文/Kathleen Walch
就在幾十年前,人們還透過實體零售店或郵購雜誌來購物。然後,購物體驗因網際網路和聯網手機而發生了革命性的變化。人工智慧正在改變人們線上買賣的方式,從創造更個性化的體驗到有針對性的營銷,在正確的時間透過正確的渠道傳遞量身定製的資訊,或者讓聊天機器人透過人工智慧在一天中的任何時間與客戶互動。
在即將於2022年1月6日舉行的企業資料和人工智慧活動上,Shopify資料科學、工程、營收和增長主管Ella Hilal分享了人工智慧和機器學習是如何被用於增強產品和為他們的商家創造新的體驗,她也分享瞭如何應用機器學習進行大規模異常檢測和預測的關鍵技巧。在這次採訪中,Ella解釋了Shopify使用人工智慧、機器學習和高階資料分析的創新方式、資料在Shopify中扮演的重要角色,以及人工智慧帶來的一些機遇和挑戰。
Shopify資料科學、工程、營收和增長主管Ella Hilal 圖源:Ella Hilal
你們利用先進的資料分析技術以哪些創新方式使Shopify受益?
Ella Hilal:在Shopify,我們在175個國家擁有超過170萬商家,數億消費者在他們的商店購物。我們專注於利用我們的資料規模,不僅使Shopify強大,而且為我們的商家創造沒有資料是不可能的新體驗。
創業是具有挑戰性的,許多企業家努力讓他們的企業像他們希望的那樣迅速有效地起步。我們真正關注的是把資料的力量交還給我們的商家。我的團隊專門構建基於資料資訊的產品,使商家能夠在Shopify上啟動和發展他們的業務。商家在Shopify上開始他們的業務時,可以為他們提供個性化的登陸體驗,或者構建智慧廣告技術平臺來幫助他們有效地加入Shopify,或者甚至使用基於資料資訊的業務名稱生成器來命名他們的業務。
在Shopify的日常運營中,我們也高度依賴資料。我們利用高階分析的一些方法構建了一個異常檢測引擎,該引擎允許我們處理超過30萬個度量/分段組合,同時在不到30秒的時間內專注於重要的內容。我們還授權我們在全球所有市場的團隊,透過本地化資料瞭解市場需求,為商家提供支援。
對於你的資料分析和認知技術專案,你如何確定從哪些問題領域開始?
Ella Hilal:在Shopify,我們採用商戶優先的方法來確定問題區域。我們試圖解決的問題不是如何構建更多的深度學習模型(儘管我們已經在生產中了)。我們專注於解決的問題是為我們的商家消除成功的障礙。因此,我們首先確定商家的問題,然後確定如何使用資料來解決這個問題。我們肯定會透過分析問題的規模和商業基礎的規模來進行優先排序。例如,對於很多企業家來說,成功的一個障礙就是資金,所以我們創造了一個叫做Shopify Capital的產品,它使用機器學習為商家提供資金。到目前為止,我們已經透過Shopify Capital向商戶提供了超過20億美元的資金。
當涉及到資料和人工智慧時,你有哪些獨特的機會?
Ella Hilal:我們的資料規模為我們提供了對商業形勢的深入觀察,這使我們能夠為我們的商家創造新的體驗。比如,無需商戶申請就向他們提供資金,或者使用機器學習對數十億種產品進行分類,以確保我們的商戶更好地發現產品。2020年,我們看到疫情期間提供的獨特的機會資料。透過跟蹤、學習並將我們的見解付諸行動,我們不僅能夠引導我們的公司,也能夠引導我們的170萬商家度過一個前所未有的時代。我們能夠使用資料來調整我們的產品戰略,並提供線上購買、上門提貨和擴充套件Shopify Capital融資等體驗,這使我們的商戶不僅生存下來,而且發展壯大。
你能分享一下人工智慧和機器學習應用時遇到的一些挑戰嗎?
Ella Hilal:在Shopify執行和擴充套件AI/ML時,我們採取了幾種方法以確保易於採用,並從一開始就避免挑戰。
首先,我們要確保我們所構建的是解決商家問題的,並且我們有足夠的資料來建立一個解決方案。
其次,我們需要深入瞭解與問題空間相關的可用資料,瞭解其統計分佈及其隨時間的混合。
第三,我們從簡單開始。如果迴歸模型能解決商家的問題,那就是我們的起點。這並不意味著我們要避免構建複雜的模型,它只是意味著我們首先要證明基線演算法是如何解決問題的,這樣的模型允許對模型的效能進行高度的解釋。然後,我們透過構建複雜模型來迭代。
這三個步驟是展示AI/ML可以產生的影響的關鍵,這確保我們得到利益相關者的支援。我們有更多的建議,你可以在這裡檢視。
分析、自動化和人工智慧如何在你的公司發揮作用的?
Ella Hilal:我認為它們都是同一枚硬幣的組成部分。我堅信,如果不深入分析資料以理解行為、趨勢及其隨時間的變化,就無法構建有效的AI模型。正如我提到的,這一切都回到了我們的商家身上。我們的資料團隊並不專注於使用最先進的技術,而是致力於解決商家的問題。這就是為什麼我們要僱傭全棧資料科學家。我們不僱傭專門的機器學習專家或分析師。從開始到生產,我們的資料科學家擁有自己的解決方案,並被授權使用資料來尋找最佳可能的解決方案。很多時候,這意味著要結合使用分析、自動化和AI。因此,我們的資料科學家可能會努力調查資料,以真正理解商家的問題,找出我們如何使用人工智慧或自動化來解決這個問題,並確定我們的成功指標是什麼。
你如何處理資料使用中的隱私、信任和安全問題?
Ella Hilal:優先考慮商家資料的隱私和安全是我們在Shopify工作和發展的核心。我們致力於設計我們所有的產品,把隱私作為優先考慮,而不是事後才想到,對我們收集和使用資料的方式保持透明,並透過改進平臺的特徵和功能來返回從這些資料中獲得的價值,從而讓所有商家受益。
你正在做些什麼來培養具備資料素養和為AI做好準備了的勞動力?
Ella Hilal:在Shopify,我們喜歡說我們是受資料影響的,而不是受資料驅動的。這意味著Shopify的每個人都應該感到有權根據資料做出決定。我們透過三種方式做到這一點:
首先,我們將不同的資料團隊嵌入到公司的不同領域。我們這樣做是為了讓我們的產品、商業和服務團隊能夠輕鬆地將資料整合到他們的決策過程中,而我們的資料團隊擁有幫助做出這些決策的背景。
其次,我們有一個集中的、可搜尋的資料門戶,允許Shopify中的任何人搜尋任何資料儀表板或資料報告,以瞭解或調查任何資料問題。
第三,我們建立了資料素養專案,教非資料員工如何處理資料,比如如何執行簡單的SQL查詢或在模式下工作。
在未來幾年,你最期待的人工智慧技術是什麼?
Ella Hilal:我對人工智慧未來的民主化感到興奮。特別是我們如何將這些先進技術交到更多的人手中,無論是小企業、慈善機構等等。有機會使用這些技術的人越多,我們在如何使用人工智慧來改善我們在世界上的體驗方面就會看到更多的創新。
在即將於2022年1月6日舉行的企業資料和人工智慧大會上,Ella Hilal將深入探討這些話題,特別關注於Shopify如何做出資料驅動的決策,並將機器學習應用於大規模的異常檢測和預測。
Kathleen Walch 為福布斯撰稿人,表達觀點僅代表個人。譯 Stephen