Как компании используют машинное обучение?

1 Star2 Stars (2 votes, average: 5,00 out of 5)
Загрузка...

build-business

Многие знают, что такое машинное обучение, но не каждый способен применить его на практике. Отечественным предпринимателям эти технологии кажутся слишком сложными, а реализация – неоправданно дорогой.

Откроем секрет: Machine Learning в бизнесе не подразумевает огромных бюджетных затрат, как у Google или Microsoft. Это не футуристическая технология, вроде Siri или Amazon Echo.

Более того, почти каждая компания из списка Fortune 500 обязана своим успехом машинному обучению.

Давайте посмотрим, как ML может трансформировать ваш бизнес.

Создание полезного пользовательского контента

Пользовательский контент зачастую ужасен. Статьи содержат в себе массу опечаток, противоречий, а порой и совершенно неверную информацию. Дела обстоят гораздо хуже, чем вы можете себе представить. Но путем определения лучшего и худшего пользовательского контента, система машинного обучения может фильтровать плохую информацию без участия реального человека.

Нечто подобное можно наблюдать на примере спам-писем. Надеюсь, многие помнят времена, когда обилие спама в почтовых ящиках было обыденным явлением. В нынешние дни ситуация в корне изменилась. Машинное обучение помогает идентифицировать спам и искоренять его практически на 100%. Теперь появление спама в электронной почте волнует вас значительно меньше, это факт.

Хотите больше примеров? Запросто! Pinterest использует машинное обучение для демонстрации наиболее интересного контента. Yelp — для сортировки пользовательских фотографий. NextDoor —  для сортировки содержимого на досках объявлений. Достаточно? Тогда идем дальше.

Быстрый поиск продукции

Неудивительно: когда речь заходит о поиске информации и машинном обучении, мы вспоминаем Google. Этот поисковый гигант смог применить революционную технологию на практике и обеспечить выдачу наиболее релевантной информации. Но не только Google нуждается в умной поисковой выдаче.

Успешные e-commerce стартапы от Lyst до Trunk Archive применяют машинное обучение для показа наиболее качественного контента.  Такие стартапы как Rich Relevance и Edgecase используют машинное обучения для демонстрации стратегического преимущества продуктов, которые просматривают их пользователи.

Взаимодействие с клиентами

Возможно, вы заметили тенденцию изменения форм обратной связи в сторону компактности, за последние несколько лет. Это еще одна ниша, где машинное обучение поспособствовало оптимизации бизнес-процессов. Теперь вместо того, чтобы самостоятельно подбирать вопросы или заполнять бесконечные поля в специальных формах, пользователю достаточно совершить запрос, сущность которого проанализируют технологии машинного обучения и подберут верный путь поиска решения.

Понимание реакции пользователей

Машинное обучение способствует более качественному анализу реакции потребителей на продукт. И хоть общественное мнение не всегда является аргументированным и взвешенным с точки зрения маркетинга, но все же это неплохой источник огромного множества решений.

К примеру: игровая студия выпустила трейлер популярной видеоигры без игрового режима, который ожидали увидеть фанаты. Когда шквал критики обрушился в социальных медиа, студия смогла взять под контроль негативные отзывы пользователей и выслушать мнение фанатов путем ведения конструированного диалога. В итоге студия отложила релиз игры и добавила все необходимые функции,для превращения игровых критиков в промоутеров.

Но как же они получали необходимую информацию из миллиона твитов? Они использовали машинное обучение. За последние несколько лет, анализ поведения пользователей в социальных сетях при помощи данной технологии вошел в перечень стандартных процедур многих компаний.

Что будет дальше?

Работать с алгоритмами машинного обучения достаточно сложно. Нормальные алгоритмы весьма предсказуемы, мы можем заглянуть под капот и посмотреть, как они работают. Но алгоритмы машинного обучения, в некотором смысле, больше похожи на людей.

Еще 10 лет назад данная технология с трудом приживалась даже в таких компаниях, как Google и Yahoo. Но в наши дни ситуация кардинально изменилась: теперь машинное обучение буквально повсюду. Большинство рассуждений о перспективах машинного обучения вращается вокруг технологий персонального искусственного интеллекта и автопилота для автомобилей, что несомненно круто. Но почти каждый веб-сайт, с которым вы взаимодействуете, использует машинное обучение.

Крупные компании вкладывают средства в ML не ради прихоти или тренда, а потому что данная технология окупается, и они видят положительный коэффициент окупаемости инвестиций. Поэтому машинное обучение готовит для нас перспективное будущее и массу интересных инноваций.

Автор публикации

не в сети 3 дня

Лариса Шурига

Комментарии: 16Публикации: 871Регистрация: 05-06-2014

Вам также может понравиться

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =
Авторизация
*
*

Login form protected by Login LockDown.


Регистрация
*
*
*
*
Генерация пароля