d-tags 
(ilość głosów: 4, średnia: 4,25 na 5)
Loading...- Marketingowy ekosystem Google
- Chmura, czyli… czyli właściwie co?
- Sztuczna inteligencja od Google wspiera sprzedaż w e-sklepach
- Każdy może mieć swój (cyfrowy) kawałek nieba
Marketingowy ekosystem Google
Google jest właścicielem narzędzi cyfrowych, z których korzystamy zawodowo – jako właściciele serwisów e-commerce, marketerzy czy analitycy, oraz prywatnie – jako konsumenci. Gigant rozwija blisko 1500 produktów. Pod jego skrzydłami znajduje się chociażby pakiet aplikacji biznesowych Google Workspace, serwis YouTube, platforma dla graczy Stadia czy urządzenia elektroniczne z rodziny Pixel oraz Nest. Google prowadzi w wielu segmentach rynku dzięki takim produktom jak:- Google Search – wyszukiwarce, z której korzysta 92,5% internautów na całym świecie,
- Android – mobilnym systemem operacyjnym z udziałami w rynku na poziomie 71,8%,
- Google Chrome – najpopularniejszej przeglądarce o penetracji globalnego rynku na poziomie 69,3%,
- Google Maps, z których korzysta 67% użytkowników na całym świecie,
- Gmail – skrzynce pocztowej używanej przez 43% internautów.
Chmura, czyli… czyli właściwie co?
Pewnie kojarzysz Google Drive i pakiet towarzyszących mu aplikacji – Google Docs, Sheets, Slides, Keep, Forms… Jak też Gmaila czy platformę do wideokonferencji Meet. Jeśli używasz tych narzędzi, korzystasz z chmury (a dokładniej, z aplikacji chmurowych w modelu Software as a Service). A czy kiedykolwiek zastanawiałeś się, czym ta chmura jest, jak działa i gdzie tak naprawdę znajdują się Twoje zdjęcia z wakacji, kopia pracy magisterskiej lub arkusz z harmonogramem publikacji blogowych? Chmura to zespół połączonych ze sobą serwerów. Serwer to maszyna, na której można przechowywać i przetwarzać dane, uruchamiać programy czy prowadzić obliczenia. Minimum dwa połączone ze sobą serwery (poprzez sieć prywatną lub publiczną, np. Internet) tworzą chmurę. Najwięksi dostawcy usług chmurowych posiadają miliony takich maszyn. Centra danych (budynki, w których znajdują się serwery) są połączone tysiącami kilometrów kabli światłowodowych, co przekłada się na ogromną moc obliczeniową i wysoką prędkość przesyłu. Przykładowo, zdzwaniając się na weekly przez Google Meet i edytując w trakcie spotkania arkusz w Google Sheet, słyszymy się, widzimy i śledzimy zmiany, jakie koleżanka czy kolega wprowadził w dokumencie. Nawet jeśli jedna osoba pracuje z biura we Wrocławiu, druga z plaży na Dominikanie, a trzecia siedzi do góry nogami w Australii. To, że wszystko dzieje się natychmiast, w czasie rzeczywistym, zawdzięczamy m.in. globalnej sieci centrów danych Google. [caption id="attachment_40213" align="aligncenter" width="750"]
Mapa połączeń pomiędzy centrali danych Google Cloud. Kolorem niebieskim oznaczono obecne kable światłowodowe, zielonym inwestycje w trakcie realizacji (stan na kwiecień 2021). Źródło: https://cloud.google.com/about/locations[/caption] Podsumowując, Twoje pliki “w chmurze”, wrzucone lub utworzone na Drive, znajdują się na maszynach Google – najpewniej w centrum danych w Warszawie, które zostało otwarte w kwietniu 2021 roku.
Chmura publiczna Google – czym jest Google Cloud Platform?
Google Cloud jest chmurą publiczną. Chmura publiczna to model, w którym właściciel serwerów pozwala innym użytkownikom “wynająć” zasoby – moc obliczeniową, pamięć, przestrzeń dyskową. Ale chmura publiczna to nie tylko archiwum dla cyfrowych plików czy aplikacje SaaS (jak wspomniany Drive i aplikacje Docs, Sheet, Slides), ale też zestaw rozbudowanych usług dla administratorów i developerów, które można uruchomić na żądanie (on-demand), bez konieczności inwestowania we własne maszyny i tworzenia rozwiązań od zera. Google Cloud Platform (w skrócie GCP) jest jedną z najpopularniejszych chmur publicznych, zaraz za Amazon Web Services i Microsoft Azure. Składa się na nią blisko 200 usług chmurowych, między innymi:- wachlarz maszyn wirtualnych, które można dowolnie skonfigurować i postawić na nich dowolną aplikację – od prostej strony internetowej, przez rozbudowany e-commerce, do zaawansowanych narzędzi analitycznych (przykładowo, Surfer SEO korzysta z maszyn wirtualnych GCP),
- platforma developerska do szybkiej budowy i wdrażania aplikacji webowych bez konieczności zaprzątania sobie głowy obsługą infrastruktury,
- zestaw narzędzi dedykowanych tworzeniu, testowaniu i rozwijaniu aplikacji mobilnych,
- pojemny magazyn chmurowy na pliki o dowolnym rozszerzeniu, który może posłużyć jako archiwum dokumentów cyfrowych czy przestrzeń na wykonywany cyklicznie backup serwisu,
- zarządzane bazy danych SQL i NoSQL,
- usługi dedykowane analityce BigData, pozwalające analizować petabajty danych w ciągu sekund (fajnym przykładem wykorzystania tych usług GCP jest system Orion firmy kurierskiej UPS, który, dysponując informacjami m.in. o kształcie, wymiarach i ciężarze paczki czy adresie nadawcy i odbiorcy, jest w stanie zaplanować optymalny załadunek, trasę samochodów i termin dostawy, uwzględniając nawet przerwy lunchowe kurierów),
- platforma do rozwoju projektów Internet of Things, odgrywająca ogromną rolę w czwartej rewolucji przemysłowej,
- usługi zamiany mowy na tekst, tekstu na mowę czy tworzenia komunikatów w języku naturalnym (z tych technologii korzysta m.in. Google Assistant),
- wstępnie wytrenowane modele uczenia maszynowego i sztucznej inteligencji, służące rozpoznawaniu obrazów, analizie zawartości wideo czy rozumieniu tekstu i odczytywaniu jego nacechowania emocjonalnego.
Sztuczna inteligencja od Google wspiera sprzedaż w e-sklepach
Google od lat dba o dostarczanie użytkownikom treści zgodnych z ich intencjami i potrzebami. Mechanizmy uczenia i poznawania odbiorcy w Ads, algorytmy proponowania wideo na YouTube czy tworzenia list wyników w wyszukiwarce Google Search – te technologie, którymi gigant już dysponuje, zostały zmodyfikowane i udostępnione właścicielem serwisów e-commerce jako chmurowa usługa Recommendations AI. [caption id="attachment_40215" align="aligncenter" width="750"]
Źródło: https://www.youtube.com/watch?v=nY5U0uQZRyU&t=469s[/caption]
Recommendations AI to samouczący się silnik predykcji, zestawiający informacje o dostępności produktów, promocjach czy ofertach specjalnych z danymi o zachowaniach użytkowników – bieżących i historycznych akcjach. Usługa nieprzerwanie prowadzi analizę i w ciągu kilku sekund serwuje nowe propozycje produktów w odpowiedzi na zmiany w asortymencie czy w zachowaniu użytkownika.
Punkty styku – miejsca publikacji ofert
Rekomendacje utworzone przez silnik można wyświetlać wewnątrz serwisu internetowego, między innymi:- na stronie głównej – mogą znaleźć się tam propozycje produktów bazujące na dotychczasowych interakcjach użytkownika z serwisem,
- na podstronie produktu – najczęściej są tam prezentowane podobne przedmioty,
- jako pop-up po dodaniu produktu do koszyka z propozycjami przedmiotów uzupełniających dany produkt,
- w koszyku, przed przejściem do płatności – to obiecujący, ale dość niebezpieczny obszar, ponieważ źle dobrana rekomendacja może rozproszyć klienta i odciągnąć go od finalizacji zakupów.
Modele rekomendacji w usłudze
Obecnie (kwiecień 2021) w usłudze dostępne są trzy wstępnie wytrenowane modele rekomendacji:- Propozycje dla Ciebie – algorytm, bazując na historii interakcji użytkownika z serwisem, przygotowuje propozycje produktów jeszcze zanim ten rozpocznie zakupy,
- Inne, które mogą Ci się spodobać – model proponuje kolejny produkt, bazując nie tylko na informacji o zawartości koszyka, ale też o przebytej przez klienta ścieżce czy zainteresowaniu danymi podstronami,
- Często kupowane razem – filtrując pokłady danych, silnik przygotowuje propozycje produktów, które inni użytkownicy kupowali w trakcie jednej sesji.
Recommendations AI a własny silnik predykcji
Ale przecież robiąc zakupy, otrzymujemy już rekomendacje, więc po co angażować sztuczną inteligencję? Spójrzmy na przykład z e-commerce Disney’a . Disney porównał efektywność własnego silnika predykcji z silnikiem Google. Oto, jakie produkty zostały zaoferowane klientowi po dodaniu do koszyka opaski na oczy do spania: [caption id="attachment_40217" align="aligncenter" width="1024"]
Po lewej propozycja przygotowana przez silnik Disney’a, po prawej przez Recommendations AI Źródło: https://www.youtube.com/watch?v=pKEmQ1VMxsM&t=1084s[/caption] Autorski silnik skojarzył przedmiot z kategorią, w której ten się znajdował i jako rozszerzenie zakupu zaproponował maski karnawałowe. Recommendations AI rozpoznało intencję użytkownika i podrzuciło klientowi propozycje produktów do spania – piżamy, przytulanki, kapcie. A chyba fajniej idzie się spać z pluszowym Kłapouchym niż z maską Dartha Vadera na twarzy… Dotychczas powstałe silniki rekomendacji często skupiają się na fizycznych zależnościach i ograniczają się do propozycji produktów z tej samej kategorii lub bazują na wyborach innych klientów. Przewagą Recommendations AI jest dostęp do pokładów danych historycznych, umiejętność natychmiastowej ich analizy i odczytania intencji. Usługa jest w stanie wyłapać takie niuanse jak zawieszenie oka na konkretnej podstronie czy najazd myszką na grafikę danego produktu (pamiętajmy, że usługa jest częścią ekosystemu Google – czerpie m.in. z Google Analytics czy Google Tag Manager i jest w stanie dobrze skorelować te dane). Mając szerszą perspektywę, rekomendacja zegarka po dodaniu do koszyka sukienki nie powinna dziwić – zwłaszcza jeśli klientka wcześniej przeglądała tę kategorię produktów. [caption id="attachment_40219" align="aligncenter" width="750"]
Źródło: https://www.youtube.com/watch?v=nY5U0uQZRyU&t=469s[/caption]
Tym, co jeszcze świadczy na korzyść silnika Google, jest łatwość implementacji. Recommendations AI jest gotową usługą, którą uruchamia się w trzech krokach, bez konieczności tworzenia własnych modeli, pisania kodu czy prowadzenia skomplikowanych konfiguracji. Dane do usługi można zaimportować z innych narzędzi Google (np. z Google Tag Manager czy Google Merchant Center) i po około 30 dniach, w ciągu których model jest trenowany, dostrajany i testowany, można mieć aktywny silnik rekomendacji. Ponieważ jest to zarządzana usługa chmurowa, o skalowanie w odpowiedzi na zwiększony czy zmniejszony ruch w e-sklepie dba Google, co przekłada się też na wysokość kosztów (mały ruch – mały rachunek, większy ruch – większy rachunek).
Koszt usługi
Jak to w chmurze – cena za usługę nie jest stała i będzie się różniła w zależności od, chociażby, popularności serwisu i miesięcznej skali odwiedzin, liczby posiadanych produktów, liczby aktywnych modeli rekomendacji, regionu uruchomienia czy waluty rozliczenia. W usłudze ponosimy opłatę za trenowanie i dostrajanie modelu oraz za serwowanie rekomendacji. Koszt trenowania i strojenia to 2,5 USD za godzinę pracy maszyny wirtualnej. Koszt obsługi żądań predykcji jest naliczany w paczkach po 1000 rekomendacji i jest rozdzielony na trzy pułapy w zależności od miesięcznej sumy:- do 20 tys. sesji miesięcznie = 0,27 USD za 1000 żądań,
- kolejne 280 tys. sesji miesięcznie = 0,18 USD za 1000 żądań,
- powyżej 300 tys. sesji miesięcznie = 0,10 USD za 1000 żądań.
A liczby? Jaki jest zwrot z inwestycji w AI?
Z usługi korzysta między innymi Sephora. Jaclyn Luft, Manager Site Personalization & Testing w Sephorze, mówi, że wdrożenie silnika od Google zaskutkowało wzrostem współczynnika kliknięć (CTR) o 50% na stronach produktów oraz o 2% współczynnika konwersji (o czym więcej przeczytasz na stronie Google Cloud) w porównaniu do wcześniej używanego mechanizmu. Podczas konferencji Google Cloud Next ‘20 swoimi doświadczeniami z użycia Recommendations AI podzielił się Graham Cooke, CEO Qubit. Qubit dostarcza rozwiązania IT dla globalnych e-commerce, między innymi dla Topshop, River Island czy MAC Cosmetics. U jednego z klientów wdrożyli karuzelę z propozycjami produktów w koszyku, na ostatniej prostej przed dokonaniem płatności. Po kilku miesiącach serwis notował kilkuprocentowy wzrost konwersji. Qubit wdrożył podobną karuzelę również w innych obsługiwanych e-commerce – we wszystkich konwersja podskoczyła średnio o 5% . Google Cloud wskazuje, że w porównaniu do innych silników predykcji Recommendations AI generuje wzrosty w metrykach takich jak współczynnik klikalności (CTR, click-through rate), konwersja czy dochód: [caption id="attachment_40221" align="aligncenter" width="750"]
Wyniki usługi Recommendations AI w porównaniu do prostego silnika rekomendacji wśród pilotowych projektów, pozyskane metodą testów A/BŹródło: https://cloud.google.com/recommendations[/caption]
