با ما ارتباط برقرار کن

کسب و کار و شرکتها

۵ استراتژی شرکت‌های بزرگ در استفاده از یادگیری ماشین

منتشر شده

روی

5 استراتژی شرکت‌های بزرگ در استفاده از یادگیری ماشین

در سالیان اخیر یادگیری ماشین‌ها با یک جهش بزرگ مواجه شده است. طبق گزارش جدید Research and Markets، انتظار می‌رود که تا سال ۲۰۲۵، ارزش بازار یادگیری ماشین به ۳۹٫۹۸ میلیارد دلار برسد، این در حالی است که این رقم در سال ۲۰۱۶ تنها ۱ میلیارد دلار بوده است.

به نظر شما یادگیری ماشین چرا انقدر به سرعت رشد می‌کند؟ یادگیری ماشین در سال ۱۹۵۹ توسط دانشمند کامپیوتر آرتور ساموئل متولد شد. اما اخیرا کسب و کارهای بزرگتری برای درک ارزش واقعی آن به میدان آمده‌اند. البته به زودی باید منتظر ورود شرکت‌های بزرگ و بنگاه‌های اقتصادی کوچک نیز به این بازار باشیم.

البته اولین چالش یادگیری ماشین، شناسایی کاربردهای آن در کسب و کار است. مطمئن نیستید از کجا شروع کنید؟ برای استفاده بیشتر از این تکنولوژی زود بازده، باید ببینید که چگونه شرکت‌های برتر امروز، از صنعت خرده فروشی تا سخت افزار، رسانه ها و … از آن استفاده می‌کنند.

پس در ادامه با هم نگاهی ۵ کاربرد مهم یادگیری ماشین در کسب و کارهای مختلف می‌اندازیم:

۵- Spotify (ارائه فایل‌های شخصی سازی شده)

Spotify، بدون هیاهوی رسانه‌ای ویژگی‌های جدیدی را برای خدمات پشنهاد موسیقی مورد علاقه به کاربران خود مورد آزمایش قرار می‌دهد. به عنوان مثال Spotify طرح پیشنهاد هفتگی به علاقمندان موسیقی که بر پایه شخصی‌سازی اطلاعات و با استفاده نوآورانه از یادگیری ماشین امکان پذیر است، اهمیت زیادی داده است به گونه‌ای که حتی Spotify از موفقیت این طرح شگفت زده شده است، چرا که این طرح در هنگام به وجود آمدن Spotify در سال ۲۰۰۷ بخشی از برنامه‌های آنها برای توسعه این نرم‌افزار نبود.

البته ماشینها نمیتوانند همه چیز را درباره یک کسب و کار یا مشتریانش یاد بگیرند. اما شرکت‌هایی مانند اپل، Spotify و Alibaba در حال جابجایی این مرزها در یادگیری ماشین هستند. اکنون با یادگیری ماشین، نوآوری بسیار راحت تر از همیشه می‌تواند به وقوع بپیوندد. حال این به کارآفرینان بستگی دارد که نشان دهند آنها چگونه به نوآوری با استفاده از یادگیری ماشین می‌پردازند.

۴- Alibaba (سفارشی کردن سفرهای مشتریان)

تقریبا سالانه بیش از ۵۰۰ میلیون نفر(بیشتر از جمعیت کل کشور آمریکا) از Alibaba غول گردشگری چینی خرید می‌کنند. هر یک از این مشتریان سفرهای جداگانه و متمایزی را جستجو و در انتها انتخاب می‌کنند. چگونه Alibaba مسیریابی و ردیابی این ۵۰۰ میلیون سفر را انجام می‌دهد؟ قطعا با استفاده از یادگیری ماشین.

پیشنهاد مطالعه:
5 نگرانی بشر از آینده هوش مصنوعی

با استفاده از هوش مصنوعی فروشگاه‌های مجازی آن برای هر مشتری سفارشی سازی می‌شوند؛ نتایج جستجو محصولات ایده‌آل برای هر فرد را نمایش می‌دهند و علی شیائومی (Ali Xiaomi) به عنوان یک ربات مکالمه، پشتیبانی صوتی و متنی برای مشتریان ایجاد می‌کند. هر عنصر از کسب و کار Alibaba احساس می‌کند برای آن ساخته شده است تا با مشتری در ارتباط باشد و هر حرکت مشتری منجر به یادگیری بیشتر ماشین درباره آن چیزی که مشتری می‌خواهد انجام گیرد.

۳- Apple (به دست آوردن تجارب دسته‌بندی شده)

هر کس که بیش از یک محصول اپل داشته باشد، می‌داند که چگونه دستگاه‌ها با یکدیگر در ارتباط هستند. در حال حاضر، این غول تکنولوژی با استفاده از یادگیری ماشین اقدام به ایجاد تجربه کاربری یکپارچه کرده است. به عنوان مثال در آینده نزدیک، Apple Watch یک کاربر ممکن است یک لیست پخش iTunes را پیشنهاد کند که با لیست پخش و آهنگهای مورد علاقه او در سایر برنامه‌ها همخوانی داشته باشد.

هر شرکتی که با دستگاه‌های هوشمند کار می‌کنند مانند استارتاپ‌های اینترنت اشیا می‌تواند این کار را انجام دهد. اتصال چندین مدل با همان مجموعه داده‌های آزمایشی، کیفیت خدمات ارائه شده و تجربه کاربری را بهبود می‌بخشد. دستگاه‌هایی که با هم به عنوان مدل‌های یکپارچه ادغام می‌شوند، مانند یک پرتاب کننده و دریافت کننده در بیس بال همکاری می‌کنند: از آنجا که آنها از مجموعه داده‌ای یکسان استفاده می‌کنند، می‌توانند به طور مشترک تصمیم بگیرند چگونه یک وظیفه را با استفاده از دیگری انجام دهند.

۲- Twitter (ایجاد پیش نمایش کامل)

وقتی کسی یک عکس در توییتر ارسال می‌کند، او می‌خواهد مردم آن را ببینند. اما اگر عکس کوچک به گونه‌ای نمایش داده شده باشد که ۹۰ درصد آن زمین یا دیوار باشد، هیچکس روی آن کلیک نمیکند. به نظر می‌رسد Twitter با استفاده از شبکه‌های عصبی این مشکل را حل کرده است. در یک روش مقرون به صرفه، توییتر از یادگیری ماشین برای عکس برداری کاربران استفاده می‌کند تا عکس‌های پیش‌نمایش، تصاویری با وضوح کم و با کیفیت پایین‌تر را نمایش دهد.

۱- Target (شناسایی و یادگیری از حال برای سرمایه‌‌گذاری در آینده)

Target (شناسایی و یادگیری از حال برای سرمایه‌‌گذاری در آینده)

خرده فروشی Target کشف کرده است که یادگیری ماشین نه تنها برای پیش‌بینی خرید، بلکه برای پیش‌بینی بارداری نیز می‌تواند مورد استفاده قرار گیرد. در واقع، مدل Target به اندازه‌ای دقیق است که می‌تواند به طور شگفت‌انگیزی با توجه به آنچه که او خریداری کرده حدس بزند که در چندمین دوره سه ماهه از بارداری خود است. پس از اینکه یک پدر از طریق تبلیغات مداوم Target کشف کرد که دختر ۱۶ ساله‌اش باردار است، Target مجبور شد تا تبلیغات خاص خود را تا مقدار زیادی کاهش دهد.

پیشنهاد مطالعه:
5 ترند توسعه و طراحی وب در سال 2018

اکثر کمپین‌های تبلیغاتی شرکت‌ها به صورت فصلی یا بر اساس تعطیلات راه‌اندازی می‌شوند. به عنوان مثال پاروهای برف روبی در ماه ژوئیه و کرم‌های ضدآفتاب در ماه ژوئن با تخفیف فروخته می‌شوند. اما مصرف‌کنندگان در تمام فصول سال نیز به زندگی عادی خود ادامه می‌دهند، پس باید برای این زمان‌ها هم استراتژی‌های تبلیغاتی خاصی در نظر گرفت.

به عنوان مثال، بدترین زمان برای فروش یک ماشین به یک شخص، درست زمانی است که او یک ماشین خریده است. البته این زمان شاید بهترین زمان برای فروش بیمه ماشین به آن شخص باشد. یادگیری ماشین می تواند بر روی آن روندی قرار بگیرد که به شرکت‌ها کمک کند تا محصولات خود را در زمان مناسب به مشتریان توصیه کنند.

برای ارسال دیدگاه کلیک کنید

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *