\ 人工智能从根本上影响电子商务。它是当今企业的必备主食。
\ Gartner 等科学研究机构表示，如今高达80%的客户互动由人工智能管理。
\ 在 2020 年，Statista 表示，人工智能处理了54%的客户与他们最喜欢的组织或商店的日常互动。
\
这些支持人工智能的功能包括生物识别扫描仪、聊天机器人、数字助理、面部识别扫描仪等。
\ 更多这些将帮助您预测客户的偏好，吸引他们，将访问者转变为客户，并使他们的购物体验更容易获得。
\ Servion Global Solutions 早在 2017 年就 预测，到 2025 年，人工智能将支持 95% 的客户互动。
\ 由于发生了 COVID-19 大流行，这个数字更加确定。这是亚马逊，充分利用了这项技术。
\
亚马逊如何使用深度学习 AI
\ 
\ 亚马逊寻求提供高质量的购物体验，而人工智能有助于实现这一目标。
\ 亚马逊以多种方式使用人工智能技术，从 Alexa 语音助手到图像搜索再到推荐系统。该公司还在其履行中心使用人工智能，用于欺诈检测、产品标签、A/B 测试和定价。
\ 亚马逊将其零售业务视为向客户提供价值的一种方式。吨
\ 该公司认为，通过使用数据科学和机器学习技术，它可以以更低的价格提供更好的产品，同时保持始终如一的高客户服务标准。
\ 该公司一直在通过以下方式扩大对深度学习 AI 的使用：
\
-
语音识别、文本到语音的合成和自然语言处理 (NLP)。
\
所有这些都用于授权 Alexa 和相关设备。
\ 
\ 来自亚马逊的人工智能语音助手 Alexa 已成为该公司主导电子商务和智能家居市场战略不可或缺的一部分。
\ Alexa 在亚马逊销售的许多设备中都扮演着至关重要的角色，它充当了第三方开发者的平台。
\ 语音识别是 Alexa 理解口语和回答问题的一种方式。文本到语音合成是将文本转换为语音的另一种方式。
\ 第三种方式是自然语言处理 (NLP)，它使其能够理解自然语言并响应您可能会突然提出的问题（例如“我的日历今天怎么了？”或“今天是几号？ ”）。
\ 为实现这些功能，亚马逊使用其位于加利福尼亚州库比蒂诺的Lab126 研究机构正在开发的人工智能 (AI) 和深度学习技术。这使客户可以轻松地使用他们的声音来做一些事情，比如制作购物清单。
\ 使用 Alexa 应用程序，客户可以说“Alexa，将煎锅添加到我的购物清单”或“Alexa，查看我的购物清单”。
\ 您还可以通过说“Alexa，我的东西在哪里？”来跟踪订单的位置。和许多其他的东西，如此处所示。客户想要轻松；这里很轻松。如果您不能将其作为电子商务或零售业务提供。
\
-
深度学习 AI 帮助亚马逊的推荐系统更好地工作。
\
为了向客户推荐合适的产品并增加销售额，亚马逊通过客户行为分析提高了准确性。
\ 这会带来更相关的产品推荐，从而带来更高的转化率、更低的回报和更少的营销活动费用。
\
它还使用深度学习算法：
\
- 产品分类：将产品分为“书籍”、“电子产品”或“家居装饰”等类别。您不会期望人类手动对所有产品进行分类，对吗？
\ 亚马逊上有数百万种产品。这将消耗时间、精力和大量金钱。
\
- 用户反馈：这被用作机器学习算法的训练数据，例如深度信念网络，可以随着时间的推移从数百万个示例中以高精度学习。您将在本文后面部分了解有关此内容的更多信息。
\
-
产品搜索：通过一次搜索数百万种产品而不是让他们单独滚动浏览每个页面上的页面（或在搜索框中键入关键字），帮助客户尽快找到他们想要的东西。
\ 这是通过根据用户以前的搜索和变量（例如位置或过去的购买）为用户提供建议来完成的。
\ 这样，客户在网上寻找商品时就没有太多选择来压倒他们。
\
重点是“根据用户之前的搜索和变量（例如位置或过去的购买）为用户提供建议”。
\您将需要投资于深度学习人工智能，以最大限度地提高您的业务成果。
\
-
产品描述生成：亚马逊自动生成描述，因此客户可以在购买之前获得有关任何给定商品的更多信息，从而在降低成本的同时增加收入。
\那些描述，你会认为是人类写的。不，不是全部。
\
-
个性化推荐：亚马逊还利用基于过去购买期间收集的用户偏好/历史数据的个性化建议。
\ 它还考虑了人口统计因素，例如年龄、他人的品味、相似的兴趣等。
\ 换句话说，亚马逊在单独提供推荐时并不依赖客户历史记录。通过人工智能，向购物者提供相同年龄、相同地点和相似体验的人的偏好。
\ 这样，当购物者不知道他们到底想要什么时，亚马逊就像： “嘿，你这个年龄/地点等的人，买了这些产品，想看看吗？”
\ 这里的主要教训是，购物者并没有在他们的着陆页上看到你在打折的所有商品；他们正在看到定制的东西是他们喜欢的东西。
\ 如果您想尝试一下，请告诉英国的某人和德克萨斯州的某人登录他们的亚马逊网站。这是两个有着不同兴趣的人——他们会在这些页面上找到不同的报价。
想知道我是怎么发现的？你会在这里找到它。 \n
-
机器学习和深度学习帮助亚马逊改善交付时间框架。
\
鉴于电动汽车品牌也在使用它，这可能不足为奇。
\ 然而，这第三个领域的独特之处在于它显着影响了亚马逊的业务，帮助确定送货代理的最佳路线。
\ 在使用机器学习和深度学习之前，亚马逊的送货车辆会在停靠点之间随机行驶。现在，像亚马逊一样，企业可以使用这些算法来计算每个司机在交通中导航的最有效方式。亚马逊还使用这些算法根据天气状况和全天的其他交通模式来预测哪些订单最有可能迟到。
\ 为了进一步提高效率，人工智能可以告诉司机他们应该停在哪里，这样他们就可以更快地拿起包裹。自推出以来，此功能已将等待时间减少了 20%。
\
-
亚马逊使用深度学习进行欺诈检测。
\
这也不足为奇。大银行、金融科技公司和许多其他机构都在使用它。但亚马逊知道，您拥有的数据越多，您的 AI 检测欺诈交易和其他有害行为的能力就越好。
\ 亚马逊将深度学习用于所有这些目的：
\
-
检测欺诈交易。
-
检测欺诈性评论（买家和卖家）。
-
检测欺诈性买家或卖家（当某人拥有多个帐户或入侵另一个帐户时）。
-
检测欺诈性帐户注册和退货。
-
检测信用卡使用情况（这是通过称为机器学习的第三方服务完成的）
\
所有这些工作都可以减少亚马逊业务运营中出现的问题，同时提供尽可能高的客户体验。
\
-
深度学习 AI 用于在照片中标记产品并改善客户体验。
\
亚马逊通过让客户更容易找到他们想要的东西来改善客户体验。
\ 例如，如果您想要一副 Gucci 太阳镜但不知道它们的外观，您将不得不搜索数千张照片才能找到符合您条件的照片。
\ 借助亚马逊的标签系统，您可以上传您想要的照片，并使用 AI 来识别与您正在搜索的产品最匹配的产品。亚马逊已经能够通过Amazon Rekognition做到这一点。
\
-
深度学习算法用于亚马逊机器人、AWS 和履行中心。
\
除了公司的云计算部门 AWS 使用深度学习来改进存储解决方案和预测客户行为外，亚马逊的其他部门也在使用深度学习算法。
\ 例如，Amazon Robotics 是公司内的一个部门，专注于开发用于电子商务履行中心的机器人。这些机器人自动在仓库周围移动产品，并使用计算机视觉技术来检测在其工作站附近工作的人类所需的特定物品。
\ 履行中心 (FC) 部门在其部分预测过程中使用机器学习。也就是说，他们预测需求，以便更有效地完成订单。如何？
\ 深度学习算法有助于在圣诞节购物季或黑色星期五周末销售活动等高峰时段快速有效地定位 FC 内的物品。这有助于在客户想要比平时更快地订购的特定时刻跟上客户需求。
\ 如果您是客户并且您知道您的商店会举办像黑色星期五周末这样的廉价销售活动，您是否愿意等待一个多星期的订单？它是免费的，是的，但你赢了。你感觉如何？——你可能想离开亚马逊去其他地方。你会认为他们有这么多客户，他们无法跟上他们的服务。
\
-
使用神经网络预测产品价格
\
“客户总是有选择的”
\ 亚马逊使用深度学习来预测其市场上的产品价格。该模型称为 Deep Price Predictor，使用具有单个隐藏层的 MLP（多层感知器）架构。
\ 它使用随机梯度下降和 Adam 等优化技术进行训练，以找到模型的最佳参数，以便将其用于生产。
\ 如果您不理解这些术语，没关系。您会聘请专家来帮助您改进电子商务网站。
\ 由于亚马逊实施的模型，那些你不理解的模型，它在以下方面取得了很好的效果：
\
- 为客户提供更好的价格：Deep Price Predictor 通过在确定价格时考虑销售税和运输成本等因素，确保价格更加准确。这可以确保客户不会根据他们的位置或他们所购买的物品为一件商品支付太多或太少的费用。
\
- 更高的客户满意度：借助 Deep Price Predictor 提供的准确定价信息，客户很高兴，因为他们在购买任何东西之前就知道要支付多少费用；这意味着没有惊喜或额外费用！
\ 你知道它在商业世界中是如何运作的。假设您是客户，结账时只看到疯狂的惊喜费；你觉得如何？
\ 很多人会放弃购物车。您的业务将有助于统计那些购物车被遗弃的人。 2021年，有69.57%的废弃手推车。这不会让你高兴，也不会让客户高兴。
\
-
A/B 测试的使用
\
这是一些电子商务公司做得不够的一项引人入胜的实验。亚马逊使用 A/B 测试来优化其产品。这种实验方法用于比较产品的两个版本，以确定哪个实验效果更好。
\ 例如，亚马逊可能想知道在其主页右侧或底部显示相关产品列表是否具有更高的转化率。使用 A/B 测试，他们可以确定一种变体比另一种更有效。
\ 您也可以使用 A/B 测试来优化客户体验。
\ 例如，如果亚马逊希望刚下订单的客户在包裹发货后立即看到包裹的图片，让他们知道接下来会发生什么，亚马逊将发送两封电子邮件。
\ 一封电子邮件将没有跟踪信息，而另一封将实际跟踪信息发送给不同的购物者群体。这些组将在不同的时间点收到电子邮件。
\ 这些测试的结果使亚马逊工程师和参与产品开发项目的其他利益相关者能够决定如何最好地满足客户的需求。
\ 他们可以根据各种实验的结果改进现有代码库或创建新代码库。如果没有这些实验，亚马逊就不会梦想像它那样领先电子商务。
\
结论
亚马逊使用人工智能取得了巨大的成果，但它也在改进研究以实现最佳性能。
\ 所有这些只是亚马逊如何在现实世界中使用深度学习和其他类型的人工智能的例子。
\ 虽然您之前可能没有听说过所有这些项目，但它们是公司如何拥抱这些技术的例子——以及为什么他们将在未来几年继续这样做。
\ 软件公司和品牌正在向企业提供这些服务。您需要做的就是找到它们并最大限度地发挥您的业务潜力。
原文： https://hackernoon.com/explore-how-amazon-uses-deep-learning-ai-to-achieve-great-results?source=rss