Vooruitblikkend op 2018 lijkt het een jaar te worden waarin de beschikbare AI-technologieën verder ontwikkeld en uitgediept worden voor webwinkeliers. Daarbij is vooral deep learning veelbelovend: een van de belangrijkste onderdelen van onderzoek naar kunstmatige intelligentie.
De groei van AI is het afgelopen jaar een van de meest belangrijke onderwerpen geweest in het tech-nieuws – van algoritmes die hebben geleerd Go te spelen zonder menselijke input en Elon Musk en Mark Zuckerberg die discussiëren over de gevaren en voordelen van AI voor de mens, tot Rusland en China die kunstmatige intelligentie topprioriteit maakten.
Over het algemeen heeft kunstmatige intelligentie als doel computers net zo slim als, of zelfs slimmer dan mensen te maken door ze te voorzien van menselijk denk- en redeneervermogen. Een van de vele manieren om dit te bereiken, is machine learning – een basistechniek die vaak wordt gebruikt en in alle sectoren wordt toegepast. Een andere technologie die in opkomst is, is deep learning. Met deze techniek wordt het menselijk brein geïmiteerd bij het verwerken van data en het creëren van patronen bij het nemen van beslissingen.
Deep learning voorspelt klantwensen
Deep learning maakt het mogelijk om zonder menselijke expertise toch te beschikken over betrouwbare, rijke, machine-interpreteerbare klantomschrijvingen om het kooppotentieel te bepalen. Bij het analyseren van grote datasets kan zo’n aanpak leiden tot een conversieratio die 35 procent hoger ligt dan wanneer een iemand op zijn instincten afgaat, zo blijkt uit onderzoek van RTB House. Bovendien is deze technologie in staat om de unieke gewoonten en wensen van klanten te voorspellen. Dat maakt de dagelijkse gebruikerservaring eenvoudiger. Klanten kunnen dan benaderd worden met zeer specifieke producten, en niet alleen producten die ze waarschijnlijk aanschaffen, maar ook producten die ze nog niet kennen of waar zij zelf niet aan gedacht hebben.
Stel dat een klant net een nieuwe camera heeft gekocht via jouw webshop. Deep learning-algoritmes analyseren dan elk deel van het aankoopproces: datum, cameraspecificaties, geschiedenis, gedrag enzovoorts. Vervolgens worden standaardproductaanbevelingen gedaan op basis van de persoonlijke wensen van de klant, zoals bijpassende cameralenzen, extra geheugenkaarten of een camerastatief. Maar met deep learning kun je hier nog meer inzichten uithalen. Zo kan op basis van deep learning een videoadvertentie getoond worden met een cameradrone, waardoor de klant bewust wordt gemaakt van mogelijkheden waar hij zelf nog nooit aan heeft gedacht.
Met deep learning zijn we in staat om heel zorgvuldig naar de potentiële waarde van een klant te kijken, de conversiekansen te voorspellen en vooral te leren over wat klanten willen. In 2018 verwachten we dan ook dat toonaangevende bedrijven zich verder zullen focussen op het ontwikkelen van hun deep-learning- en AI-mogelijkheden.
De volgende stap: transfer learning en reinforced learning
Andere vormen van deep learning die er in 2018 aan komen, zijn transfer learning en reinforced learning. Bij transfer learning leert een machine beslissingen nemen op basis van de kennis die hij haalt uit een groot aantal simulaties in plaats van gegevens uit de realiteit. Dat maakt het proces een stuk gemakkelijker, sneller en goedkoper. Bij reinforced learning leert een machine de best mogelijke beslissingen te nemen op basis van de feedback die hij krijgt van de omgeving en hun acties hierin. Ook deze opkomende technieken zullen helpen bij het nemen van beslissingen voor je webshop.
Behoefte aan specialisten in 2018
In tegenstelling tot mensen, leren machines veel sneller en zijn zij in staat om onvoorstelbare hoeveelheden data te analyseren. Bovendien hoeven zij niet te slapen en maken ze minder fouten.
Betekent dit dat machines onze banen zullen overnemen? Nou, nee. Maar met de huidige snelheid waarin AI zich ontwikkelt, zijn steeds meer e-commercebedrijven op zoek naar meer IT-specialisten, data-analisten en programmeurs. Dit zijn namelijk de specialisten die het meeste kunnen halen uit de data van je klanten en webshop. Waarschijnlijk vindt er volgend jaar een grote stijging plaats in nieuwe vacatures voor datawetenschappers – een functie die tot nog toe niet erg populair was.
Evolutie van innovaties
Het uiteindelijke doel van deep learning is het makkelijker maken van ons leven en het efficiënter maken van ons werk. Daarom is het gebruik van AI niet langer een standaard, maar een noodzakelijkheid voor webwinkeliers die internationaal concurrerend willen zijn en blijven. Zij verzamelen vandaag de dag enorme hoeveelheden data, wat ze kan helpen om klantaanbiedingen te formuleren, voorwaarden voor leveranciers aan te bevelen en werknemers te instrueren over wat te doen en zeggen – en dat in realtime. En nu deze technologie verder toeneemt, kunnen we ervan uitgaan dat binnenkort nieuwe start-ups zullen ontstaan, die oplossingen bieden op basis van zelflerende algoritmes.
Artificial intelligence is in 2017 onderdeel geworden van zowel ons dagelijks leven als van het publieke debat. De komende jaren zullen bedrijven zich focussen op het ontwikkelen van technologieën op basis van AI, die bij moeilijke taken de mens kunnen vervangen – en zo ons leven een stuk makkelijker maken. Maar daarvoor is er nog wel wat werk aan de winkel.
Hoi Cyril, in hoever hebben jullie in jullie retargeting platform ook al echt AI & Deep Learning toegepast? De reden is namelijk dat wij als AI bureau zien dat AI erg hot is maar tegelijkertijd 99% van de bedrijven die zeggen AI te gebruiken in hun tools, in de praktijk helemaal geen AI gebruiken (maar het meer als sales argument gebruiken).
Onze ervaring leert namelijk dat AI super complex is en onze klantenkring zit met name bij de allergrootste bedrijven in Nederland die nu pas de allereerste stapjes op het AI gebied zetten (of willen zetten). Dus vandaar de kritische vraag of er ook echt AI technologie in jullie platform zit.....
Overigens noem je ook reinforcement learning. Dit is helemaal een super geadvanceerde techniek die op dit moment nog niet "live" is in welke oplossing dan ook (alleen op test en research omgevingen).