Искусственный интеллект для интернет магазинов и электронной коммерции

Обновлено: 12.11.2022

Машинное обучение используется для решения следующих задач в интернет-магазинах:
- защита от фрода
- персональные рекомендации посетителям
- персонализированный таргетинг рекламы
- интеллектуальный поиск по каталогу товартов
- чат боты для консультаций и поддержки клиентов
- прогнозирование спроса и продаж (предиктивная аналитика)
- автомодерация отзывов
- автоматическое создание контента для SEO

Примеры использования искусственного интеллекта в интернет магазинах приведены ниже.

См. также: Топ 10: Конструкторы интернет магазинов

2021. AI-копирайтер - сервис для генерации описаний товаров в интернете



Сбер и стартап CopyMonkey.ai создали сервис AI-копирайтер для генерации описаний товаров для онлайн-магазинов и маркетплейсов. Воспользоваться им сейчас можно бесплатно, а результатами — поделиться в соцсетях. Сервис разработан на основе русскоязычной модели для обучения алгоритма генерации текстов GPT-3. По набору примеров генеративная модель «понимает», какой формат текста хочет получить пользователь, и создает новые тексты. Можно ввести название продукта и его характеристики.


2021. Российский разработчик ИИ-решений для бизнеса Rubbles привлек $6 млн



Российский ИИ стартап Rubbles привлек инвестиции в $6 млн. Решение Rubbles анализирует бизнес-процессы и создает решения на базе искусственного интеллекта, которые помогают оптимизировать проблемные зоны крупного бизнеса. Алгоритмы, разработанные Rubbles, работают в ежедневных операциях крупнейших банков, ритейл-сетей, промышленных предприятий и других компаний в России и по всему миру. Например, системы предсказания спроса на товары в продуктовых магазинах, поисковые системы по товарам для онлайн-порталов ритейлеров, системы предсказания поломок оборудования для предприятий промышленности, рекомендательные системы для банков с возможностью формирования персонализированных предложений и советов.


2021. Яндекс.Маркет начал использовать нейросеть для написания итоговых отзывов



Отзывы на товары читать, конечно, интересно, но иногда их так много, что на прочтение всех можно потратить больше времени, чем стоит товар. Поэтому разработчики Яндекс.Маркета придумали (с помощью нейросети) формировать умные/собирательные отзывы, написанные по комментариям покупателей. Такие отзывы состоят из двух частей: подробного комментария о товаре и набора ключевых характеристик, которые чаще всего отмечают пользователи, — например, для ноутбука - качество сборки, дизайн и удобство, уровень шума. Первое время перед попаданием на платформу, такой отзыв будет проверять человек.


2020. Сбербанк запустил чат-бота для бизнес-сайтов



Сбербанк запустил платформу Сбер Бизнесбот, которая позволяет добавить на свой сайт чат-бота, который будет отвечать на вопросы ваших клиентов. Разумеется, чат бот работает на основе технологий искусственного интеллекта и мозга крысы, поэтому его можно обучить особенностям вашего бизнеса. В то же время, в Сберботе изначально есть 120 готовых сценариев обслуживания клиентов на основе наиболее распространённых вопросов и примеров формулировок. Например, ответы про доставку, формирование заказа, оплату и возврат товара для интернет-магазинов. До 31 июля услуга предоставляется бесплатно, а потом нужно будет платить 400-500 рублей в месяц.


2020. Facebook представила ИИ-инструмент для распознавания товаров на фотографиях



Facebook запустила инструмент GrokNet, который может определять разные категории товаров на фотографии с помощью технологий искусственного интеллекта. Он распознаёт десятки тысяч разных атрибутов, например, бренды, цвета, размер. Этот инструмент уже интегрирован в торговую площадку Facebook Marketplace — с его помощью пользователи могут быстро создавать описание товара (сервис пока не доступен в России). Например, когда продавец загружает фотографию своего дивана, сайт предлагает указать характеристики «чёрный», «кожа», «секционный диван». ИИ-система «училась» распознавать изображения на базе, которая включает около 100 млн пользовательских фотографий в Marketplace.


2019. Retail Rocket - платформа персонализации для интернет-магазинов


Облачный сервис Retail Rocket помогает интернет-магазинам увеличивать доход за счёт товарных рекомендаций. Товарные рекомендации - это альтернативный способ навигации по магазину, позволяющий большему количеству людей найти нужный им товар, даже если они не думали о покупке в данный момент, что дает увеличение конверсии магазина. Добавление блоков с персональными рекомендациями позволяет перелинковать карточки товаров, увеличивает среднюю глубину просмотра и уменьшает показатель отказов, что положительно влияет на поведенческие факторы и, как следствие, трафик из поисковых систем. В сервисе есть бесплатный тариф с ограничением на 250 заказов в месяц, а платные начинаются от 1700 руб./мес.


2017. Площадка B2B-Center запустила рекомендательную систему на основе ИИ



Е-commerce площадка для коммерческих компаний в России B2B-Center запустила рекомендательный сервис на основе машинного обучения. Он использует принцип персонализированного интеллектуального подбора тендеров на основе поведения и профиля компаний-поставщиков. Алгоритм анализирует более 40 критериев и формирует персональные рекомендации для всех компаний, которые участвовали хотя бы в одной закупке на площадке B2B-Center. Рекомендации учитывают предыдущую активность пользователя, его профиль деятельности, интересы и поисковые запросы, а также регионы поставки и работы поставщика. Сейчас рекомендации доступны для нескольких десятков тысяч компаний, работающих на площадке.


2016. Сервис Яндекс.Аудитории позволяет достать ваших клиентов в онлайне



Яндекс запустил новый сервис Яндекс.Аудитории, который позволяет найти ваших существующих клиентов (или лидов) в интернете и показать им таргетированную рекламу. Работает это так: вы загружаете в сервис список клиентов с телефонами и/или адресами электронной почты. Яндекс, используя сканер социальных сетей и искусственный интеллект, находит и идентифицирует этих людей в интернете. Кроме того, он выясняет их параметры: возраст, пол, регион, тип мобильного устройства... Потом, вы можете разбить свою аудиторию на целевые группы по этим параметрам и запустить персонально для них рекламную компанию через Яндекс.Директ. Например, так вы можете ненавязчиво предложить клиентам новый товар или "добить" потенциальных клиентов, которые ранее интересовались вашими продуктами.


2016. Sift Science - сервис защиты от фрода на основе машинного обучения


Онлайн торговцы теряют миллионы из-за фрода (оплат ворованными и поддельными банковскими картами, которые приходится возвращать обратно, когда товар уже отгружен). Поэтому уже давно распространение получили системы антифрода, которые определяют вероятность несанкционированной покупки по различным параметрам (страна, эмитент, данные покупателя, историю его активности на сайте...). Имея большую базу с историей хороших/плохих покупателей можно определить вероятность фрода. И это задача, с которой лучше всего может справиться машинное обучение. Именно такую систему и реализовал американский стартап Sift Science. Стартап был создан в 2011 в инкубаторе Y Combinator. На сегодняшний день - это прибыльный бизнес с тысячами клиентов.


2015. Стартап Deepomatic получил $1.4 млн на распознавание одежды на картинках



Французский стартап Deepomatic получил $1.4 млн инвестиций от Alven Capital и нескольких бизнес-ангелов на развитие своей технологии компьютерного зрения, которая специализирована на распознавании элементов одежды. Идея в том, чтобы дополнять картинки с модной одеждой e-commerce ссылками. Например, вам понравились туфельки на девушке, изображенной на картинке - вы кликаете и попадаете на страничку интернет-магазина, где продаются эти туфли.