在产品营销会议上，康斯坦丁·萨夫琴科（Konstantin Savchenko）在Aviasales的移动酒店主管
Epic Growth Conference上 ，介绍了在Aviasales中使用人工智能技术的实验和示例。
观看视频或阅读剪辑下方的注释。
许多与人工智能技术相关的Aviasales解决方案都源于黑客马拉松。 最初版本中的大多数解决方案都能为企业带来切实的增长和良好的业绩，例如，提高转换率或降低成本。
要使用人工智能技术，没有必要成为专业人士。 这里的秘密很简单：大型公司已经为您完成了所有工作。 并在GitHub上发布了交钥匙解决方案，例如，您可以在其中找到神经网络和智能库。
为了激励您尝试创建基于人工智能的解决方案，康斯坦丁·萨夫琴科（Konstantin Savchenko）收集了七个有关Aviasales如何使用这些技术的示例。
＃1票上的合作伙伴顺序
票证上的合作伙伴顺序只是一个简单的例子，但是一旦它真正有助于开始理解什么是机器学习。 这是您在Aviasales上找到的票。 不同的合作伙伴提供特定票证的价格。
通常，来自不同合作伙伴的价格是相同的。 我们需要选择哪个合作伙伴来显示橙色的“购买”按钮，大多数用户都单击该按钮。 当然，首先，我们设置最低价格，只有这样才能发挥作用。 但是，如果来自不同合作伙伴的多个低价是相同的，那么我们需要选择最好的。
在这种情况下，我们关注两个参数。 第一个是从单击“购买”按钮到购买的转换。 第二个是特定合作伙伴向我们支付的佣金。 每个符号都会编译一个符号（请参见下面的屏幕），这有助于首先识别出效率最高的合作伙伴。
我们所有的合作伙伴都希望改善渠道，因此他们进行了大量实验，并且转化次数会定期更改。 监视这一点很重要，这是可以自动化的时刻。
假设在5％的情况下，您按下“购买”按钮时并不是价格最优惠的伙伴，而是开始赶走所有其他伙伴以了解他们现在的转化情况。 您更新此标牌，重新计算生产率-因此，下一个用户已经看到了新的合作伙伴订单。 您的系统将从合作伙伴收到的数据中学习并选择最佳解决方案。 这已经可以称为机器学习。
＃2酒店排序
如果门票的一切都很简单：您可以按价格对它们进行分类，然后将最便宜的商品放在开头，那么这种接待方式将不适用于酒店。
如果我们显示最便宜的酒店，则很有可能是郊区的旅馆，几乎没人会喜欢。 您可以开始使用与票务相同的方法：依次显示所有酒店，查看其转化并选择最佳的酒店。 但是，我们有400万家酒店。 恐怕我们每个人都不辜负这项测试的结果。 因此，我们诉诸于人工智能技术的帮助。
还有一个交钥匙解决方案。 在这种情况下，“智能”库是由Yandex的人创建的，专门为尚未精通人工智能的人们创建。 旅馆具有大量的特征，用户可以根据这些特征进行选择：价格，等级，评论等。 在入口处，为图书馆提供酒店的参数； 原来是将转化从展示酒店转移到购买。
这个图书馆做什么？ 根据这些数据，她正在尝试预测类似酒店的转化率。 在输出中，您可以获得可以用作排序的转化预测。
在此实验中，我们的平均账单增加了17％。 该算法开始显示比其他酒店更昂贵的酒店-因此人们开始购买更昂贵的酒店。
其他指标以及与转化相关的所有事物均显着增加：转化为销售+ 6％，收入+ 19％。
＃3照片分析
合作伙伴为我们为每家酒店提供许多照片。 但是我们不知道它们上描绘了什么。 我们需要AI知道它们的质量和显示顺序。 这些照片中还包括：
这个著名的吹风机以某种方式成为莫斯科的热门话题。 这就是我们决定解决这个问题的原因之一。
有大量的图书馆。 我们找到了一个合适的人，试图确定照片中描绘的位置。
我们将所有照片通过该库运行（您可以将其称为经过训练的神经网络），并得到结果-该库在照片中看到的大致分解。
对于我们而言，了解它是在街道上还是内部，这很重要。 如果在大街上，那么我们主要对游泳池感兴趣。 里面有床，厕所，大厅。
然后我们决定让用户首先看到酒店房间很有趣。 什么是数字？ 这是照片显示一张大床的时候。 应付起来不是很困难。 我们开始手动查看发生的事情：一切看上去都很酷，但是在度假胜地（尤其是大众旅游），床的照片看起来很糟糕。 这是一个非常微薄的房间里非常微薄的床。
我们已经分析了在这种情况下我们的合作伙伴和竞争对手的行为。 他们显示泳池的照片，因为此类酒店的泳池总是很漂亮。 我们开始精确地提出那些有泳池美丽照片的酒店。
通过发布这样一个问题，我们不仅摆脱了体力劳动（我们曾经聘用自由手来为顶级城市的酒店拍照），而且转换率增加了12％，这主要是由于在游泳池实验中海滩的位置。
＃4评论分析
照片的美学和内部风格-正如我们所想，这是您可以使用的其他功能。 通常，在特色方面非常相似的酒店以完全不同的风格制成。 您不仅可以通过照片，而且可以通过评论找到内部的位置。
用户经常写关于他们对室内装饰的看法。 我遇到了一些评论，例如：“这和我的祖母一样，是一个了不起的数字。” 但是用户通常会写一些现代时尚的酒店。 他们写关于位置，景点的接近性或从窗户看的景色。
用户搜索酒店时，他们会首先过滤掉不适合自己的所有内容，并在其收藏夹中保留一些选项。 影响选择的下一步是复查评论。 经常有太多评论。 我们认为阅读挤压很酷，这是最重要的。 我们从这个想法开始。
我们吸引了专门从事评论分析的合作伙伴。 我们与他们一起，从评论中挑选出最重要的内容，并收集了放置在酒店上的一组徽章。
我们真的很想启动此功能，梦ed以求。 但是事实证明，人们不在乎。 我们在酒店上挂了漂亮的徽章，这表明了酒店的主要优势。 但这并没有影响转换和数字。
＃5门票价格
在Aviasales工作的所有时间里，我们都积累了大量的数据。 我们的假设是，机票价格如何变化取决于航班起飞前的剩余时间或航班起飞的日期之间的关系。
这也是我们的黑客马拉松项目之一，他们在其中开发了一种解决方案，该解决方案很快就开始产生出色的结果。
由于这一决定，我们开始保存数据，开始填写价格日历，以了解没有实际数据的那些地方，价格和日期。
这种方法的准确性极高：只有10％的价格是错误的，这似乎是解决方案的一个很好的指标。
这些预测还有什么有趣的呢？ 人们通常会决定是等待更低的票价还是还是现在购买。 因此，我们开始为用户“立即购买”或“等待”提供提示。 通常，门票价格只会上涨，因此在90％的情况下，我们说：“立即购买”。 这里的用户信任度很小。
以下是我们计划要做的事情的布局。 我们将根据预测显示价格如何变化的图表。 我们希望由此获得更多的用户信心。
＃6酒店取消预测
大多数用户购买不可退款的机票，并且用户购买机票的事实可以视为最终交易。
如果以不同的方式提供酒店； 回报率很高，这对于我们计划在这里赚多少钱很重要。 因此，根据预订前还剩下多少时间和过去的用户操作，我们尝试预测取消的百分比和价格。 这有助于计划。
＃7交通质量评估
人们通常每年旅行两次。 因此，当他们安装该应用程序时，根本就不会立即购买门票（这是正常的）（这是正常的）。 但是，评估流量来源的质量仍然很重要。 我们正在尝试通过用户的第一个动作来预测用户进行购买的可能性。
七个例子
- 分拣伙伴；
- 酒店分类；
- 照片分析；
- 评论分析；
- 价格预测；
- 取消预测；
- 流量估算。
我想提请您注意前三点。 感谢这些观点，在我看来，我们了解到引入人工智能技术非常简单。 我建议您与开发人员一起花一天的时间进行研究。
如果您有任何认为可以自动化的任务。 您很有可能先完成您需要做的事情，然后将其应用到您自己上不会花费很多时间。
有关产品营销的更多报告可以在
@epicgrowth Telegram频道上找到。
演讲稿
发表在vc.ru上。