ИИ научился прогнозировать, какие товары покупатель закажет в ближайшее время
Новую разработку в сфере онлайн-торговли не только протестировали, но уже и презентовали на международной конференции по рекомендательным системам ACM RecSys. Об этом сообщает Forbes. Большой форум светлых умов прошел осенью этого года в Сингапуре. Ученые Tinkoff Research дали своему «детищу» емкое название — Time-Aware Item-based Weighting. Если кратко, TAIW.
Новая рекомендательная система TAIW настолько умна, что заранее знает, когда именно у человека закончатся продукты в холодильнике, и предложит ему купить их в нужный момент. Алгоритм анализирует не только предыдущие покупки клиентов и схожие предпочтения других пользователей, но и временные интервалы между покупками, индивидуальные для разных пользователей, с гордостью сообщили в Tinkoff Research.
Вот, например, человек может покупать какой-то товар в определенный день. Например, он привык себя баловать сладостями каждую третью субботу месяца. В остальные же дни рекомендации этого продукта или схожих товаров не актуальны для сладкоежки, несмотря на то, что он неоднократно покупал их раньше. И если раньше подобные данные редко учитывались рекомендательными системами, то новый алгоритм TAIW учтет даже режим питания покупателя.
Систему уже протестировали на базе онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW признали самым эффективным методом среди аналогов в задаче next basket recommendation (NBR), которую решают все онлайн-магазины, за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Алгоритм повышает точность рекомендательной системы до 8%.
Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на контроль домашних запасов и выбор новых товаров. TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент.
Сергей КолесниковРуководитель Tinkoff Research
Как считают эксперты, инновации в области рекомендательных систем могут быть особенно полезны для сферы e-com. Маркетологи, владея информацией о будущих желаниях потребителей, могут заранее запускать подходящие рекламные кампании и спецпредложения в моменты наибольшей вероятности покупки.
Предугадывать предпочтения потребителей — мечта онлайн-ретейлеров.
Я часто забываю добавить в корзину продукты, которые покупаю редко, например поваренную соль или бытовую химию. Если за меня это сделает рекомендательная система — буду рад.
Дмитрий КиселевНаучный сотрудник Института искусственного интеллекта AIRI
Изобретение Tinkoff Research уже вызвало бурное обсуждение специалистов, изучающих возможности ИИ. Однако пока патентовать разработку создатели TAIW не планируют, назвав проект своим вкладом в научную культуру. Не собираются в Tinkoff и монетизировать алгоритм. Во всяком случае в ближайшее время рекомендательную систему не будут продавать участникам рынка e-com в России. В планах компании — применять TAIW в собственном сервисе ежедневных покупок «Тинькофф Город». Кроме того, улучшенной рекомендательной системой смогут пользоваться партнеры «Тинькофф Города».
*фото на главной странице с сайта freepik.com
Лучшее в блогах
Вам понравится
На полках российских супермаркетов среди разнообразия прозрачных бутылок легко заметить продукты бренда Fresh Bar. Их выделяет не столько название, сколько непрозрачная упаковка, которая занимает всю поверхность бутылки. В то время как многие производителей делают наклейки на бутылках со своим напитком небольшими, Fresh Bar уже несколько лет успешно следует противоположной стратегии, превращая свою упаковку в ключевое коммерческое преимущество.
Представьте, у вас есть база из сотен документов — инструкции, регламенты, технические описания. Чтобы найти в ней нужную информацию, сотрудники копаются в папках, переспрашивают коллег и… теряют часы впустую. Так работает множество компаний.Проблема не в людях и не в документах. Проблема в поиске. Он не понимает, что мы хотим найти, ищет по словам, а не по задаче. А бизнес теряет на этом миллионы. Расскажем, как крупные компании уже решают эту проблему с помощью ИИ-поиска и оптимизируют тысячи рабочих часов в год.
На ADPASS вышел материал «АРИР: ИИ превратился из технологии будущего в инструмент настоящего» о нашем выступлении на НРФ’9, где мы помогали презентовать трендбук по ИИ с прогнозами на 2026–2027 годы: https://adpass.ru/arir-ii-instrument-nastoyashchego-trendbook-2026–2027/. Делимся главными трендами 2026 года из публикации в СМИ и цитатами нашего эксперта — исполнительного директора AdTech-компании Otclick и сопредседателя комитета AI/ML АРИР Тимура Спиридонова.
Неделя рекламы
Энциклопедия обмана