel ostja teekonda jälitada ning tänu sellele on meil (tegelikult meie masinatel) võrdlemisi selge arusaam sellest, milliseid tooteandmeid ostjad otsivad, kui nad erinevate asjade ostuotsuseid langetavad. Kuna masinad suudavad mahutada ja omavahel seostada korraga tohutuid teabekoguseid, on nad võimelised prognoosima, milliseid oste tarbijad enne otsuse langetamist tõenäoliselt teevad.

See tähendab, et kasutaja tegevuste põhjal suudab teie e-pood pakkuda ostjale just talle huvipakkuvaid ostuvariante, tuginedes eelnevalt vaadatud teiste toodete kirjeldustele, iga toote vaatamisele kulutatud ajale ning sellele, mida klient enne ja pärast iga toote vaatamist tegi. See arvestab isegi kellaaja ja vaataja asukohaga ning tema soo ja muude asjasse puutuvate andmetega, mis masinale kättesaadavad on.

Näiteks

Oletame, et Mari külastab veebipoodi ja vaatab siniseid naiste jooksujalatseid. Need jalatsid on küll ilusad, kuid ei vasta päriselt ta soovidele. Ta soovib jalatsit, mis jalavõlvi rohkem toetaks. Mari õnneks kasutab veebileht süvaõppe algoritme. Kui Mari jalatsi pildi avab, pakutakse talle sirvimiseks visuaalselt sarnaseid tooteid.

Toodete soovitamisel analüüsiti Mari avatud pilti ning tema teisi tegevusi veebilehele sisenemisest alates. Algoritm soovitas talle teisi sarnast värvi ja sarnase kujuga jalanõusid.

Süsteem toimib sisendi-väljundi süsteemi põhjal, kusjuures Mari tegevus ja eelistused toimivad sisendina ning talle soovitatud jalatsid väljundina. Mari avatud kujutise pikslid on sisendiks, mis annab süsteemile signaali üritada leida sarnaseid andmekogumeid. See on tegelikult väga lihtne.

On ilmselge, et see pole mitte ainult suurepärane viis toodete turundamiseks, vaid ka klienditeeninduse pakkumiseks ilma, et keegi peaks ise kohal olema. Klient leiab oma otsitud tooted hõlpsalt üles, talle esitatakse mitmeid variante ning kogu vajalik teave on tal käeulatuses. See muudab sisuliselt teie veebipoe virtuaalseks klienditeenindajaks.

See tähendab aga, et teie veebilehe visuaalne terviklikkus on ülioluline. Pildid peavad olema väga selged ning hõlpsalt vaadatavad, kusjuures kogu vajalik teave peab olema laetud hüperpildi redaktorisse.

Teile kui turundajale tähendab süvaõpe rohkem võimalusi konversiooni suurendamiseks ning positiivsete ostukogemuste kaudu oma tootemargi imago parandamiseks. Vähe sellest, et kliendile kuvatakse talle suunatud isikupärast sisu tema poolelioleva ostutehingu kohta, pakutakse talle ka seotud tooteid, millest ta tema varasemale käitumisele tuginedes suure tõenäosusega huvitatud on.