XIV Targi eHandlu - edrone - Michał Blak
•Download as PPTX, PDF•
0 likes•4,900 views
Jak odróżnić hype technologiczny od realistycznych możliwości zwiększenia sprzedaży? Podczas prezentacji dowiesz się: * w jaki sposób różne branże korzystają z możliwości sztucznej inteligencji, * jak działa język naturalny, chatboty oraz procesowanie obrazów, * czy e-commerce już przyswoił możliwości sztucznej inteligencji do zwiększenia sprzedaży.
Recommended
Recommended
More Related Content
More from ecommerce poland expo
More from ecommerce poland expo (20)
XIV Targi eHandlu - edrone - Michał Blak
- 1. MICHAŁ BLAK CEO & Co Founder edrone
- 2. NAUCZ SWÓJ SKLEP SPRZEDAWAĆ CZYLI SZTUCZNA INTELIGENCJA W MARKETINGU
- 3. TERAPIA RAKA
- 6. BOTY
- 8. MOTORYZACJA
- 9. MIŁOŚĆ :)
- 10. POLITYKA
- 13. ArmiaARMIA
- 14. RETAIL The North Face IBM Watson
- 15. Szósta rewolucja
- 18. AMABOT
- 20. SEGMENT OF ONE
- 21. NAUCZ SWÓJ SKLEP SPRZEDAWAĆ WIĘCEJ
- 23. JAKI PRODUKT JEST NAJCHĘTNIEJ KUPOWANY W PARZE Z PIELUSZKĄ?
- 24. PIWO I PAMPERSY CASE STUDY SIECI TARGET
- 25. META DANE
- 27. REKOMENDACJE
- 28. Dawno temu w marketingu Grupa docelowa Persona Kohorta/ Klaster Segment of One COLLABORATIVE FILTERING
- 32. 1 3 2
- 33. 1 3 2
- 34. 1 2
- 35. 1 2
- 36. IMPLICIT SCORING WIĘKSZOŚĆ ALGORYTMÓW OPIERAMY WYŁĄCZNIE NA AKTYWNOŚCI KLIENTÓW jakie produkty oglądali/kupili które linki/reklamy kliknęli
- 37. explicit vs implicit > CF A Survey of Collaborative Filtering-Based Recommender Systems for Mobile Internet Applications, IEEE Access 2017
- 39. MAGIC AI
- 43. MICHAŁ BLAK CEO & Co Founder edrone DZIĘKUJĘ. Udostępnij jeśli Ci się podobało :)
Editor's Notes
- Widzieliście ten film? Znacie tego gościa? To ja, Michał Blak, jestem CEO w edrone. Edrone to eCRM, czyli platforma CRM dla eCommerce. Przewidujemy potrzeby klientów i automatyzujemy marketing.
- Do czego potrzebna nam jest sztuczna inteligencja? Data Processing i przyrost danych w tempie wykładniczym. W ciągu ostatnich dwóch lat wyprodukowaliśmy więcej danych niż od początku istnienia ludzkości.
- NLP natural language processing nie mylić z neuro linguistic programming AI + językoznawstwo. EMMA (algorytm) po prezentacji iPhone X uznał, że Tim Cook miał tego samego pisarza przemówień, co Steve Jobs. Na codzień oprogramowianie jest używane do wykrywania plagiatów prac naukowych. API: AWS, Google, FB, IBM, Microsoft
- Szachy. IBM DeepBlue vs Kasparow 1996 Jappardy. IBM Watson 2011 Go. Alpha GO vl Lee Sedol, marzec 2016 Poker. Libratus, styczeń 2017 Dota2. Sierpień 2017.
- Amazon Alexa, Siri, Google Consultant, Cortana I love the little girl, saying ‘Alexa ordered me a dollhouse TV anchor says live on-air 'Alexa, order me a dollhouse' – guess what happens next TV anchor says live on-air 'Alexa, order me a dollhouse' – guess what happens next Story on accidental order begets story on accidental order begets accidental order
- Rozpoznawanie obrazów 130M mil do śmierci teslą albo 94M mil z ręką na kierownicy. Kierowcy będą tacy sami a autopiloty coraz lepsze. https://www.tesla.com/sites/default/files/images/videos/tesla_autopilot_2_video.jpg
- To jest Samantha. Samantha ma trzy tryby: Sexualny, Uczuciowy i rodzinny. Samanta lubi być dotykana, trzymana za rękę i całowana. W normalnym trybie Samantha lubi być całowana cały czas. Samanta pochodzi z kolekcji kalifornijskiej firmy Real dolls Obecnie trwa wyścig między kilkoma firmami o najleszy AI dla Real Dolls. http://cdn.images.express.co.uk/img/dynamic/galleries/x701/231324.jpg http://cdn.images.express.co.uk/img/dynamic/galleries/x701/183870.jpg http://img.wennermedia.com/760-width/realdoll_lindseybyrnes_pmo_4239_1-75724443-7477-44d8-ba12-5a760fdcb283.jpg
- Learning Lip Sync Oryginalne nagrania i generowanie obrazu. Barrack Obama Fake news University of Washington
- Barrack obama naśladowanie ludzi
- Wojsko i zrzucanie odpowiedzialności Zimna wojna i Równowaga strachu przed unicestwieniem pchnęła wojskowych do rozwoju broni konwencjonalnej. Największy koszt to koszt polityczny: krytyka władzy i protesty. Wojna w Wietnamie śmierć 60.000 Amerykańskich żołnieży. I wojna w zatoce perskiej - ok. 400 żołnieży koalicji przy podobnym kontyngencie Wojna w Kosowie - zgoda kongresu pod warunkiem, że nie będzie ofiar po stronie żołnieży. https://www.dailydot.com/wp-content/uploads/71d/a1/gray-eagle.jpg
- Ibm watson, the north face https://www.thenorthface.com/xps
- A co na to wszytsko Elon Musk i spółka? Elon Musk i Demis Hassabis i 100 osób od AI apel do ONZ o regulacje.
- A jak wygląda Twoje doświadczenie z AI?
- A co na to guru eHandlu?
- 2002 algorytm dopasowania wygrywa z działem edytorskim, ten drugi zostaje zamknięty)
- 2008 Zalando. Zalando blisko 5 mld eur, amazon 25 mld USD.
- The behavior of a crowd helps us understand what individuals will do… (Postęp w technologii rekomendacji jest tak zaawansowany, że ukuty został termin „segment of one”. Segmentacja marketingowa to proces podziału klientów lub potencjalnych klientów w obrębie jakiegoś rynku na grupy w obrębie których potrzeby klientów są identyczne lub zbliżone i można je zaspokoić jednorodną kompozycją marketingową. Z kolei segment to grupa faktycznych lub potencjalnych klientów, co do których można oczekiwać, że będą mniej więcej podobnie reagować na daną ofertę. Stwierdzenie „segment of one” oznacza więc, że potrafimy tak precyzyjnie opisać potrzeby naszych klientów, że każdy z nich tworzy swój własny segment! Co więcej, każdy z tych segmentów otrzy inną, dopasowaną do niego komunikację marketingową. Netflix chwali się, że nie ma jednej wersji ich produktu – jest ich ni mniej ni więcej 75 mln – tyle co użytkowników Netflix’a.)
- Dobrze znany model rekomendacji.
- Trenowanie jak uczenie dziecka. Na rowerze Jedź do przodu, bach Nie oglądaj się, Uważaj chodnik! Obejrzał się, bach.
- Najbardziej znany przykład.
- Dlaczego? Kiedy znamy przyczynę, odpowiedź wydaje się sensowna. Nie stać nas na takie analizy w eCommerce.
- Sklep z butami e-Księgarnia Nie uniwersalny zestaw danych.
- Zawsze takie same.
- Decyzja człowieka i decyzja maszyny Przykład x-Kom ok. 60.000 produktów. Tworzenie rekomendacji jest karkołomne i niedokładne. Generalne Rekomendacje dla kategorii są słabe.
- Preferencje użytkownika odkrywamy na podstawie zachowania wszystkich klientów.
- Dlaczego warto rekomendować.
- Jaki rodzaj danych poddać uczeniu?
- Z pewnością więcej ludzi kliknie w zdjęcie produktu, niż oceni produkt. Dane implicit są też bardziej wiarygodne niż dane dane deklaratywne
- ratings vs behavioral data
- JEŚLI JESTEŚ W STANIE NARYSOWAĆ DIAGRAM REKOMENDACJI, TO JUŻ NIE JEST AI
- HYPE
- Hype Cycle. Faza plateau. FAZY: Na fali wznoszącej, Szczyt oczekiwań, dolina rozczarowania, na stromym zboczu, Faza plateau PLATEAU: 20-30% potencjalnych klientów zaadoptowało już technologię.
- Spaghetti model