«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария
«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария

«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария

«Представьте, что два разных человека заходят по одному адресу и видят разный контент: будет отличаться предложения бонусов и даже оформление, – говорит Михаил Горишный, Head of Engineering в Favbet Tech. – Все будет настроено удобно и интересно для конкретного человека, и поможет в этом искусственный интеллект».

Эта компания занимается разработкой беттинговой платформы, где пользователи могут делать ставки на спорт и другие события, а также играть в игры. Команда постоянно работает над тем, чтобы улучшить взаимодействие пользователей с сайтом и упростить операционные процессы. В последние годы для решения этих задач активно привлекают ИИ.

В партнерском материале с Favbet Tech руководители разных направлений компании рассказали MC.today, какие бизнес-задачи можно решать с помощью ИИ и какие трудности могут возникать при реализации таких проектов.

Все начинается с математиков

«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 1

Виталий Силаев, Head of Delivery в Favbet Tech

«Еще в 2012 году, когда мы начали строить для своего клиента беттинговую платформу, мы заложили в нее систему математического анализа, которая является одной из основ ИИ. А первые проекты с использованием машинного обучения мы начали реализовывать пять лет назад».

Тогда технологию использовали, чтобы автоматизировать операционные задачи, например, рассчитывать коэффициенты ставок. Коэффициент – это вероятность того, что произойдет какое-то спортивное событие, скажем, «Динамо» победит «Шахтер». Он не постоянный. Накануне игры соотношение сил соперников одно, в течение игры оно меняется – кто-то забивает гол, кого-то удаляют с поля, а значит, меняется и коэффициент. Если перед игрой коэффициент был 2,0, то в случае гола в ворота «Шахтера» он составит, например, 1,5, потому что вероятность выигрыша «Динамо» растет.

Первоначально возможность событий рассчитывали математики, хотя и с помощью программного продукта. Затем, когда накопилось достаточное количество данных, эту работу начали выполнять алгоритмы машинного обучения (ML). Чаще именно ML подразумевают, когда говорят об искусственном интеллекте.

Алгоритмы делают прогнозы гораздо быстрее и точнее, потому что могут учитывать сотни факторов. «Если раньше один человек мог одновременно обрабатывать 3–4 спортивных события, то сейчас – 10–15, – говорит Виталий Силаев. – Задача специалиста – просто проверить, что расчеты алгоритма верны».

Как рекомендации для пользователей экономят деньги бизнеса

Разработав несколько внутренних проектов, команда начала думать о том, как ИИ может улучшить взаимодействие клиентов с платформой. Одним из первых проектов была система, которая автоматически определяет бонусы.

«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 2

Михаил Горишный, Head of Engineering в Favbet Tech

«Алгоритм анализирует, как ведет себя на сайте конкретный пользователь и похожие на него, и после этого выдает бонус, который для него будет более интересным. Это может быть бонус при регистрации на сайте. Или "Ставка без риска" – это когда в случае проигрыша со счета человека ничего не списывается».

В компании не раскрывают цифры, но говорят, что результаты проекта были удачными. В конце прошлого года в Favbet Tech начали работать над более амбициозным проектом – рекомендательной системой для пользователей. Она предполагает, что каждому человеку система будет показывать те игры, события, акции и другое, которые с большой вероятностью его заинтересуют.

Подобные системы используют Spotify, Amazon, Netflix и другие мировые и украинские компании. В Netflix благодаря персонализации и рекомендациям экономят более $1 млрд в год, потому что алгоритмы помогают удержать клиентов на платформе. По подсчетам Favbet Tech, лояльность пользователей к беттинговой платформе тоже возросла. Кроме того, им стало примерно на 30% понятнее, как взаимодействовать с интерфейсом сайта.

Кстати, проекты с ИИ, которые, на первый взгляд, лишь упрощают работу операционного отдела, могут также улучшать клиентский опыт.  «Эти изменения почти незаметны для пользователей, но они чувствуют, что им стало удобнее и интереснее на сайте, – объясняет Виталий Силаев, Head of Delivery в Favbet Tech. – Они видят более актуальные для них события, коэффициенты меняются быстрее. Человек успевает сделать ставку, например, на угловой, который только что назначили».

Сейчас в Favbet Tech продолжают работать над рекомендательным сервисом, потому что направлений развития у проекта множество. «Можно прогнозировать, что понравится пользователю, до самых мелких деталей, – подчеркивает Михаил Горишный. – Условно, кому-то нравится синяя кнопка, кому-то – красная, и этот пустяк может влиять на поведение человека на сайте».

«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 3

 

Почему не нужно бездумно внедрять ИИ

Некоторое время назад в Favbet Tech решили добавить в приложения ИИ в виде голосового помощника. Планировалось, что пользователи смогут озвучить запрос и, например, быстро попасть в нужный раздел. Но когда первую версию показали тестовой группе, оказалось, что люди не в восторге.

«Во-первых, иногда случались ошибки, потому что система распознавания речи тогда была не такой совершенной, как сейчас, – вспоминает Виталий Силаев. – А во-вторых, выяснилось, что людям нравится процесс взаимодействия с платформой: зайти на сайт, посмотреть, какие есть спортивные события, выбрать то, что заинтересовало».

Виталий советует: перед тем как потратить время и деньги на внедрение проекта по ИИ, следует убедиться, что он решит какую-то проблему внутренних или внешних заказчиков. Иногда для улучшения определенных процессов или клиентского опыта достаточно простой автоматизации. К примеру, можно автоматически предлагать подарок или скидку человеку, который покупает на определенную сумму.

Самым сложным в проектах ИИ для Favbet Tech была не техническая сторона, а оценка эффективности. В случае рекомендательной системы недостаточно было исследовать, реагирует ли человек на предложенные события. Со временем в команде поняли, что нужно анализировать, как изменилось поведение пользователя в целом: как часто он начал заходить на сайт, сколько времени тратит на то, чтобы найти нужное, сколько играет в предложенные игры.

«Все это очень сложно измерить, – говорит Head of Delivery в Favbet Tech. – Но когда мы научились это делать, то сразу увидели, что система работает». По словам Виталия, в зависимости от специфики проекта, команде необходимо будет найти свои метрики и инструменты измерения результатов.

Сейчас в компании разрабатывают шесть проектов по ИИ, в том числе три крупных.

«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 4

 

Как интернет-бизнес может использовать ИИ

  • Прогноз оттока пользователей

«Математическая модель принимает на вход характеристики пользователя, внутри обрабатывает их с помощью алгоритма, а на выходе отдает процент вероятности того, что человек потеряет интерес к сайту или перестанет пользоваться сервисом», – объясняет принцип работы технологии Михаил Горишный, Head of Engineering в Favbet Tech.

Характеристики пользователя – это, например, как часто он заходит на сайт, сколько времени на нем проводит, как часто совершает покупки. В профильной отрасли Favbet Tech – игровой – учитывают, в какие игры играет человек, как часто делает ставки.

Получив точный прогноз от ИИ, бизнес может отреагировать и удержать клиента. И здесь искусственный интеллект тоже пригодится. Учитывая поведение пользователя, алгоритмы могут предложить бонус, скидку или другое поощрение, которое заинтересует его. Эту работу могут делать и маркетологи, но им понадобится гораздо больше времени.

«Представьте, что человек анализирует поведение конкретного пользователя и в конце предлагает определенный бонус для него. На это уйдут часы работы, – говорит Михаил Горишный. – Поэтому мы полностью автоматизировали этот процесс: прогнозируем, какие пользователи могут уйти, и анализируем, что мы можем им предложить. Так процесс ускоряется в сотни раз».

Люди нужны только для того, чтобы проанализировать эффективность работы алгоритма. Если они видят, что предлагаемые бонусы не очень мотивируют клиентов, это значит, что в алгоритме есть ошибки и он требует доработки.

  • Предотвращение интернет-мошенничества (антифрод-система)

ИИ помогает предотвращать различные виды интернет-мошенничества. К примеру, в электронной коммерции с его помощью можно снизить процент фишинга, когда у пользователей сайта выманивают данные банковских карт. В Университете Джакарты подсчитали, что алгоритмы с точностью до 96% могут определять фрод в этой области.

В игровой сфере ИИ может указывать на пользователей, которые являются потенциальной угрозой для других игроков или системы. В частности, могут взламывать аккаунты или создавать несколько новых аккаунтов, чтобы получить бонус за каждую регистрацию – таких игроков называют бонус-хантерами«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 5«Где нужны были сотни людей, сейчас справится один». Как ИИ помогает опережать конкурентов: 3 сценария - Фото 6англ. bonus hunter – «охотник за бонусами». Также фрод распространен в категории ставок на спорт.

  • Предотвращение игровой зависимости

Вопреки стереотипам, операторы азартных игр не заинтересованы в игроках, которые спускают все свои деньги на их платформах. Компании продвигают беттинг как вид досуга вроде просмотра фильма или боулинга, а не способ заработка. Так что заинтересованы в пользователях, которые делают ставки на комфортные для себя суммы и не «зависают» на игровой платформе. Это называется ответственной игрой.

В Favbet Tech сейчас работают над математической моделью, которая обнаружит потенциально зависимых игроков. По словам Виталия Силаева, модель учат на данных клиентов, которые какое-то время играли как обычные, но затем зарегистрировались как лудоманы. Чтобы понять, как возникает проблема, анализируется поведение этих людей, прежде чем они попали в реестр лудоманов. Алгоритм должен обработать действия пользователя на платформе, например, за месяц. «Это количество времени, проведенного на сайте, размер ставок, их рискованность. В общей сложности может быть более тысячи показателей», – объясняет Виталий.

На выходе модель определяет, что человек находится в группе риска, уже на первых этапах формирования зависимости. Дальше непосредственно платформа использует различные инструменты, чтобы предотвратить это. Среди них – исключение из игры на время или снижение лимита ставки. Это может делать как сам пользователь добровольно, так и платформа принудительно. Обычно с каждым потенциальным лудоманом работают отдельно.

Favbet Tech делится своими разработками с другими игроками игрового рынка и государственными институтами. В частности, компания передает деперсонализированные данные игроков из зоны риска для проведения исследований, которые помогут остановить распространение лудомании среди украинцев.

«ИИ – это наше настоящее»

Специалисты Favbet Tech сходятся в том, что ИИ – это необходимость для бизнеса, который хочет опередить конкурентов. Аргументация простая: там, где раньше требовались сотни сотрудников, сейчас может справиться один человек. Следовательно, новые проекты и продукты можно запускать значительно быстрее и дешевле. «Это уже не будущее, это наше настоящее», – говорит Михаил Горишный.

Команда Favbet Tech планирует с помощью ИИ оптимизировать максимальное количество внутренних процессов беттинговой платформы. А также продолжит работу над моделями, которые позволят каждому пользователю удобно и интересно проводить время на сайте.

Источник материала
loader