ビデオを見るか、カットの下のメモを読んでください。
人工知能技術に関連する多くのAviasalesソリューションは、ハッカソンから生まれました。 そして、最初のバージョンからのこれらのソリューションのほとんどは、具体的な成長とビジネスに良い結果をもたらします。たとえば、コンバージョンの増加やコストの削減などです。
人工知能の技術を使用するために、このプロにいる必要はありません。 ここでの秘密は簡単です。大企業はすでにすべてを行っています。 また、たとえば、GitHubにターンキーソリューションを投稿しました。ここでは、ニューラルネットワークとスマートライブラリを見つけることができます。
Konstantin Savchenkoは、人工知能に基づいたソリューションの作成を試みるために、Aviasalesがこれらのテクノロジーを使用する方法の7つの例を収集しました。
＃1チケットのパートナーの順序
チケット上のパートナーの順序は簡単な例ですが、一度機械学習とは何かを理解し始めるのに役立ちました。 これはAviasalesで見つけるチケットです。 特定のチケットについて、さまざまなパートナーが価格を提供します。
多くの場合、異なるパートナーからの価格は同じです。 オレンジ色の大きな[購入]ボタンを配置するパートナーを選択する必要があります。このボタンはほとんどのユーザーがクリックします。 もちろん、まず最初に最低価格を設定します。この方法でのみ機能します。 しかし、異なるパートナーからいくつかの低価格があり、それらが同じである場合、最良のものを選択する必要があります。
この場合、2つのパラメーターに焦点を当てます。 1つ目は、購入ボタンのクリックから購入への変換です。 2つ目は、特定のパートナーが支払う手数料です。 署名はそれぞれに対してコンパイルされ（下の画面を参照）、最初に最大限の効率でパートナーを識別するのに役立ちます。
すべてのパートナーは目標到達プロセスを改善したいので、多くの実験を行い、コンバージョンは定期的に変化します。 これを監視することが重要であり、これは自動化できる瞬間です。
5％のケースで、最良価格のパートナーではなく「購入」ボタンを押したが、他のすべてのパートナーを追い出し、コンバージョンが何であるかを調べたとします。 このプレートを更新し、生産性を再集計します。したがって、次のユーザーはすでにパートナーの新しい注文を確認しています。 システムは、パートナーから受け取ったデータから学習し、最適なソリューションを選択します。 これはすでに機械学習と呼ばれています。
＃2ホテルソート
チケットですべてが非常に単純な場合：価格で並べ替えて最初に一番安いものを置くことができる場合、このレセプションはホテルでは機能しません。
最も安いホテルを表示する場合、郊外のホステルである可能性が高く、ほとんど誰も気に入らないでしょう。 チケットの場合と同様に、すべてのホテルを順番に表示し、コンバージョンが何であるかを確認し、最適なホテルを選択します。 しかし、400万のホテルがあります。 私たちの誰もがこのテストの結果に満足していないのではないかと思います。 したがって、私たちは人工知能技術の助けに頼ります。
ターンキーソリューションもあります。 この場合、Yandexの男性によって作成された「スマート」ライブラリは、人工知能にまだ精通していない人のために作成されました。 ホテルには、価格、評価、レビューなど、ユーザーが選択する多くの特性があります。 入り口で、図書館にホテルのパラメーターを提供します。 コンバージョンをホテルの購入から表示まで転送することが判明しました。
このライブラリは何をしますか？ これらのデータに基づいて、彼女は同様のホテルがどのようなコンバージョンをもたらすかを予測しようとしています。 出力では、並べ替えとして使用できる変換予測を取得します。
この実験では、平均請求額が+ 17％増加しました。 このアルゴリズムは、他のホテルよりも高価なホテルを表示し始めました。したがって、人々はより高価なホテルを購入し始めました。
その他の指標とコンバージョンに関連するすべてのものが著しく増加しています：売り上げへのコンバージョン+ 6％、収益+ 19％。
＃3写真分析
パートナーから各ホテルの写真が多数提供されます。 しかし、それらに何が描かれているかはわかりません。 AIの品質と表示順序を知るにはAIが必要です。 写真の中にもそのようなものがあります：
この有名なヘアドライヤーは、どういうわけかモスクワで一番の問題になりました。 それが私たちがそれを理解しようと決めた理由の一つです。
膨大な数のライブラリがあります。 写真に描かれている場所を特定しようとする適切なものを見つけました。
すべての写真をこのライブラリに通し（トレーニングされたニューラルネットワークと呼ぶことができます）、結果が得られました。これは、ライブラリが写真で見るもののおおよその内訳です。
路上にあるのか、それとも中にあるのかを理解することが重要でした。 路上なら、私たちは主にプールに興味がありました。 内部にはベッド、トイレ、ホールがあります。
それから、まずユーザーがホテルの部屋を見るのは面白いと判断しました。 数字とは何ですか？ これは、写真が大きなベッドを示しているときです。 対処するのはそれほど難しくありませんでした。 私たちは何が起こったのかを手動で調べ始めました。すべてがクールに見えましたが、リゾートの目的地（特に大規模な観光）では、ベッドの写真が悪く見えました。 それは非常に貧弱な部屋で非常に貧弱なベッドでした。
この場合のパートナーと競合他社の行動を分析しました。 そのようなホテルのプールはいつも美しいので、彼らはプールの写真を見せます。 プールの美しい写真があるホテルを正確に提案し始めました。
このような問題を提起することで、手作業（フリーランスでトップ都市のホテルの写真を手に取った人を雇っていました）を取り除くだけでなく、コンバージョン率が+ 12％増加しました。
＃4レビュー分析
写真の美学とインテリアのスタイル-これは、私たちが考えたように、あなたが扱うことができる何か他のものです。 多くの場合、特性が非常に似ているホテルは、まったく異なるスタイルで作られています。 写真だけでなく、レビューによってインテリアがどこにあるかを知ることができます。
ユーザーは、インテリアが好きなことについてよく書きます。 たとえば、「ここは私の祖母のように素晴らしい部屋です。」 しかし、ユーザーは通常、モダンでスタイリッシュなホテルについて書いています。 彼らは場所、アトラクションの近さ、または窓からの眺めについて書きます。
ユーザーがホテルを検索する場合、まず自分に合わないものをすべて除外し、お気に入りにいくつかのオプションを残します。 そして、選択に影響を与える次のステップは、レビューをレビューすることです。 多くの場合、レビューが多すぎます。 スクイーズ、つまり最も重要なことを読むのはクールだと思いました。 このアイデアから始めました。
レビューの分析を専門とするパートナーを引き付けました。 彼らと一緒に、私たちはレビューから最も重要なものを引き出し、ホテルに置いたバッジの特定のセットを収集しました。
私たちは本当にこの機能を起動したかったので、夢見ていたのです。 しかし、人々は気にしないことが判明しました。 ホテルに美しいバッジを貼って、ホテルの主な利点を明らかにしました。 しかし、これは変換と数値に影響しませんでした。
＃5チケット価格
Aviasalesで働いている間ずっと、膨大な量のデータを蓄積してきました。 そして、私たちの仮説は、出発前に残された時間に応じて、またはこの出発日に何日にチケットの価格が変化するかという関係があるということでした。
これは、ハッカソンプロジェクトの1つでもありました。そこでは、すぐにクールな結果を出し始めたソリューションを開発しました。
この決定のおかげで、データを保存し始め、実際のデータがなかった場所、価格、日付を価格カレンダーに記入し始めました。
これは非常に高い精度で機能します。価格の10％だけが間違っています。これは、膝の上で作られたソリューションの良い指標のようです。
予測で他に面白いものは何ですか？ 多くの場合、チケット価格の下落を待つか、今すぐ購入するかを決定します。 したがって、ユーザーに「今すぐ購入」または「待つ」ためのヒントを作成し始めました。 通常、チケットの価格は上昇するだけなので、90％のケースで「今すぐ購入」と言います。 ここでのユーザーの信頼は最小限でした。
以下は、私たちがやろうとしていることのレイアウトです。 予測に従って価格がどのように変化するかのグラフを表示します。 これにより、より多くのユーザーの信頼が得られると期待しています。
＃6ホテルのキャンセル予測
ほとんどのユーザーは返金不可のチケットを購入し、ユーザーがチケットを購入したという事実は最終取引と見なすことができます。
別の方法でホテルの場合; 収益の割合は高く、ここで稼ぐ金額を計画することが重要です。 そのため、予約までの残り時間と過去のユーザーアクションに基づいて、キャンセルの割合と価格を予測します。 これは計画に役立ちます。
＃7トラフィック品質評価
ほとんどの場合、人々は年に2回旅行します。 したがって、彼らがアプリケーションをインストールするとき、彼らが今チケットを買わないということはまったく事実ではありません（そしてこれは正常です）。 ただし、トラフィックソースの質を評価することは依然として重要です。 ユーザーの最初のアクションによって、ユーザーが購入する可能性を予測しようとしています。
7つの例
- 選別パートナー;
- ホテルの並べ替え;
- 写真分析;
- レビューの分析;
- 価格予測;
- キャンセル予測;
- トラフィック推定。
最初の3つのポイントに注目してください。 これらの点のおかげで、私たちは人工知能技術の導入が非常に簡単であることを学んだと思います。 開発者を連れて、1日の調査に費やすことをお勧めします。
自動化できると思われるタスクがある場合。 あなたがする必要があることはあなたの前に既に行われているという大きなチャンスがあります、あなた自身にそれを適用することは多くの時間を要しません。
製品マーケティングに関するその他のレポートは、 @ epicgrowth Telegramチャネルで見つけることができます。
スピーチの転写はvc.ruで公開されました。