オンラインストアのニューラルネットワークの強化された正則化-...を使用して

アインシュタインの祖父にウィンクし、ナパームで彼のかばんを調整し、正規分布の法則でスタイリッシュな黒のTシャツをなめらかにしました。目を閉じた？」 喜びに満ちた「アハ:-)」を受け取った戦闘機は、人類の啓発と日常的な労働の削減のために行われた仕事に対して精神的にジョンネイピアに感謝し、トリガーを元気よく押しました。

アルバートアインシュタインは、常にアナリストに高度なアルゴリズムを実装するよう促しました

5分後、かばんの中の燃料はすでに終わっていて、暑くなくともかなり暖かかったが、同僚（？）は何も気づかず、ソーシャルネットワークの投稿の下でいいねを数え続けた。

「これは集中です」とアナリストは考え、ミニガンを取り込んでCRMのカスタマーサービス部門に入りました。 「みんな、新年のプレゼントの数で顧客をセグメント化します。「クラスター化」という言葉は額に頭を痛め始めますか？」 「 解約率とCLVを心に留めておくように教えます」と答えを待つことなく、アナリストは一歩前進し、魔法の思考、迷信、 スチームパンクの雰囲気に落ちました。

スチームパンクは応用科学に関するもののようですが、よく見ると魔法、純粋な魔法です！

先はコンテンツ管理部門であり、新しい効果的なアルゴリズムを普及させるためのツールのうち、量子消滅器と古いものが残っていましたが、BMWスタイルの良い音色であるチェーンソーがありました。 アナリストは信頼できるファイティングガールフレンドを選択し、コンテンツ部門のドアを静かにたたいて、罪悪感を持って入力し、「アマゾンとアリエクスプレスで購入し続けます-はい！」、「オンラインストアのカタログでパーソナライゼーションを使用しないでください。 ABテスト-もちろん、まだ何か販売中です！」 「力が私たちと共にあるように」-これは、エンジンの音がそれをかき消し始める前に、森の秩序の唇から聞こえた最後のものです...

実装の手段からすると、テーブルの下にはまだ秘密の箱がありました...開発部門。 それは彼のために作られた秘密兵器であり、効率の点で量子消滅器を超えていました。箱の中の良いビールは誰にとっても余裕を持って十分であり、生産中のオーバークロックケラスの微妙さを武器で親愛なる兄弟と議論したときにクッキーが味わうようになりました。 日-成功！

「インタビューのためのデータサイエンティストがいます」と彼は、昼休みにソファに隠れて多次元空間の征服者を聞き、目が覚めました。 なんて奇妙な夢、なぜそうなるのでしょうか？ そうそう、オンラインストアにニューラルネットワークを導入しています-要点です！


「なんて奇妙な夢を見たんだ」とアリスは考えて、お茶に遅れないように家に走りました。

なんで？ ）投稿の問題は単純です。最新の機械学習技術により、オンラインストアが低コストでより多くの利益をもたらす方法です。 そして、店主と従業員を説得する方法-それらを使用してください！ （そして手は再び武器に手を伸ばす）

ソフトウェアはかつてないほど近く、アクセス可能です

一方では、今ではかつてないほどアクセスしやすく、ラピッドプロトタイピングと、原則として、オンラインストアビジネスをより収益性の高い、ひげを生やした、口ひげを生やした、活気のある機械学習方法を実装する 準備ができています。

極度の喜びを愛する-はい、「pip install」してください。コーヒーを注いでいる間、すべてが分析用ラップトップにインストールされているので、ニューロンを上げて少量のデータを訓練できます。 結果を数パーセント改善します。

モデルが役に立つと確信し、多くのデータが期待される場合-より冗長な言語でもう少し時間を費やし、 本番環境での高速な作業を保証する近い結果を得ることができます。

一般的に、今ではすべてがテクノロジーで非常にアクセスしやすくなり、考える必要はありません-テンソルとGPUのサポートで既製を行い、Pythonでのスレッドに対応するスレッドをラップトップで分析し、戦闘からsshプロキシを構成し、クライアント向けのサービスを実装します。

利益を増やす可能性のあるオンラインストアのアルゴリズム

ここのすべてもバラ色でアクセス可能です。 それぞれを見ていきましょう。

個人的な推奨事項

データが比較的小さい場合-Sparkで既製のマトリックスコンプレッサーを使用すれば完了です。 大量のデータがある場合は、 それらのメモリを固定して、従来の共同フィルタリングを実行できます。
新鮮でおいしいものから、GPUを備えたクラスターの予算があります。AmazonDSSTNEの準備を試みることができます。 ここでは、同僚が古典的なノイズ除去オートエンコーダーをトレーニングします。これにより、クライアントの個人的な推奨事項が「復元」されます。 モデルはフラットですが、マトリックスは異なるコア/マシン上およびC ++上で断片的に増加し、 TensorSLOWははるかに船外に残ります。


Amazon DSSTNEは、ユーザーの製品の非常に長いベクトルから、はるかに短い分散表現 （製品のカテゴリ/サブカテゴリのセット）を受け取り、ユーザーへの製品の推奨の「完全な」ベクトルに展開されます。

コンテンツベースの推奨事項については、最初に既製の検索エンジンを使用してから、 Word2VecまたはGloVeで始まる単語やフレーズの「意味ベクトル」の方向を見ることができます。

高度な検索エンジン

ここでは、 セマンティックランキングを使用して、古典的な検索アルゴリズムを改善できます。 額にDSSMを使用してYandexの実験を繰り返そうとしないでください。ニューラルネットワークの入力ディメンションを見て、この宇宙への飛行に必要な鉄の量と種類を計算してください。

チャットボット

チャットボットに必要な質問に答えるように教えるには...頭と手に多くの作業が必要です。 これを行う最も簡単な方法は、... MySQLのようなベースに格納されている正規表現と1次述語です。 また、米国への飛行機の予約チケットのスタイルのパラメーターを使用して金型を作成することもできます。 そして、「ニューラルネットワークでチャットボットを作成する方法」という一般的な質問に答えます。これに応えて、ヒステリックに笑い、有名な教授の 有名な小冊子から葉を切り取り、自己ロールを接着し、質問者の顔に8を解放します（無限の象徴）。

技術サポートの自動化

ここでも、よく知られた実装の完成した物語です。 2つの問題があります。ストアの言語で大量のダイアログが必要であり（ロシア語の場合、状況は依然として嘆かわしいです ）、新しい質問が届いた場合（はい、はい、同じ一般化 ）、無関係な回答がRecall @ 5に入ります。 これまでのところ、ニューラルネットワークはほとんどの場合に役立ちますが、たまに人間よりもうまく機能することがあります（このためには 、訓練によって殺す必要があります）。

次のベストオファー

ここでは、オンラインストアの購入者の内部サイクルを追跡し、重要なポイントで購入するものを提供できます。 たとえば、バイヤーごとにロイヤリティサイクルを維持します。 ひげを生やしたマルコフモデルから現代的で効果的なリカレントセルまで、多くのアルゴリズムがあります。

顧客クラスタリング

ここでも、すべてがすぐに準備でき、数分で簡単に展開できます。 顧客のターゲットグループを特定し、パーソナライズされた推奨事項で攻撃することができます！

これまでのところ、これらのアルゴリズムの一部をコンテンツベースの推奨事項と共同フィルタリングという製品に実装しています。 さて、それが戦いの始まりです。

しかし、アルゴリズムが機能することをどのように証明するのでしょうか？

ここでは、すでにより興味深いものになっています。

• ここであなたのオンラインストアでスマートpythonists-datasainists-analysts でスマートに登場...
• それで、あなたは1週間で上記の人気のあるアルゴリズムの基本モデルを稼働中のラップトップで上げました...
• クライアントにパーソナライズされた推奨事項を提供し、クラスターで電子メールを送信し、「拒否するのが難しい」ときに顧客に製品を提供し始めました...

そして...そして来て！

それが優れていることと、賢い人に割り当てられたリソース、多くの賢い曖昧な言葉、さらにmatplotlibのもっと曖昧な写真が報われる-それは難しい、非常に難しいことが判明しました。


アナリストのラップトップでの怖くてわかりにくい写真

「個人的な推奨事項が機能することを証明する方法」というトピックに関する賢明な記事とテクニックは、 GANトピックやディープニューロンを使用したポルノ画像の生成に関する魅力的な記事よりも桁違いに小さいです。 そして、NetFlixが書いていること、同僚が粗野な経験主義、誠実な信仰、ブードゥー教の呪文を使って推薦システムを測定し改善する方法を理解すると、とても楽しくなります）

実際、すべては「信仰」と徹底的かつ継続的なABテストに要約され、一部のクライアントは訓練されたモデルを通過し、一部は機械学習アルゴリズムを通過します。

継続的なフィードバック-必須

コンテンツのパーソナライズの強度は常に増加していることがわかります。 業界の巨人はスマートフォンを通じて集中的に私たちを監視しており、明らかに、しかし証明可能ではありませんが、スマートデータ分析アナリストとGPU で収益とコストを増やすコンテンツのパーソナライズは正当化されると確信しています。

私たちが知っている巨人は広告から生きています。 ターゲットを絞るほど、利益は大きくなります。 だからこそ、彼らだけでなく、よく知られているすべてのIT企業が、データ分析と機械学習アルゴリズムを使用して製品を宣伝することにますます投資しています。

機械学習の有無にかかわらず、クライアントのコンテンツパーソナライゼーションの有効性を常に制御する要件と、実際のデータでトレーニングされたモデルの平凡な品質管理は、既成の研究とオープンを使用するよりも、実装のためのボリュームとリソースがさらに大きい別のプロジェクトですアクセスアルゴリズムとフレームワーク。

それだけではありません。 ご存知のように、（以前よりも）作業を開始および停止できるアルゴリズムの作業を比較するには、マーケティング部門から顧客サービス部門まで、すべての構造部門での変換とABテストの継続的な測定が必要です。 そうでなければ、美しいモダンで高価な（特にGPUでニューラルネットワークを使用する場合）、愚かなおもちゃと理解できない言語を話すチームの達人を手に入れるでしょう。

結論 出発列車でオンラインショッピングジャンプを開始する方法は？

1. 大規模な市場のプレイヤーが、コンテンツをパーソナライズするために機械学習を使用することで利益の成長を長い間計算しており、この分野を積極的に開発し、最高の頭脳を使い、最高のハードウェア（GPU）を活用していることが明らかになったことを願っています。 昼間のオープンアクセス効率のトピックに関する情報を見つける方法はありません。 しかし、会議でのレポートから判断すると、およそ10個のモデルのうち1〜2個が離陸し、コンバージョンを増やすだけでなく、競合他社を迂回して、顧客に近づくことができます。
   
   
2. 変換を透明で体系的な方法で測定し始めるまで、機械学習を使用したパーソナライゼーションは、ビジネスプロセスを助けたり、さらには複雑にしたりすることはほとんどありません。
   
   
3. 明確で一定のコンバージョンメトリックを作成した後、オンラインストアの変更を手動で行うシステムABテストの実施方法を学習します（メインページのデザインが変更され、注文ウィザードのロジックが変更されました）。
   
   
4. あなたの目標がマーケティング部門を次の宇宙のスピードに導くことであるならば、仕事が顧客のメールアドレスでどのように進んでいるかを見てください：優れているか知性や他のデータによって。 プロセスを自動化できる場合は、実行してください。 次に、マシンクラスタリングを使用してセグメンテーションを行い、テスト配布を行い、ABテストを使用して結果を確認します。
   
   
5. 顧客サービス部門を火星の軌道に乗せることが目標である場合、同様にクライアントのリストがエクセルまたは通信にないことを確認してください。 最小-CRMにある必要があります。 次に、基本的な手法（ベイズ分類器、ロジスティック回帰）の助けを借りて、ABテストを有効にして、CLV分析を使用してチャーングループおよび魅力的なクライアントで作業を開始します。 慎重に検討し、スマートアナリストを雇います-実装されたモデルが顧客へのオファーの変換と関連性を改善したことを確認する方法。 これははるかに複雑になる可能性があります-すべてをまとめてより早く行うよりも:-)秘密に：変換ははるかに高くなりますが、アウストラロピテクスにそれを証明することはノーベル賞の申請です。
   
   
6. 持続可能な結果を​​得て、オンラインストアの構造部門で基本プロセスを構築した後、ニューラルネットワークを使用してアルゴリズムの品質を向上させるか、データ分析からより価値のある専門家を引き付けることを既に考えることができます。

測定できるもののみを改善できることを忘れないでください！

そして、もし違う方法で？

残念ながら、ほとんどの人は変更を好まない。 そのように機能し、その20年前に機能し、「誰もがそれを行う」なら、だれが5％改善するでしょう。 会計部門が「フィッシャー判別分析」を実施することを提案したことは、あなたが達成できる最大のことは、賢い男性を愛する最も活動的な女性のホルモンの生産を増やすことです。 しかし、基本的に、彼らは静かにあなたを憎むでしょう:-)おそらく、余分な5％のコンバージョンと利益を放棄しない唯一の従業員は営業部長ですが、機械学習を使用してパーソナライズされたコンテンツが重いことなく動作することを彼に証明することはできません薬 。 AIなしで20年間販売する人々を説得するには、ピンクの猫と緑の子犬の形でABテストを行うことによってのみ、サイトで継続的にテストできます。 彼らは時々、フィズマタの白い絵の女の子が助けて、すべての正確な測定の楽しさを議論し、常に助けていると言います-しかし、これらの女神を見つけることは非常に困難であり、自分の脳の仕事よりもソーシャルネットワークに精通している女神がはるかに多くいます。


ハードドラッグが販売担当者にコンテンツのパーソナライズを使用するように説得する可能性はほとんどありません。

まとめ

一般に、新しいパーソナライゼーションと予測マーケティングテクノロジーをオンラインストアに導入するための100％レシピに取り組んでいる同僚はいません。 間引きが役立つ場合があります。 時々-投稿の最初から目覚める夢。 しかし、もちろん、忍耐と愛をもって行動する方が良いです-予算が割り当てられている場合:-)経験から、あなたは上からの助けとサポートと明確に定義された目標が必要です：コンバージョンを増やし、それを絶えず測定し、測定します。 あなたのグリップを緩めてください-あなたは高価なおもちゃと新しい未知の単語の束を残されます。 みなさん、そしてこれからの皆さん、幸運を祈ります-新しい年にABCDEテストをもっと続けてください！