شخصی‌سازی مشتری

یادگیری تقویتی عمیق - یادگیری ترجیحات فردی

تعاملات فردی با سیستم‌های آنلاین اکنون در همه جا حضور دارند. بسیاری از سازمان‌ها باید برای رقابتی ماندن، اطمینان حاصل کنند که همه کاربران راضی هستند و از استفاده از یک پیشنهاد خدمت خاص لذت می‌برند، در حالی که ترجیحات کاربری فردی را در نظر می‌گیرند. شخصی‌سازی مشتری با هدف استنباط ترجیحات کاربر و تطبیق تجربه کاربری بر اساس آن است. هوش مصنوعی همراه با تکنیک‌های یادگیری تقویتی برای این وظیفه مناسب است، زیرا شبکه عصبی مصنوعی قابلیت یادگیری مستقیم از کاربر را فراهم می‌کند.

فیلم A فیلم B فیلم C
شخص A 5 ستاره 3 ستاره 4 ستاره
شخص B 3 ستاره 5 ستاره 2 ستاره
شخص C 2 ستاره 3 ستاره 5 ستاره

اصل اصلی این است که ترجیحات کاربر را از پیش استنتاج کنیم تا ماتریسی از ترجیحات کاربر بر اساس آنچه سایر کاربران با علایق مشابه ترجیح می‌دهند، به دست آوریم. پرسپترون چندلایه برای فیلتر کردن مشارکتی می‌تواند برای استنتاج دقیق ترجیحات کاربر از پیش استفاده شود، به این صورت که شبکه با تعامل کاربران با یک سیستم یاد گرفته و سازگار می‌شود. با در اختیار داشتن نقاط داده کافی، سیستم در استنتاج ترجیحات کاربر به‌طور قابل‌توجهی دقیق می‌شود، زیرا افرادی که دارای اشتراکات هستند، گرایش به خوشه‌بندی دارند.

نمای کلی از چالش سازمانی

از سازمان‌ها انتظار می‌رود خدماتی ارائه دهند که برای جمعیت متنوع و گسترده‌ای قابل دسترس باشد. سیستمی که ترجیحات فردی کاربر را هم به‌صورت برنامه‌نویسی‌شده و هم به‌صورت معنایی برای همه در نظر بگیرد، تعریف آن چالش‌برانگیز است. این امر به‌ویژه با توجه به این واقعیت که ترجیحات فردی می‌تواند روزبه‌روز یا بسته به مرحله زندگی فرد تغییر کند، پیچیده‌تر می‌شود.

حل این مسئله ضروری است زیرا نمایش محتوا به یک روش ممکن است برای کاربران خاص ترجیح‌داشتنی باشد در حالی که از سایر کاربران بازدارد، که مستقیماً بر سقف کاربرانی که یک محصول می‌تواند به احتمال زیاد به آن دست یابد و مدت زمانی که یک کاربر در پلتفرم سپری می‌کند تأثیر می‌گذارد. تأثیرات دنیای واقعی با اپلیکیشن رسانه اجتماعی TikTok که پلتفرم‌های مستقر مانند YouTube و Instagram را مختل کرده است مشاهده شده است. در حالی که پلتفرم‌های اخیرالذکر از تحلیل گراف رسانه‌های اجتماعی برای پیشنهاد محتوا استفاده می‌کنند، TikTok صرفاً به اطلاعات ارائه‌شده توسط کاربر و ترکیبی از بینایی ماشین، پردازش زبان طبیعی و تحلیل فراداده برای تنظیم محتوا تکیه می‌کند. این رویکرد آن‌قدر خوب کار کرده که نگهداشت کاربر در پلتفرم از رقبا پیشی گرفته است.

استفاده از یادگیری ماشین سنتی برای مدیریت محتوا ایده‌ای کاملاً تثبیت‌شده است که بعدها تکامل یافت و به استفاده از شبکه‌های عصبی مصنوعی به‌عنوان چارچوب‌های هوش مصنوعی پیش رفت، زیرا این چارچوب‌ها در دسترس‌تر شدند. یک نمونه اولیه از استفاده از یادگیری ماشین برای مدیریت محتوا، Netflix Prize (https://en.wikipedia.org/wiki/Netflix_Prize) بود، جایی که Netflix برای ارسال مدل‌های یادگیری ماشین درخواست ارائه داد و 1,000,000 دلار آمریکا به برنده جایزه داد. بعدها، تکرارهایی از این ایده با مجموعه داده MovieLens (https://movielens.org/) محقق شد.

پلتفرم‌های فعلی و آینده باید این قابلیت را ایجاد کنند که از شبکه‌های عصبی مصنوعی برای بازآموزی و جذب کاربران استفاده می‌کند.

داده‌های سازمانی موجود به عنوان ورودی AI

منابع داده‌های موجود برای استفاده در پیش‌بینی AI به شرح زیر است:

متن زیر یک فرآیند کلی برای نحوه ارائه شخصی‌سازی مشتری از طریق هوش مصنوعی همراه با روش‌های یادگیری عمیق را ارائه می‌دهد:

  1. فراداده‌های مشتری از سیستم‌های CRM (مانند Salesforce، Microsoft CRM)
  2. تاریخچه خرید (مانند Amazon، Shopify)
  3. مُهرهای زمانی و مبالغ تراکنش (مانند سیستم‌های PoS، Stripe، PayPal)

روشولوژی یکپارچه‌سازی

  1. ضبط ویژگی‌هایی درباره یک کاربر که می‌تواند ترجیحات کاربر را استنباط کند
  2. آموزش یک مدل یادگیری عمیق با ویژگی‌های استخراج‌شده
  3. پیش‌بینی آنچه کاربر بر اساس ویژگی‌ها ترجیح می‌دهد
  4. سفارشی‌سازی محتوا بر اساس پیش‌بینی‌هایی از آنچه کاربر می‌خواهد ببیند
  5. به طور پیوسته مدل را در حالی که کاربر با سیستم آنلاین تعامل دارد، اصلاح کنید و سیستم را در طول زمان بهبود بخشید.

با توجه به اینکه Telemus AI™ بیشتر کارها را انجام می‌دهد، سازمان می‌تواند بر روی منطق کسب‌وکار تمرکز کند تا بر پیاده‌سازی فنی.

کاربردهای سازمانی

فهرست زیر سایر کاربردهای بالقوه برای سازمان شما را نشان می‌دهد:

  • سفارشی‌سازی محتوا برای یک کاربر به منظور افزایش احتمال خریدها
  • حصول اطمینان از رضایت مشتری با خدمتی که نگهداشت کاربر را بهبود می‌بخشد
  • حصول اطمینان از تازگی و ارتباط محتوا با کاربر

مزایای بالقوه و محقق‌شده

Telemus AI™ یک شرکت هوش مصنوعی مستقر در استرالیا است که راه‌حل‌های پیشرفته‌ای را به دولت‌ها و سازمان‌های بزرگ ارائه می‌دهد. همین امروز با ما تماس بگیرید تا یک مشاوره رایگان در مورد نحوه ادغام Telemus AI™ در سازمان شما دریافت کنید.


بیشتر کاوش کنید مطالعات موردی AI