С недавних пор все только и говорят, что об искусственном интеллекте. Машина научилась обыгрывать человека в шахматы, научилась рисовать картины, разговоры с ботами уже почти не отличишь от разговора с человеком. E-commerce не избежал этой тенденции.
Конечно, искусственный интеллект не мощнее человеческого. По крайней мере, не станет таким в ближайшее время. Но в определенных задачах он может быть более эффективным. Например, для рутинных массовых задач, которые отнимают кучу времени и нервов у человека или в случаях, когда необходимо проанализировать огромное количество информации.
Одно из самых распространенных применений в e-commerce — рекомендательные системы. В маркетплейсах и интернет — магазинах всегда есть подборка похожих товаров. Чтобы вы точно нашли то, что вам нужно и не закрывали вкладку с маркетплейсом при первой неудаче.
Нейросети объединяют одинаковые товары от разных селлеров на маркетплейсе, чтобы покупателю было удобно просматривать все предложения по нужному товару и выбрать наиболее подходящий. Вручную эта работа заняла бы невероятное количество времени.
Вернемся к нашему вопросу.
Может ли искусственный интеллект продавать товары на маркетплейсах?
Нет. Пока с этим лучше справляется человек.
Но помните, что я говорила о массовых скучных операциях? Искусственный интеллект может ускорить процесс размещения товара и улучшить качество карточек товара на маркетплейсе. Мы в market4.place работаем над этим.
Те, кто работают с маркетплейсами, знают сколько времени уходит на рутинную задачу подготовки товаров. В каждом из них используется свое категорийное дерево и своя атрибутная модель.
Если вы продаете на всех 5 основных российских маркетплейсах (Ozon, Wildberries, Aliexpress, Yandex market, Сбермегамаркет) , то для одного и того же товара нужно заполнить 5 абсолютно разных карточек для каждого из канала продаж. А если таких продуктов 1000? 10000? И это далеко не предел.
На подготовку товаров тратится основное количество времени менеджера по маркетплейсам. Гораздо выгоднее вместо этого брать новых клиентов, тратить больше времени на проработку стратегии, участие в акциях и продвижение товара — другими словами, зарабатывать деньги. Просто разместить товар на маркетплейсе для продаж не достаточно.
Ну и как вы уже вероятно понимаете, как раз эту работу идеально решает искусственный интеллект. Например, по нашим замерам качество категоризации товара для каждого из маркетплейсов составляет 98%. То есть, в этом случае машина работает ничем не хуже (а может даже и лучше), чем человек.
Таким образом, для получения максимального эффекта от размещения товаров на маркетплейсах наиболее эффективно работает синергия естественного и искусственного интеллектов.
Приведу пример.
Возьмем один и тот же товар и посмотрим, как он выглядит на разных маркетплейсах. Для примера я взяла беспроводные наушники huawei FreeBuds Pro 2. Смотрим карточку наушников на 3х маркетплейсах.
Соберем информацию в таблицу для удобного сравнения.
Как видно, системностью тут даже и не пахнет.
От того, в какую категорию вы разместите товар на маркетплейсе и как заполните атрибуты зависит сможет ли пользователь найти ваш продукт и будет ли у него достаточно информации в карточке для принятия решения о покупке.
Продажи на нескольких маркетплейсах обеспечивает большее покрытие аудитории. Но страшно даже подумать о том, чтобы делать это вручную.
Итак, как же мы подошли к этой задаче?
В этой статье я подробнее расскажу про категоризацию. Она определенно возглавляет хит-парад наискучнейших работ.
Мы собрали у себя в базе порядка миллиона самых продающихся товаров по всем конечным категориям по каждому из 5 российских маркетплейсов.
Далее нейросеть анализирует эти данные и выделяет похожие группы товаров — кластера. Необходимо дать ей как можно больше товаров для обучения.
По каким критериям нейросеть понимает, что товары похожи? Мы используем название товара, изображение и ту категорию, которая используется в вашем интернет-магазине. Категория необязательна, хороший результат можно получить и без нее.
Чтобы категоризовать товар нужно подать на вход эту информацию, нейросеть ищет похожие товары в нашей базе и возвращает категорию, которая использована у похожих размещенных товаров в каждом интересующем нас маркетплейсе.
Мы добились того, что в 98% случаев искусственный интеллект предсказывает наиболее подходящую категорию для товара.
Это совсем не значит, что 2% товаров уйдет на маркетплейс с неверной категорией — этот процесс можно модерировать в нашей системе и дообучать нейросеть. С новым таким же товаром она уже не ошибется. И это меньше, чем вероятность ошибки при ручной категоризации товара менеджером (я пробовала делать это вручную и начала ошибаться уже на первой сотне).
Я привела достаточно простой пример с наушниками. Тут бы каждый справился с нужной категорией, потратив время только на поиск правильного пути до конечной категории в конкретном маркетплейсе. Нейросеть тоже справилась и потратила на это пару секунд.
Здесь нужно проговорить, что мы научили нейросеть работать с категориями, которые принимает API маркетплейса — они отличаются от тех, что видит покупатель. Поэтому не удивляйтесь, что предсказанные категории немого отличаются от тех, к которым мы привыкли. Только с такой категорией можно массово эти товары загрузить на маркетплейс через API.
Рассмотрим более сложный пример.
А вот как вам такое? Есть идея, что это? Название ясности тоже не добавляет.
Такие тонкости обычно необходимо уточнять непосредственно у селлера, который знает свой ассортимент, и уже исходя из его слов выбирать нужную категорию на маркетплейсе. Это занимает много времени.
Искусственный интеллект знает без подсказок.
Офтальмоскоп. Кто бы мог подумать.
На изображениях скриншоты с нашего демостенда — он работает потоварно. В реальной же жизни эта задача решается не для одного товара, а для гораздо большего количества.
Искусственный интеллект может категоризовать 100 товаров за 10 секунд.
У меня на 100 товаров ушло почти полчаса. Звучит как выгодная сделка.
Кстати, такой категоризатор можно использовать не только для российских маркетплейсов, но и для зарубежных. Это может сильно упростить выход на международные каналы продаж. Как это выглядит: мы забираем товары, уже размещенные на российском маркетплейсе (или из фида) , автоматически переводим всю информацию на язык целевого зарубежного маркетплейса (тут тоже помогает искусственный интеллект) и дальше начинается уже знакомый нам автоматический процесс категоризации и заполнения атрибутов. Экспортируем товары на целевой маркетплейс. Вуаля.
Я очень упрощенно рассказала как это работает. Если будет интересно, потом отдельно могу более подробно описать техническую часть.
В следующей части я расскажу про еще одну интересную задачу — заполнение карточки товара. Можно ли заполнить карточку товара даже если этой информации о товаре у нас нет? Можно ли сгенерировать продающее описание и название товара? Можно ли выбрать наиболее привлекательную картинку для главного изображения товара. Ответ на все вопросы — да.
Stay tuned.