Преодоление языкового разрыва в электронной коммерции: инновационный подход Lily AI к общению между потребителями и продавцами

Соучредитель Пурва Гупта обсуждает, как Lily AI использует машинное обучение и таксономию, ориентированную на потребителя, для улучшения качества онлайн-покупок, подкрепленную недавней суммой в 25 долларов США. миллионов инвестиций серии B.

Соучредитель Lily AI Пурва Гупта обсуждает важность обучения поисковых систем розничной торговли говорить на одном языке со своими клиентами.

Когда Пурва Гупта эмигрировала в США из Индии и сделала здесь покупки в Интернете, она неожиданно разочаровалась. Почему ей было так трудно найти тот тип платья, который она искала? Подумав, что это может быть проблема иммигрантов, возникшая из-за языкового или культурного барьера, она провела серьезное исследование на местном уровне, чтобы «проверить свою гипотезу». Но после разговора с более чем 1000 женщинами она подтвердила, что определенно существует несоответствие между тем, как потребители воспринимают и воспринимают продукты, и тем, как бренды и ритейлеры описывают такие продукты. Это побудило ее создать решение на основе искусственного интеллекта, которое устраняет разрыв между продавцом и потребителем.

WWD встретилась с Гуптой, чтобы обсудить Lily AI, которую она основала вместе с техническим директором Соумией Чока Нараянаном. Lily AI недавно получила инвестиции в размере 25 миллионов долларов США серии B, которые она использует для расширения своей деятельности в розничных брендах электронной коммерции для среднего бизнеса, специализирующихся на товарах для дома, красоты и моды.

WWD: Как ваш предыдущий опыт привел вас к созданию Lily AI?

Пурва Гупта:Хотя по образованию я экономист, мой опыт работы в Индии в Saatchi & Саатчи, а затем стартап проложили путь к тому, что стало Lily AI. Находясь в Saatchi & Саатчи, меня вдохновила сила эмоциональной связи между покупателем и брендом. Я понял, что хочу работать в сфере технологий и менять жизни людей, и пришел к выводу, что если я хочу создать свою собственную компанию, то суть проблемы, которую она пытается решить, должна быть проблемой, которую я испытал лично и с которой глубоко связан. .

WWD: Когда речь идет об онлайн-поисковых системах, насколько велик разрыв между разговорами продавцов и потребителей?

ПГ:С языковой точки зрения слова, которые используют реальные люди, гораздо более разговорны и зачастую содержат больше нюансов, чем стандартные слова, используемые розничными торговцами и брендами для описания своей продукции. Потребители обладают уникальным эмоциональным контекстом и точками зрения. Когда они подробно описывают то, что ищут, они используют богатый персонализированный словарный запас, включающий такие аспекты, как тенденции, случаи и стили. В конечном итоге все сводится к деталям продукта, которые, на языке торговцев, конкретно относятся к атрибутам продукта, которые существуют в таксономии продуктов розничного торговца.

Например, бренд может пометить то, что потребитель называет «летней танкеткой». как «курортные сандалии на танкетке с верхом из мягкой кожи»; «матрас, поддерживающий спину»; в качестве «ультраплюшевого гибридного гелевого матраса для идеального сна»; или «легкий летний тональный крем»; как «Stay-in-Place Flawless Wear Cashmere Matte Foundation». Примеры бесконечны, но они показывают, как потребители и розничные продавцы по-разному подходят к языку.

WWD: Как вы тренируете алгоритмы Lily AI, чтобы они лучше соответствовали поиску потребителей?

PG: Люди всегда в курсе событий. Наши эксперты в области розничной торговли (мерчендайзеры, стилисты, маркетологи) имеют опыт работы в сфере розничной торговли, и эта команда остается в курсе последних тенденций, чтобы формировать наиболее надежную, удобную для потребителя таксономию продуктов, что приводит к более эффективному выявлению тенденций. Они постоянно проводят углубленные исследования микро- и макротрендов, тенденций в текстиле и цвете, а также тенденций в социальных сетях. Вооружившись этой информацией, они обучают машинное обучение, чтобы гарантировать, что таксономия продуктов Lily AI построена так, чтобы соответствовать потребительским тенденциям с соответствующими атрибутами.

Ученые, работающие с данными, и эксперты в области разработки искусственного интеллекта также являются частью многих людей, стоящих за уникальным «ориентированным на потребителя» продуктом Lily AI. систематизация продуктов в сравнении с чистой автоматизацией, постоянное совершенствование моделей и обеспечение абсолютного качества, точности и актуальности данных. Эта комбинация экспертов постоянно обучает и совершенствует алгоритмы, в результате чего МО со временем совершенствуется, постоянно становясь «умнее». и становится еще более точным с каждым вводом обучения.

WWD: Каковы результаты этого?

ПГ: Мы собрали собственную библиотеку, содержащую более 20 000 ориентированных на потребителя слов, охватывающих атрибуты, синонимы и тенденции, и используем этот постоянно расширяющийся обширный ресурс данных для информирования о таксономии наших продуктов. Поступая так, мы можем идти в ногу с меняющимся мнением потребителя. Среди некоторых наших брендов, информацию о которых мы не имеем права раскрывать, мы наблюдаем увеличение конверсии онлайн-заказов на 3,5–9 процентов, увеличение количества просмотров страниц с подробным описанием продукта на 2–5 процентов и увеличение спроса на 3–10 процентов.

WWD: В целом с GenAI пользователи осознают ценность экспертных подсказок. Считаете ли вы, что этот растущий опыт поможет улучшить поиск покупок в Интернете?

ПГ:Не нужно быть быстрым инженером, чтобы найти то, что нужно. Хорошая новость заключается в том, что технологии и платформы поисковых систем будут продолжать развиваться, поэтому потребителям не нужны инженерные степени для совершения покупок в Интернете. Мы находимся на ранней стадии развития GenerativeAI, и, как мы уже видели за год с момента запуска ChatGPT и изменения нашего мира, он станет только лучше, не говоря уже о том, что он станет безопаснее.

Но даже при наличии отличных подсказок для поиска “найти” то, что ищет человек, нам все равно нужно, чтобы соответствующие сведения о продукте и его атрибуты были правильно маркированы, чтобы обеспечить открытие.

WWD: Как Lily AI помогает в прогнозировании спроса и какие ощутимые преимущества для клиентов ?

PG:Планирование и прогнозирование являются приоритетными направлениями для многих наших клиентов, поскольку благодаря усовершенствованным предсезонным и межсезонным моделям можно добиться значительного увеличения прибыли. В Lily AI наши атрибуты спроса помогают ритейлерам совершенствовать дизайн продуктов, совершенствовать модели пополнения и распределения, а также предлагать ассортимент, который максимизирует возможности прибыли.

Один из наших мультибрендовых клиентов прогнозировал увеличение выручки от 7 до 48 миллионов долларов за счет использования данных атрибуции продуктов, улучшенных с помощью искусственного интеллекта Lily, в своих моделях прогнозирования. Другой глобальный ритейлер оценил потенциал снижения средневзвешенной процентной ошибки (WAPE) на 20 процентов и увеличения валовой прибыли на 300 миллионов долларов для всех брендов.

WWD: Как развивается ИИ и как бренды и ритейлеры могут использовать его для достижения максимального эффекта?

PG: Искусственный интеллект для розничной торговли не является чем-то новым. Машинное обучение уже довольно давно играет важную роль в розничной торговле, будь то аналитика на основе данных, применение машинного обучения в планировании запасов, цепочка поставок, улучшение качества обслуживания клиентов с помощью рекомендаций, чат-ботов и обнаружение аномалий в системе безопасности розничной торговли.

Базовая технология быстро развивается и становится умнее с каждым днем, а волна глубокого обучения восхищает нас своей способностью учиться устанавливать связи между вводом и выводом и требует меньше усилий, чем требовалось в более ранних методах ML. А теперь генеративный искусственный интеллект расширил возможности машинного обучения от анализа или классификации существующих данных до возможности создавать что-то совершенно новое, включая текст, изображения, аудио, синтетические данные и многое другое.

Тем не менее, чтобы эффективно использовать преимущества современного мощного набора ИИ, важно всегда начинать с глубокого понимания варианта использования и проблему, которую мы пытаемся решить, имея правильные и точные данные, а затем набор навыков команды и инфраструктуру, чтобы иметь возможность экспериментировать, чтобы прийти к правильному решению.

В Lily AI мы проводим тысячи экспериментов, прежде чем запустить в производство лучшие модели. Наша платформа также позволяет гибко заменять модели, подходящие для решения конкретной проблемы. Наша цель — сделать покупки гуманными, и мы рады продолжать внедрять инновации и использовать наш опыт в области искусственного интеллекта в сфере розничной торговли, чтобы способствовать процветанию мировых брендов и ритейлеров.