Adobe combineert AI en machine learning in virtuele analist

Merken worstelen met het duiden van de eindeloze stroom aan data die verzameld worden uit alle kanalen zoals websites en apps, maar ook de snel ontwikkelende technologieën als voice en streaming audio. Het is onmogelijk om voldoende getalenteerd personeel te werven om deze taken uit te voeren, waardoor veel data nog niet toegankelijk is of onvoldoende geanalyseerd wordt. De manier waarop consumenten de verschillende touchpoints gebruiken is zo complex dat het niet benutten van de juiste inzichten ervoor zorgt dat merken ook niet in staat zijn om de klantervaring te verbeteren en een concurrentievoordeel te realiseren.

Adobe voegt daarom een virtuele analist toe aan Adobe Analytics. Hiermee wordt het mogelijk om automatisch inzichten te verkrijgen uit de beschikbare data. Adobe Sensei, het AI en machinelearningframework van Adobe, zorgt ervoor dat merken waardevolle inzichten uit hun analytics halen door signalen te herkennen die anders onopgemerkt zouden blijven. Het kan hierbij gaan om inzichten in wat geleid heeft tot onverwachte pieken of dalingen in bepaalde criteria, zoals online bestellingen of web traffic. Dergelijke inzichten voorkomen direct dat problemen verergeren en bieden de mogelijkheid om nieuwe kansen te identificeren waarmee de omzet vergroot kan worden.

John Bates, Director of Product Management bij Adobe Analytics: "Wij hebben de tijd genomen om de virtuele analist te ontwikkelen en hebben jaren besteed aan het uitvoerig valideren van de technologie met echte klantdata en het trainen van het AI-model, zodat we er zeker van zijn dat de uitkomsten daadwerkelijk problemen oplossen. Een groot internationaal merk gaf tijdens één van de eerste testprogramma's aan dat de verkregen inzichten overeenkwamen met het toevoegen van meer dan honderd extra datawetenschappers aan zijn team. Wij zijn blij met de feedback tot nu toe en kijken ernaar uit om deze technologie breder uit te rollen."

Functionaliteit van de nieuwe virtuele analist zijn onder andere:

- Zichtbaar maken van het onbekende: De virtuele analist doorzoekt en analyseert voortdurend de data van het bedrijf en geeft prioriteit aan interessante veranderingen. Deeplearningmodellen bieden de virtuele analist toegang tot ieder datapunt bij iedere klantinteractie, variërend van hoe lang een consument een website bezoekt, tot het switchen tussen app en website. Deze onbekende patronen bieden niet alleen inzichten, maar maken voor bedrijven ook zichtbaar waar zij niet eerder naar gezocht hebben. Er zijn simpelweg onvoldoende tijd en resources beschikbaar om deze verborgen, waardevolle inzichten uit data te halen. Een retailer kan bijvoorbeeld al beginnen met het identificeren van belangrijke kleine verschillen in hoe consumenten uit verschillende demografische gebieden kleding kopen of snel negatieve klantervaringen herstellen die het meeste geld kosten.

- Maximale relevantie: De virtuele analist brengt proactief prioriteiten aan in data-analyses gebaseerd op zowel de context van business als de gebruikers, beiden gebruikmakend van realtime activiteiten en historische data, zonder dat de gebruiker het systeem zelf hoeft op te starten. Deze nuances kunnen essentieel zijn: denk bijvoorbeeld aan een luchtvaartmaatschappij die ieder jaar een grote campagne heeft op de eerste maandag van juni. Zodra de inzichten beschikbaar zijn die dag, worden ze vergeleken met dezelfde dag in voorgaande jaren. Machinelearningalgoritmes zorgen er bovendien voor dat aanbevelingen worden gebundeld. Een piek in omzet, bestellingen en conversies die allemaal gerelateerd zijn aan dezelfde gebeurtenis worden bijvoorbeeld samengevoegd tot één betekenisvol inzicht.

- Adaptief leren: Gaandeweg houdt de virtuele analist rekening met de voorkeuren en consumptiepatronen van gebruikers om meer intuïtieve en relevante inzichten te bieden. Het analyseert ook het gedrag van alle andere gebruikers binnen de organisatie om overeenkomstige personen te vinden en dit vervolgens te gebruiken om aanbevelingen te doen voor verdere personalisatie. Het systeem biedt de mogelijkheid om gebruik te maken van vind ik leuk- of vind ik niet leuk-aanbevelingen die het machinelearningmodel versterken en de virtuele analist in de loop der tijd steeds intelligenter maken.

De virtuele analist is ontwikkeld op basis van een set van verschillende oplossingen binnen Adobe Analytics. Dit bevat onder andere Anomaly Detection; waarbij het systeem op zoek gaat naar statistisch significante afwijkingen in de data, maar ook Contribution Analysis; het identificeren van de factoren die een bijdrage leveren aan afwijkingen. De oplossing die nu geïntroduceerd wordt maakt bovendien gebruik van Intelligente Alerts met AI-mogelijkheden op basis van Adobe Sensei.

www.adobe.com