Amazon. От офиса в гараже до $10 млрд годового дохода

Наиболее значительное проявление стремления к все более автономным вычислительным системам — это ИИ. Со своей стороны, ИИ сделал реальностью магазины без касс, робототехнику, беспилотные автомобили, дроны и голосовые помощники, и мы только начали использовать его потенциал. Действительно, маркетинговые исследования фирмы The Insight Partners прогнозировали, что расходы на ИИ в рознице превысят $27,2 млрд к 2025 году, увеличившись на 49,9 % CAGR[73] от оценочного $712,6 млн в 2016 году. Не случайно поэтому, что AWS уже располагает огромными массивами данных о своих клиентах, а его неустанное стремление к упрощению во имя нововведений поддерживает доминирование компании в быстро развивающейся области ИИ и его применения через голосовые системы.

Ценность рекомендаций

Определив ИИ как кульминацию основных технологических драйверов в ходе сегодняшних инноваций (вытекающих из необходимости создания более автономных компьютерных систем, в частности), — перед тем, как окунуться в голосовую технологию как ее апофеоз, — необходимо провести исследование того, как Amazon извлекает выгоду из развития систем ИИ в рамках собственного бизнеса. Причем она делает это не только в домах своих клиентов, как мы констатировали в случае с драйверами повсеместного подключения и всепроникающих интерфейсов. Такое исследование добавит нам понимание того, как она достигла своей цели в удалении трения из средней поездки по магазинам и, таким образом, создала благотворный производственный цикл, в свою очередь генерирующий еще большие продажи и рост.

Фактически именно ИИ лежит в основе работы ее локомотива поисков и двигателя рекомендаций. Еще в 1990-х годах Amazon была одним из первых игроков электронной коммерции, в значительной степени полагавшихся на продуктовые рекомендации, помогавшие ей в организации перекрестной продажи новых категорий, когда компания вышла за рамки книжной торговли. Это направление технологического развития Безос описал как «практическое применение машинного обучения». Поисковые и рекомендательные возможности машинного обучения Amazon лежат и в основе ее изощренного знания схем поставок, и в самых последних функциях ее голосового торгового помощника. Во всех этих приложениях она может использовать огромную вычислительную мощность своего подразделения AWS, дабы сжать миллиарды точек данных для тестирования различных опций и результатов, молниеносно решая в итоге, что будет, а что не будет экономически эффективно при работе с клиентами. По оценкам McKinsey, доля покупок в Amazon, обусловленных рекомендациями по продуктам, составляет 35 %²³. В 2016 году она создала свою программу ИИ — фреймворк DSSTNE (произносится как «destiny» — судьба), свободное ПО, помогающее расширить способы глубокого обучения, выходящие за рамки понимания речи и языка, а также распознавания объектов в таких областях, как поиск и рекомендации. Решение открыть исходный код DSSTNE также демонстрирует, что Amazon признает необходимость сотрудничества для получения прибыли от обширного потенциала ИИ.

На сайте Amazon эти рекомендации могут быть персонализированы по категориям и диапазонам, которые пользователи уже искали или просматривали ранее, для увеличения конверсии. Точно так же механизм рекомендаций Amazon может отображать товары, подобные тем, которые уже искали или просматривали, в надежде конвертировать покупателей конкурирующих брендов или продуктов. Существуют также рекомендации, основанные на всем, что «связано с тем, что вы просмотрели». Они могут зависеть от элементов заказа, которые «часто покупаются вместе» или «клиенты, которые купили этот товар, также купили…» с целью повышения средней стоимости заказа. В случаях, подобных «если это, то следует то», двигатели ИИ-решения работают в фоновом режиме, сопоставляя товары в вашей корзине с другими дополнительными продуктами. Например, просмотр гаджета может подтолкнуть Amazon порекомендовать клиенту подходящего размера чехол для него или совместимый периферийный аксессуар.

Все эти сложные маркетинговые приемы основаны на машинном обучении алгоритмов ИИ, способных динамически подстраиваться и соответствовать тому, кто использует сайт, а также тому, что он сейчас видит. И то, и другое может зависеть от множества переменных, таких как история покупок и предпочтения, а также от того, что есть на складе и какой запас нужно быстро перенести — таким образом, совершенствование системы на основе ИИ является достаточно передовым, чтобы доставлять товары в режиме реального времени.