ИИ научился прогнозировать, какие товары покупатель закажет в ближайшее время

Очередной прорыв в сфере искусственного интеллекта сделали ученые Tinkoff Research. В своей лаборатории они изобрели алгоритм, который еще точнее дает рекомендации в онлайн-торговле. Новую систему уже протестировали на базе платформы Taobao. Ученые остались довольны. Алгоритм повышает точность рекомендательной системы до 8%. Смогут ли применить новую разработку российские маркетплейсы?

Новую разработку в сфере онлайн-торговли не только протестировали, но уже и презентовали на международной конференции по рекомендательным системам ACM RecSys. Об этом сообщает Forbes. Большой форум светлых умов прошел осенью этого года в Сингапуре. Ученые Tinkoff Research дали своему "детищу" емкое название - Time-Aware Item-based Weighting. Если кратко, TAIW.

Новая рекомендательная система TAIW настолько умна, что заранее знает, когда именно у человека закончатся продукты в холодильнике, и предложит ему купить их в нужный момент. Алгоритм анализирует не только предыдущие покупки клиентов и схожие предпочтения других пользователей, но и временные интервалы между покупками, индивидуальные для разных пользователей, с гордостью сообщили в Tinkoff Research.

Допустим, человек покупает какой-то товар в определенный день. Например, он привык себя баловать сладостями каждую третью субботу месяца. В остальные же дни рекомендации этого продукта или схожих товаров не актуальны для сладкоежки, несмотря на то, что он неоднократно покупал их раньше. И если раньше подобные данные редко учитывались рекомендательными системами, то новый алгоритм TAIW учтет даже режим питания покупателя.

Систему уже протестировали на базе онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW признали самым эффективным методом среди аналогов в задаче next basket recommendation (NBR), которую решают все онлайн-магазины, за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Алгоритм повышает точность рекомендательной системы до 8%.

Это позволяет пользователям получать более персонализированные рекомендации, тратить меньше времени на контроль домашних запасов и выбор новых товаров. TAIW заранее знает, через какое время у пользователя закончатся продукты, и предложит ему купить их в нужный момент.
руководитель Tinkoff Research Сергей Колесников

Как считают эксперты, инновации в области рекомендательных систем могут быть особенно полезны для сферы e-com. Маркетологи, владея информацией о будущих желаниях потребителей, могут заранее запускать подходящие рекламные кампании и спецпредложения в моменты наибольшей вероятности покупки.

Предугадывать предпочтения потребителей - мечта онлайн-ретейлеров.

Я часто забываю добавить в корзину продукты, которые покупаю редко, например поваренную соль или бытовую химию. Если за меня это сделает рекомендательная система — буду рад.
научный сотрудник Института искусственного интеллекта AIRI Дмитрий Киселев

Изобретение Tinkoff Research уже вызвало бурное обсуждение специалистов, изучающих возможности ИИ. Однако пока патентовать разработку создатели TAIW не планируют, назвав проект своим вкладом в научную культуру. Не собираются в Tinkoff и монетизировать алгоритм. Во всяком случае в ближайшее время рекомендательную систему не будут продавать участникам рынка e-com в России. В планах компании - применять TAIW в собственном сервисе ежедневных покупок «Тинькофф Город». Кроме того, улучшенной рекомендательной системой смогут пользоваться партнеры «Тинькофф Города».