Жалко распродали

Сверяем часы спустя год.

Озон держит тенденцию и довольно значительно опережает ВБ по трафику на сайт по данным Similarweb. Перелом произошел в ноябре 2023 (см. пост выше).

P.S. Выводов не делаем, ведь трафик в приложении SW не учитывает. Просто фиксируем факт, который проверим через год.

Интересные в 2018 году были release notes в ТГ

Корпоративный брэндинг Wildberries

Интересно, что WB привязал PR-стратегию к персональному бренду. Образ Татьяны Бакальчук Ким строится на базе концепции честного частного успеха, но с tone of voice в духе скорее тети Тани из «Спокойной ночи малыши», чем эффективной бизнес-вумен. Вероятно такой микс образов помогает привлекать селлеров начального уровня.

Для примера: недавно опубликованный портальчик про персональные данные не содержит полезной информации, но зато демонстрирует аудитории почти материнскую заботу.

В то же время к топам Озона нет коллективного персонализированного интереса: «там какие-то чуваки в пиджаках работают, имен и лиц не помним».

#Оказывается, есть такая проблема у омниканальных ритейлеров:

Торговые центры включают выручку заказов самовывоза в базу для расчета стоимости аренды. (Она часто считается как процент от оборота).

Компания с помощью интернет-продаж приводит новых людей в ТЦ, но вынуждена платить за них дополнительную аренду. И не всегда получается переубедить арендодателя, что это не ок.

(не про еком, но сложно было пропустить)

Через Госуслуги Авто теперь можно чатиться с владельцем конкретной машины. Но нельзя написать просто любой художественный текст. Только предзаданные скучные сообщения.

Хорошо, но не праздник 😕

Недавно обсуждали с организаторами секцию на одной из главных еком-выставок, и нам предложили промоутеров-карликов.

Кто-нибудь пробовал, работает?

Хотим устроить марафон из постов, в которых на пальцах поясним, как устроены сервисы на основе ИИ. А то все об этом говорят, но часто не до конца понимают, что это значит. Для большинства ИИ — это тексты из ДипСика и сладкие картинки/видосы из Миджорни. А оно на самом деле немного о другом.

Делать?

Тенденция понятна, поэтому начинаем

Марафон на тему ИИ

Распишем в духе известной брошюры «Kubernetes для детей» основные моменты, связанные с искуственным интеллектом.

Кто не видел, вот она брошюра про Кубер

1️⃣

Искуственный интеллект — это набор методов, позволяющих компам имитировать интеллектуальное поведение (типа мыслить, но нет).

Такие методы противопоставляются алгоритмическому подходу, когда программа работает по заранее заданной схеме — алгоритму.

2️⃣

Машинное обучение (Machine Learning — ML) — один из методов ИИ, который позволяет программам обучаться на данных, выявляя в них закономерности. ML— это способ создать ИИ, который сам учится на данных. То есть всякое ML — это ИИ, но не всякий ИИ — это ML.

3️⃣

Есть еще LLM (Large Language Model) — большие языковые модели — ИИ, работающий с текстами. DeepSeek и ChatGPT — самые известные примеры.

LLM и ML — это несколько разные подходы искуственного интеллекта.

4️⃣

Но вернемся к ML

Для многих задач на основе ИИ используются так называемые Модели машинного обучения. Это программа, которая анализирует данные и делает предсказания или решения, выявляя закономерности в данных.

Вместо того, чтобы вручную программировать логику, мы даём модели примеры (данные), на которых она обучается и сама находит зависимости.

5️⃣

Существуют сайты, на которых представлены модели на любой вкус. Что-то вроде AppStore или Google Play. Многие модели — бесплатные. Пример такого портала — Hugging Face.

Это площадка не для средних умов, а скорее для разработчиков. Но и любопытному менеджеру какого-нибудь звена (вроде автора этого поста) интересно поизучать, что бывает.

6️⃣

Небольшой отступление.

Когда вы в екоме сталкиваетесь с Сервисом на основе ИИ, то речь в большинстве случаев идет об одной из двух ситуаций:

1. Какие-то ребята по API обращаются к ChatGPT (или другим популярным ИИ штукам) и обрабатывают ответы в рамках своего сервиса (скажем, анализируют отзывы на маркетплейсах).

2. Другие ребята взяли одну или несколько open source моделей с Hugging Face, дообучили их и построили сервис на этой базе (скажем, товарный поиск ensi.cloud/search).

* * *

В первом случае ты получаешь мощность, но зависишь от тарифов, устойчивости и функциональности базового ИИ-сервиса. Во втором — можешь всем управлять, но несешь ответственность за разворот, поддержку и производительность.

7️⃣

Инференс модели — это процесс использования уже обученной модели для получения предсказаний или ответов на новые данные.

Например, если модель обучена распознавать котиков на фото, то инференс — это когда вы загружаете новое фото, а модель говорит, есть ли там котик.

8️⃣

Дообучение модели (или fine-tuning)— это процесс дальнейшего обучения уже предобученной модели на новом наборе данных, чтобы адаптировать её к конкретной задаче или улучшить её производительность.

Этот подход широко используется, особенно в задачах, где данные ограничены, или для адаптации модели под специфические требования.

Пока хватит, продолжим завтра послезавтра