Na conferência de marketing de produto da
Epic Growth Conference, chefe da Mobile Hotels em Aviasales, Konstantin Savchenko falou sobre experimentos e exemplos do uso de tecnologias de inteligência artificial na Aviasales.
Assista ao vídeo ou leia as notas abaixo do corte.
Muitas soluções da Aviasales relacionadas a tecnologias de inteligência artificial cresceram a partir de hackathons. E a maioria dessas soluções da primeira versão oferece crescimento tangível e bons resultados para os negócios, por exemplo, aumento da conversão ou redução de custos.
Para usar a tecnologia da inteligência artificial, não é necessário estar nesse profissional. O segredo aqui é simples: as grandes empresas já fizeram tudo por você. E publicou, por exemplo, soluções chave na mão no GitHub, onde você pode encontrar redes neurais e bibliotecas inteligentes.
Para inspirar você a tentar criar soluções baseadas em inteligência artificial, a Konstantin Savchenko coletou sete exemplos de como a Aviasales usa essas tecnologias.
Nº 1 Ordem de parceiros no bilhete
A ordem dos parceiros no ticket é um exemplo simples, mas uma vez realmente ajudou a entender o que é o aprendizado de máquina. Este é o bilhete que você encontra na Aviasales. Diferentes parceiros fornecem seus preços para um ticket específico.
Frequentemente, os preços de diferentes parceiros são os mesmos. Precisamos escolher em qual dos parceiros colocar o grande botão laranja Comprar, no qual a maioria dos usuários clica. Obviamente, antes de tudo, estabelecemos o preço mais baixo, só assim funciona. Mas se houver vários preços baixos de diferentes parceiros e eles forem iguais, precisamos escolher o melhor.
Nesse caso, focamos em dois parâmetros. A primeira é a conversão do clique no botão comprar em uma compra. E a segunda é a comissão que um determinado parceiro nos paga. Um sinal é compilado para cada um (veja a tela abaixo), o que ajuda a identificar o parceiro com a máxima eficiência em primeiro lugar.
Todos os nossos parceiros desejam melhorar seus funis, para realizar muitas experiências e a conversão muda periodicamente. É importante monitorar isso e este é o momento que pode ser automatizado.
Suponha que em 5% dos casos você coloque o botão "comprar" e não o parceiro com o melhor preço, mas comece a afastar todos os outros parceiros para descobrir qual é a conversão deles agora. Você atualiza esta placa, reconta a produtividade - e, assim, o próximo usuário já vê a nova ordem de parceiros. Seu sistema aprende com os dados que recebe dos parceiros e seleciona a melhor solução. Isso já pode ser chamado de aprendizado de máquina.
Nº2 classificação do hotel
Se tudo é bem simples com bilhetes: você pode classificá-los por preço e colocar o mais barato no início, então essa recepção não funcionará com hotéis.
Se mostrarmos o hotel mais barato, provavelmente será um albergue nos arredores e quase ninguém gostará. Você pode começar a fazer o mesmo que com os ingressos: mostre todos os hotéis por vez, veja qual é a conversão deles e escolha o melhor. Mas temos 4 milhões de hotéis. Receio que nenhum de nós esteja à altura dos resultados deste teste. Portanto, recorremos à ajuda de tecnologias de inteligência artificial.
Há também uma solução pronta para uso. Nesse caso, a biblioteca “inteligente”, criada pelos caras da Yandex, foi criada apenas para aqueles que ainda não são versados em inteligência artificial. Os hotéis têm um grande número de características com base nas quais o usuário faz sua escolha: preço, classificação, críticas e assim por diante. Na entrada, você fornece à biblioteca os parâmetros do hotel; acaba por transferir conversões da exibição do hotel para compra.
O que essa biblioteca faz? Com base nesses dados, ela está tentando prever que tipo de conversão os hotéis semelhantes terão. Na saída, você obtém uma previsão de conversão que pode ser usada como uma classificação.
Nesta experiência, nossa fatura média aumentou + 17%. Esse algoritmo começou a mostrar hotéis mais caros acima do resto - e, assim, as pessoas começaram a comprar hotéis mais caros.
Outros indicadores e tudo relacionado à conversão aumentaram acentuadamente: conversão para venda + 6%, receita + 19%.
Análise da foto # 3
Os parceiros nos fornecem muitas fotos para cada hotel. Mas não sabemos o que é descrito neles. Precisamos da IA para saber qual a qualidade deles e em que ordem eles precisam ser mostrados. Entre as fotografias também existem:
Este famoso secador de cabelo de alguma forma entrou na questão principal em Moscou. Essa foi uma das razões pelas quais decidimos descobrir.
Há um grande número de bibliotecas; encontramos um adequado que tenta determinar a localização representada na foto.
Rodamos todas as nossas fotos por esta biblioteca (você pode chamar de rede neural treinada) e obtivemos o resultado - uma análise aproximada do que a biblioteca vê na foto.
Era importante para nós entender se era na rua ou dentro. Se na rua, estávamos interessados principalmente na piscina. No interior há camas, banheiros, um corredor.
Então decidimos que era interessante para os usuários ver o quarto do hotel em primeiro lugar. O que é um número? É quando a foto mostra uma cama grande. Não foi muito difícil lidar com isso. Começamos a analisar manualmente o que aconteceu: tudo parecia legal, mas nos destinos do resort (especialmente no turismo de massa) as fotos das camas pareciam ruins. Era uma cama muito escassa em um quarto muito escasso.
Analisamos o que nossos parceiros e concorrentes fazem neste caso. E eles mostram fotos da piscina, porque a piscina nesses hotéis é sempre bonita. Começamos a apresentar precisamente os hotéis que têm uma bela fotografia da piscina.
Ao lançar esse problema, não apenas nos livramos do trabalho manual (costumávamos contratar freelancers que tiravam fotos de hotéis nas principais cidades com nossas mãos), mas também aumentamos a conversão em + 12%, o que aumentou principalmente devido às localizações de praias no experimento com a piscina.
# 4 Análise de revisão
Estética das fotografias e o estilo do interior - é outra coisa com a qual você pode trabalhar, como pensávamos. Muitas vezes, hotéis muito semelhantes em características são feitos em um estilo completamente diferente. Você pode descobrir onde está o interior - não apenas por fotos, mas também por comentários.
Os usuários costumam escrever sobre como eles gostam do interior. Conheci algumas críticas, por exemplo: "Aqui está um número incrível, como minha avó". Mas os usuários costumam escrever sobre alguns hotéis modernos e elegantes. Eles escrevem sobre a localização, a proximidade das atrações ou a vista da janela.
Quando os usuários pesquisam um hotel, eles primeiro filtram tudo o que não lhes convém, deixando algumas opções nos seus favoritos. E o próximo passo que afeta a escolha é revisar as revisões. Muitas vezes há muitas críticas. Nós pensamos que seria legal ler o aperto, isso é a coisa mais importante. Começamos com essa ideia.
Atraímos nossos parceiros especializados na análise de revisões. Juntamente com eles, retiramos a coisa mais importante dos comentários e colecionamos um certo conjunto de crachás que colocamos nos hotéis.
Nós realmente queríamos lançar esse recurso, sonhamos muito com isso. Mas acabou que as pessoas não se importam. Penduramos lindos crachás nos hotéis, o que revelou a principal vantagem do hotel. Mas isso não afetou a conversão e os números.
Nº 5 Preço do ingresso
Durante todo o tempo em que trabalhamos na Aviasales, acumulamos uma quantidade enorme de dados. E nossa hipótese era que existe uma relação entre a forma como o preço dos bilhetes muda, dependendo de quanto tempo resta antes da partida ou em que dia essa partida.
Este também foi um dos nossos projetos de hackathon, onde os caras desenvolveram uma solução que rapidamente começou a dar bons resultados.
Graças a essa decisão, começamos a economizar dados, começamos a preencher o calendário de preços daqueles locais, preços e datas para os quais não tínhamos dados reais.
Isso funciona com uma precisão incrível: apenas 10% do preço está errado, o que parece ser um bom indicador para uma solução feita no joelho.
O que mais é interessante com as previsões? As pessoas geralmente decidem se esperam preços mais baixos ou ainda compram agora. Assim, começamos a dar dicas aos usuários "compre agora" ou "espere". Normalmente, os preços dos ingressos só aumentam; portanto, em 90% dos casos, dizemos: "Compre agora". A confiança do usuário aqui foi mínima.
Abaixo está um layout do que planejamos fazer. Mostraremos gráficos de como o preço mudará de acordo com nossas previsões. Esperamos obter mais confiança do usuário com isso.
Nº6 Previsão de cancelamento de hotel
A maioria dos usuários compra bilhetes não reembolsáveis e o fato de o usuário ter comprado um bilhete pode ser considerado a oferta final.
No caso de hotéis de uma maneira diferente; a parcela de retornos é alta e é importante planejar quanto dinheiro ganhamos aqui. Portanto, com base em quanto tempo resta antes da reserva e com base nas ações anteriores do usuário, tentamos prever qual será a porcentagem e o preço do cancelamento. Isso ajuda no planejamento.
# 7 Avaliação da qualidade do tráfego
Na maioria das vezes, as pessoas viajam duas vezes por ano. Portanto, quando instalam o aplicativo, não é fato (e isso é normal) que eles não comprem ingressos agora. Mas ainda é importante avaliar o quão boa é uma fonte de tráfego. Estamos tentando prever, pelas primeiras ações do usuário, qual a probabilidade de ele fazer uma compra.
Sete exemplos
- parceiros de triagem;
- classificação de hotéis;
- análise de fotos;
- análise de revisões;
- previsão de preço;
- previsão de cancelamento;
- estimativa de tráfego.
Quero chamar sua atenção para os três primeiros pontos. Graças a esses pontos, parece-me que aprendemos que a introdução de tecnologias de inteligência artificial é bastante simples. Eu recomendo levar seu desenvolvedor e passar um dia pesquisando.
Se você tiver alguma tarefa que considere automatizada. Há uma grande chance de que o que você precisa fazer já esteja feito antes de você, aplicá-lo a si mesmo não levará muito tempo.
Mais relatórios sobre marketing de produtos podem ser encontrados no canal
@epicgrowth Telegram.
Transcrição do discurso
publicado em vc.ru.