Baixado 20 vezes
Carregado porE-commerce Brasil
AI, Machine Learning e BigData aplicado aos E-commerces
O documento discute como a Inteligência Artificial, Machine Learning e Big Data podem ser aplicados aos e-commerces. Ele explica como o Birdie usa essas técnicas para melhorar o conteúdo de produtos, como treinou modelos de deep learning para classificar imagens e textos, e dá exemplos de outras aplicações como precificação dinâmica e chatbots que podem aumentar o engajamento dos consumidores.
Mais conteúdo relacionado
Semelhante a AI, Machine Learning e BigData aplicado aos E-commerces
AI, Machine Learning e BigData aplicado aos E-commerces
- 1. AI, Machine Learninge BigData aplicado aos E- commerces Rodrigo Pantigas, Birdie
- 2. 13 anos noGrupo Arizona Head de Produtos e Tecnologia QUEM SOU EU? Pants, 32 anos, paulistano Rodrigo Pantigas CPO GetBirdie pants@birdie.com.br
- 3. O QUE FAZEMOSNO BIRDIE? DISTRIBUIÇÃO DE CONTEÚDO DE PRODUTO PARA O VAREJO INDÚSTRIA Indústrias e Varejos WORKFLOW DE ENRIQUECIMENTO DE CONTEÚDO DE PRODUTOS WORKFLOW DATA SCIENCE - PCaaS
- 4. • Muito rápidarevisão da origem e evolução da Inteligência Artificial (A.I.) • Compartilhar um pouco da nossa experiência usando A.I. para curadoria de conteúdo de Produto • Dividir algumas ideias de outras aplicações de A.I. no E-commerce DO QUE VAMOS FALAR?
- 5. Espera um pouco!!!Os robôs com inteligência artificial não vão aniquilar a humanidade? MAS ANTES…
- 6. TALVEZ ESSE FUTUROFAÇA MAIS SENTIDO…
- 7. Janeiro, 2018 Sundar Pichai,Google CEO: “A.I. is more important than fire or electricity” https://www.cnbc.com/2018/02/01/google-ceo-sundar-pichai-ai-is-more-important-than-fire-electricity.html
- 8. https://www.cnbc.com/2017/08/11/elon-musk-issues-a-stark-warning-about-a-i-calls-it-a-bigger-threat-than-north-korea.html Agosto, 2017 Elon Musk,Tesla CEO: “If you're not concerned about A.I. safety, you should be. Vastly more risk than North Korea.”
- 9. MUITO RÁPIDA REVISÃODA ORIGEM E EVOLUÇÃO DA INTELIGÊNCIA ARTIFICIAL https://aitopics.org/misc/brief-history Grécia antiga Mitos sobre robôs e seres mecânicos - Talos de Creta 1956 Termo “Inteligência Artificial” é cunhado pelo cientista John McCarthy, nos EUA. 1997 Deep Blue vence partida de xadrez contra Garry Kasparov 2011 Watson da IBM ganha partida do jogo Jeopardy, de perguntas e respostas, jogando contra dois campeões de edições anteriores
- 10. IMPORTÂNCIA DO CONTEÚDODE PRODUTO NO E-COMMERCE Conteúdo de Produto é fundamental para alimentar todas as soluções que fazem parte do ecosistemas do E-commerce Loja Campanhas de Marketing Search & recommendation SEO & media
- 11. PROBLEMAS NA GESTÃODE CONTEÚDO DE PRODUTO *2016 Shotfarm Product Information Report 76% Dos consumidores de e- commerce encontram informações inconsistentes de produto online* 78% Dos consumidores não confiam na informação de produto que eles encontram online*
- 12. QUAL O NOSSODESAFIO? Categorizar e consolidar ofertas Criar uma base de conhecimento de produtos para ajudar os varejistas a publicar conteúdo de produto de qualidade, melhorando seu SEO e aumentando as taxas de conversão
- 13. Aplicação e evoluçãodo Modelo Treinamento do Modelo AQUI APARECEU MACHINE LEARNING 1001010100110010010 1101101011101101001 0001001001001110101 101110110110101 Dados para treinamento Aprendizado Supervisionado Modelo Cognitivo Predição 1001010100110010010 1101101011101101001 0001001001001110101 101110110110101 Dados para validação Algoritmo Machine Learning Reforço Positivo ou Negativo
- 14. ENSINANDO O COMPUTADORA VER Deep Learning - Visão Computacional Criamos “Classificadores” TV Smartphone Geladeira Enviamos exemplos positivos e negativos para cada classificador… E treinamos o modelo com muitas imagens (os classificadores começaram a apresentar resultados minimamente adequados a partir de 50 imagens de referência)
- 15. ENSINANDO O COMPUTADORA VER Deep Learning - Visão Computacional Depois criamos “Classificadores” para as marcas Data Augmentation = Reaproveitar imagens e variar rotação, crop em diferentes níveis de zoom etc. Cria um número maior de referências a partir da base existente
- 16. ENSINANDO O COMPUTADORA VER Deep Learning - Visão Computacional Obtivemos bons resultados Mas ainda faltava acuracidade pra diferenciar um Smartphone Samsung J7 de um Samsung A7, por exemplo. "Classifiers": [ { “product_type": "TV", "score": 0.9864367, "topicality": 0.8875648 }, { “product_type": “Computer Monitor”, "score": 0.8989263, "topicality": 0.8989263 }, { "brand": “Samsung", "score": 0.8760832, "topicality": 0.8760832 }, "Classifiers": [ { “product_type": "Smartphone", "score": 0.9932123, "topicality": 0.8763548 }, { "brand": “Motorola", "score": 0.7446758, "topicality": 0.8894637 },
- 17. DADOS ESTRUTURADOS VSDADOS NÃO ESTRUTURADOS Informação de Produto Smartphone Motorola Moto G5s Plus 32GB - Platinum Dual Chip 4G Câm. Duo 13MP + 13MP Características de Produto
- 18. ENSINANDO O COMPUTADORA LER Deep Learning - Processamento de Linguagem Natural (NLP) Criamos “Entidades” Smartphone Motorola Moto Z2 Force Edition 64GB - Ônix Dual Chip 4G Câmera Dupla 12MP + Selfie 5MP
- 19. Smartphone Motorola MotoZ2 Force Edition 64GB - Ônix Dual Chip 4G Câmera Dupla 12MP + Selfie 5MP Smartphone Motorola Moto Z2 Force Edition 64GB - Ônix Dual Chip 4G Câmera Dupla 12MP + Selfie 5MP ENSINANDO O COMPUTADOR A LER Deep Learning - Processamento de Linguagem Natural (NLP) Criamos “Entidades” Cada entidade possui um dicionários de ocorrências e sinônimos (Samsung, SAMSUNG, Sansung, Sansumg) alimentado pelo aprendizado por reforço. Treinamos com muitos exemplos. PRODUTO MARCA MODELO ARMAZENAMENTO COR FEATURES
- 20. ENSINANDO O COMPUTADORA LER Transformamos dados não estruturados em tabelas chave/valor, fáceis de manipular Smartphone Motorola Moto Z2 Force Edition 64GB - Ônix Dual Chip 4G Câmera Dupla 12MP + Selfie 5MP "Entities": [ { “product_type”: "Smartphone", "score": 0.9864367, "topicality": 0.8875648 }, { “brand": “Motorola”, "score": 0.9889263, "topicality": 0.8989263 }, { “product_model”: “Moto Z2 Force Edition", "score": 0.9760832, "topicality": 0.8760832 }, { “storage_capacity”: “64GB”, "score": 0.9760832, "topicality": 0.8760832 }, Deep Learning - Processamento de Linguagem Natural (NLP) Smartphone Motorola Moto Z2 Force Edition 64GB - Ônix Dual Chip 4G Câmera Dupla 12MP + Selfie 5MP
- 21. ENSINANDO O COMPUTADORA ENTENDER SENTIMENTOS Analisando sentimentos no texto Positivo Neutro Negativo PRODUTO MARCA MODELO ARMAZENAMENTO COR FEATURES + Entidades Deep Learning - Processamento de Linguagem Natural (NLP)
- 22. ENSINANDO O COMPUTADORA ENTENDER SENTIMENTOS Analisando sentimentos no texto Deep Learning - Processamento de Linguagem Natural (NLP) + Social Media Fotos e vídeos Opinião do usuário Avaliações, críticas e reclamações Contexto social Review de Produtos Opinião dos consumidores Avaliações, críticas e reclamações
- 23. ENSINANDO O COMPUTADORA ENTENDER SENTIMENTOS Analisando sentimentos no texto Esse Nokia XPTO foi o melhor celular que eu ja tive. A bateria durava semanas. Texto de exemplo Deep Learning - Processamento de Linguagem Natural (NLP) Exemplos extraídos de: https://cloud.google.com/natural-language/
- 24. ENSINANDO O COMPUTADORA ENTENDER SENTIMENTOS Analisando sentimentos no texto Não recomendo o Nokia XPTO Texto de exemplo Deep Learning - Processamento de Linguagem Natural (NLP) Exemplos extraídos de: https://cloud.google.com/natural-language/
- 25. O QUE APRENDEMOSAO LONGO DESSA EVOLUÇÃO • Construir uma solução de Machine Learning leva muito tempo pra apresentar resultados relevantes; • Vai precisar de muitos dados pra treinar seu modelo cognitivo. Use técnicas de data-augmentation sempre que possível; • A solução nunca está pronta. Sempre surgem novas excessões que demandam o aprendizado por reforço; • Cuidado com palavras da moda. Entenda sua necessidade e como aplicar Machine Learning da forma mais adequada. Soluções mais simples ou mesmo outras técnicas podem ser mais adequados para cada caso; • Sempre tenha em mente o objetivo desejado. Machine Learning é só uma ferramenta para alcança-lo.
- 26. POR ONDE POSSOCOMEÇAR? Google Cloud Visão Computacional https://cloud.google.com/vision/ Processamento de Linguagem Natural https://cloud.google.com/natural-language/ Microsoft Azure Visão Computacional https://azure.microsoft.com/pt-br/services/cognitive-services/computer-vision/ Processamento de Linguagem Natural https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics/ TensorFlow Projeto OpenSource - Suportado pelo Google https://www.tensorflow.org/ IBM Watson Visão Computacional https://www.ibm.com/watson/services/visual-recognition/ Processamento de Linguagem Natural https://www.ibm.com/watson/services/natural-language-understanding-3/
- 27. OUTRAS APLICAÇÕES DEA.I. NO E-COMMERCE
- 28.
- 29.
- 30. OUTRAS APLICAÇÕES DEA.I. NO E-COMMERCE RECOMENDAÇÃO PERSONALIZADA https://hbr.org/2016/11/how-predictive-ai-will-change-shopping
- 31. OUTRAS APLICAÇÕES DEA.I. NO E-COMMERCE RESULTADOS DE BUSCA MAIS RELEVANTES https://www.visiture.com/blogs/artificial-intelligence-shaping- ecommerce-search/
- 32. Obrigado Rodrigo Pantigas CPO GetBirdie pants@birdie.com.br Dúvidasou comentários!?!
- 33. A.I., Machine Learninge Deep Learning além de serem palavras da moda, podem ser muito úteis se bem aplicadas. E terão um papel cada vez mais importante na evolução da tecnologia.
- 34. MAIS ENGAJAMENTO DOSCONSUMIDORES E MAIORES TAXAS DE CONVERSÃO RECOMENDAÇÃO PERSONALIZADARESULTADOS DE BUSCA MAIS RELEVANTES OUTRAS APLICAÇÕES DE A.I. NO E-COMMERCE