Рекомендательные системы и визуальный поиск

Понимание поведения покупателей для розничных компаний сейчас важно как никогда. Стремясь развиваться, компании используют интеллектуальные рекомендательные системы и среды дополненной реальности (AR), чтобы предлагать уникальный сервис. Чтобы повысить доход, онлайн-ритейлеры используют алгоритмы машинного и глубокого обучения с ускорением на GPU для более быстрых и точных рекомендательных систем. Сегодня ИИ играет ключевую роль для все более популярной тенденции покупки онлайн и получения товара в магазине.

Рекомендательные системы

На крупнейших коммерческих платформах рекомендации обеспечивают до 30% дохода, что составляет продажи в миллиарды долларов. Поэтому розничные компании используют рекомендательные системы, чтобы управлять каждым действием покупателя: от посещения веб-страницы до использования социальных страниц для шопинга. Они также улучшают конверсию, предлагая актуальные для покупателя продукты из огромного числа доступных вариантов.

Фреймворк для рекомендательных систем на базе GPU NVIDIA Merlin обеспечивает быструю разработку функций и высокую производительность обучения, чтобы ускорить эксперименты и переобучение рекомендательных моделей глубокого обучения. Merlin также обеспечивает низкую задержку, высокую пропускную способность и инференс. 

Персонализированные рекомендации

Чтобы привлечь покупателей, розничным компаниям необходимо обеспечить персонализированный сервис. Olay Skin Advisor — это GPU-ускоренный инструмент на базе ИИ, который работает на любом мобильном устройстве, оценивает селфи пользователя и рекомендует режим ухода Olay для улучшения проблемных зон. Спустя четыре недели 94% пользователей Skin Advisor продолжали применять рекомендованные продукты.

Модная онлайн-компания Stitch Fix соединяет принятие решений на основе ИИ и мнение пользователей. Используя алгоритмы для определения предпочтений клиентов, Stitch Fix создала модный сервис, который предоставляет услуги по созданию личного стиля при помощи анализа данных на основе алгоритмов глубокого обучения с ускорением на GPU. 

Отбор продуктов

Розничные компании используют компьютерное зрение нового поколения для распознавания сложных признаков изображений для автоматической генерации сложных мета-тегов и систематизации. Доступ к полной информации о продуктах и услугах помогает распознавать изображения, что повышает успешность рекомендательных систем.

Так как мода быстро меняется, партнер NVIDIA Omnious предоставляет API для создания тегов при помощи ИИ, который помогает клиентам из сферы B2B идти в ногу с модными трендами. Ominous Tagger, решение для автоматической разметки с точностью более 95%, в 100 раз быстрее ручного создания тегов, повышает эффективность поиска до 4 раз и снижает затраты на зарплату до 77%. Omnious также предоставляет отчет о тенденциях, который анализирует изображения модных инфлюэнсеров в социальных сетях. 

Виртуальная примерка

В 2019 году стоимость возвращенных товаров в США составила 309 миллиардов долларов. $41 миллиард от этой цифры приходится на возвраты товаров, приобретенных онлайн.  Чтобы уменьшить число возвратов и обеспечить более удобный шопинг, теперь розничные компании могут предлагать покупателям вещи, которые почти точно подходят.

Cappasity предлагает покупателям посетить виртуальную примерочную, чтобы увидеть, как смотрятся вещи перед покупкой при помощи виртуального 3D-решения. Алгоритмы Cappasity работают на базе GPU NVIDIA и CUDA для ускорения вычислений и обрабатывают данные в облаке для определения параметров тела, в то время как нейронные сети выполняют сегментацию силуэта. 

Подпишитесь на новостную рассылку NVIDIA по решениям для розничной торговли.