Si alguna vez ha buscado un producto en cualquier sitio web que no sea Amazon o Google, probablemente haya pasado un mal momento tratando de encontrar algo, y luego regrese directamente a Google o Amazon.
Ese es un problema importante para los minoristas, que deben asegurarse de que los clientes potenciales que ya muestran mucho interés en comprar algo puedan encontrar esos productos y terminar comprándolos. Es por eso que G Wu y Jing He comenzaron mente experta, una herramienta que brinda a los minoristas una forma de implementar un motor de búsqueda más inteligente en sus sitios al recopilar datos relacionados con todos sus productos y concentrarse en lo que los clientes realmente están buscando. Para ello, Adeptmind dijo que ha recaudado 4,5 millones de dólares en una ronda de financiación de Fidelity Canada.
“Muchas veces, las empresas de NLP tendrán gráficos de conocimiento bastante ‘completos’ en los que se realiza el etiquetado interno, pero la mayoría de los datos provienen del catálogo de productos”, dijo Wu, el CEO. “Como tal, no se entenderá nada que no esté en el catálogo de productos. No hay almuerzo gratis cuando se trata de aprendizaje automático. Nuestro objetivo es rastrear una gran parte de la web. Basándonos en la web, hacemos un rastreo dirigido para que ingieramos cualquier información relevante”.
Aquí hay un ejemplo que dieron: al buscar “jeans rasgados” en un sitio web como Diesel, es posible que no obtenga los resultados correctos y muchos jeans normales porque simplemente no reconocen que el modificador “rasgado” es algo que significa para excluir resultados. Adeptmind rastrea Internet en varios lugares, incluso en foros, para determinar qué productos hacen referencia cruzada varios clientes potenciales cuando se relacionan con la frase “jeans rasgados” y luego los usa para reducir la lista de productos a lo que los clientes realmente quieren. .
Esas consultas, como resultado, teóricamente pueden volverse tan complicadas como las que podría recitar a un servicio como Hound o Siri solo para probar los límites de sus capacidades. Puede ir a algún tipo de sitio web de chaqueta y extender la búsqueda a un subconjunto extremadamente limitado de productos y datos demográficos, y el argumento de Adeptmind es que aún podrá obtener los resultados adecuados en función de sus esfuerzos para construir un idioma. graficar alrededor de productos que es más sólido que una simple búsqueda de palabras clave.
Ese es el argumento de la empresa cuando entran en una oficina e intentan vender en negocios más grandes, donde tienes que poder sacar una computadora portátil y demostrar que la tecnología realmente funciona. El objetivo, eventualmente, sería poder ofrecer a los minoristas la forma de simplemente decir “Dame un motor de búsqueda” y conectarse directamente a Adeptmind de inmediato, ya que comienza a construir un gráfico de lenguaje alrededor de esos productos.
Sin duda, no está del todo claro que los principales minoristas terminen comprando esto, especialmente después de haber entrenado negativamente a los consumidores para que simplemente visiten Google o Amazon para encontrar un producto debido a los motores de búsqueda deficientes. Es una batalla cuesta arriba, y debido a que los datos se obtienen de toda la web, puede haber otras empresas que busquen crear un tipo de gráfico de lenguaje similar en torno a los productos que podrían vender a los minoristas. El objetivo de Adeptmind, dijo el vicepresidente de producto Yoav Artzi, es simplemente convencer a esos minoristas de que la naturaleza no supervisada del producto terminará brindándoles los mejores resultados y, también, que son los primeros en ingresar a esos minoristas.
“Muchas veces, los servicios de PNL tienden a ser de naturaleza de consultoría”, dijo Artzi. “Construyes un sistema con personas que pasan tres o cuatro meses, y luego tienes que hacer otra tienda y pasar otros tres o cuatro meses. Eventualmente, estás limitado por un crecimiento lineal. No tiene que esforzarse mucho si su sistema es capaz de admitirlos a través del aprendizaje no supervisado. Ingerimos el catálogo y alcanzamos una precisión muy alta muy rápidamente. Eso fue más difícil de hacer antes del aprendizaje profundo, por lo que estamos alcanzando la parte delantera del aprendizaje profundo y la PNL”.
Source link