Зачем нейросети e-commerce?

19 Мар 2017

Зачем нейросети e-commerce?

Украинская команда создала мобильный маркетплейс, в котором при­ме­ня­ют­ся технологии компьютерного зрения на основе ней­ро­се­тей. Мо­би­ль­ное приложение Lalafo предназначено для куп­ли и продажи вещей, ав­то и по­ис­ка недвижимости, работы и ус­луг. Маркетплейс создан в кон­це 2015 года и сегодня его ауди­то­рия составляет 3 млн поль­зо­ва­те­лей, которые создают по 700 000 новых объявлений в месяц. В проекте было размещено то­ва­ров и услуг на $10 млрд долларов уже в первый год пос­ле за­пус­ка. Помогли ли достичь таких показателей технологии рас­ска­жут основатели проекта — Юрий Мухин и Анна Полищук.

Нейронные сети применяются в продажах, в управлении CRM, в распознании картинок и пр. Их ис­поль­зуют такие компании как Google, Facebook для поиска по картинкам и для того, чтобы пре­до­став­лять пользователю ре­ле­вант­ный контент. Большинство сервисов, которые сегодня занимаются ней­рон­ны­ми сетями, заточены под рас­по­зна­ва­ние предметов окружающего мира: облака, дома, растения. Microsoft и Google API смотрят на фотографию гла­за­ми человека и описывают все, что на ней изо­бра­же­но. В e-commerce бизнесе есть необходимость смотреть на фо­то­графию глазами продавца и опи­сы­вать не все, а только товар с теми характеристиками, которые важны покупателю.

Анна Полищук и Юрий Мухин, сооснователи про­ек­та Lalafo

В классифайдах нейронные сети долгое время не использовались, и первое, где они начали при­ме­нять­ся — мо­де­ра­ция: выявление мошенников и проверка контента на соответствие категориям — то, что обычно делают мо­де­ра­то­ры. В приложении Lalafo кроме процесса модерации, машинное обучение применяется для распознавания то­ва­ра на картинке, выявления мошенников, улучшения ре­ле­вант­нос­ти контента и т.д.

«Наша цель — сделать продажи ненужных вещей максимально простыми. Мы работаем над тем, чтобы поль­зо­ва­те­лю Lalafo достаточно было загрузить в приложение фото, а описание, категорию и цену товара предложит за него нейросеть. Мы верим в то, что, чем проще пользоваться сервисом, тем боль­ше людей будут это делать. По этой же причине мы решили сделать акцент на мобильном при­ло­же­нии», — комментирует сооснователь про­ек­та Анна Полищук.

Маркетплейсы эволюционируют с доски объявлений, где предложения размещает ограниченное количество лю­дей, в социальную паутину, где это стало делать удобнее и проще. Следующий виток эволюции — мобильные маркетплейсы, где все происходит еще быстрее. Нейротрейдинг не только помогает упростить трудоемкие про­цес­сы модерации, но и делает навигацию на торговых площадках более удобной для пользователя. Так, уже в ближайшее время пользователю маркетплейса Lalafo достаточно опубликовать в мобильном приложении не­сколь­ко снимков своего товара, а описание, категорию и даже ценовой диапазон предложить нейронная сеть.

Внедрением технологии компьютерного зрения команда Lalafo занимается с 2016 года: «Когда Google сделал свой cloud vision API доступным, я увидел новость об этом в каком-то из блогов, и мы начали исследовать тему. Мы протестировали разные решения, доступные на рынке и поняли, что они хорошо описывают предметы окру­жа­ю­ще­го мира, но плохо распознают товары на фотографиях. Тогда же мы инвестировали в свой датасет. Всего спустя год, наши модели научились распознавать более 2 тысяч категорий, тестируются в бета-режиме во всех странах где запущен Lalafo (Азербайджан, Кыргызстан, Сербия, Греция) и показывают хорошие результаты. По многим категориям точность распознавания составляет более 90%. Сейчас мы работаем в двух направлениях — расширяем датасет и дообучаем модели, чтобы они умели распознавать десятки тысяч визуальных признаков товаров: категорию, стиль, цвет, материал, из которого сделан предмет», — комментирует Юрий Мухин, со­ос­но­ватель мобильного маркетплейса Lalafo.

 

Упрощение продажи приводит к увеличению объемов продаваемых товаров. После запуска мобильного при­ло­же­ния, в цифрах это привело к тому что на Lalafo стало в 4 раза больше объявлений на поль­зо­ва­те­ля. Команда про­ек­та предполагает, что внедрение машинного обучения сможет увеличить ко­ли­че­ство товаров на человека еще в 10 раз.

Теги: