尤其是针对突然出现并畅销的爆款产品,传统的排序算法无法快速地作出应对,自然语言技术能够更好地帮助客户找到他们想要寻找的商品。强化学习技术:电子商务 领域的一个重要指标是转化率,比如搜索的转化 率、页面浏览的转化率、商品排序的转化率等,为了提升这些转化率,不少大的电商平台已经在借助强化学习技术来预测用户针对网页的反馈行为,从而更好地优化搜索和产品页面的排序 。
人工智能技术在电子商务领域的应用场景产品搜索:搜索是电商领域非常高频且重要的用户行为,用户为了找到心仪的商品,会通过关键词甚至实物图片进行搜索,其中关键词搜索和产品匹配涉及自然语言处理技术,而“以图搜图”的产品图片搜索依赖于计算机视觉技术;另一方面,在搜索结果的排序上,如阿里巴巴等大型电商平台也会基于强化学习技术进行排序的优化。
个性化的推荐系统:除了搜索,用户也会浏览网站的页面去挑选产品,因此电商平台通常会推出诸如“猜你喜欢”、“相关产品”、或者“别人也在看”这些功能来向顾客推荐更多相关的产品。这些结果都是基于机器学习算法学习用户过往的浏览和购买行为,个性化地为他们推荐相关的产品。动态定价:市场的供需关系总是在动态变化,而基于供需关系的定价也会受到影响,电商需要根据实时的库存、顾客购买的需求之间的平衡进行价格的调整,才能最大化自己的利益。
基于这一需求,不少电商平台会基于机器学习算法和自身的数据进行动态的产品定价,从而实时针对现在甚至未来的供需关系进行商品价格调整。欺诈风险控制:电商平台是信用卡盗刷的重灾区,在信用卡普及的欧美市场尤其如此。盗刷者会递交大量的虚假订单,然后通过取消退款的方式获得现金。信用卡盗刷和欺诈对于电商平台的稳定运作产生恶劣的影响。
因此电商平台也会通过机器学习技术预测和判断欺诈性的信用卡交易,及时阻止交易发生,从而控制平台上的风险。其它场景:由于人工智能技术在电子商务领域的场景极为复杂,本报告仅基于所选人工智能技术案例有局限性的进行了场景划分,故并不包含人脸识别,活体验证等热门应用领域。人工智能技术在电子商务领域应用代表案例阿里巴巴:阿里巴巴自2014 年起开始推出自行研发的以图搜图工具“拍立淘“,拍立淘主要被应用在阿里巴巴的国内电商平台淘宝网和海外电商平台全球速卖通中,帮助用户更便捷地通过照片搜索自己想要找的服装、配饰等产品,至今已拥有每日数千万用户。
Pinterest:Pinterest 于2017 年推出了以图搜图引擎Visual Lens,如今每月达到6 亿次搜索。Pinterest 还将Visual Lens 产品化开放给合作的电商品牌,如美国著名零售商Target 就将Visual Lens 整合到自己的电商平台中,使得顾客可以通过图片匹配Target 数据库中的商品。