211service.com
Hvordan pandemien forberedte Alibabas AI for verdens største shoppingdag
VCG / Stringer via Getty
Nyhetene: Mens USA har vært hekta på valget, har Kina handlet. Fra 1. til 11. november genererte landets fremste e-handelsgiganter, Alibaba og JD, 115 milliarder dollar i salg som en del av deres årlige Singles’ Day shoppingbonanza. Alibaba, som startet festivalen i 2009, sto for 74,1 milliarder dollar av disse salgene, en økning på 26 % fra i fjor. Til sammenligning passerte Amazons 48-timers Prime Day-salg bare 10 milliarder dollar i år.
Pandemi stresstest: Selve omfanget av arrangementet gjør det til noe av et logistisk mirakel. For å klare bragden, investerer Alibaba og JD tungt i AI-modeller og annen teknologisk infrastruktur for å forutsi handlebehov, optimalisere den globale distribusjonen av varer på tvers av varehus og effektivisere levering over hele verden. Systemene blir vanligvis testet og foredlet gjennom året før de strekkes til det ytterste under selve arrangementet. I år sto imidlertid begge selskapene overfor en komplikasjon: regnskapsføring endringer i handleatferd på grunn av pandemien .
Ødelagte modeller: I de første ukene etter koronavirusutbruddet, så begge selskapene at AI-modellene deres oppførte seg merkelig. Fordi pandemien rammet i løpet av det kinesiske nyttåret, kjøpte hundrevis av millioner mennesker som ellers ville ha vært på ferie på shopping, i stedet for låsing. Denne oppførselen gjorde det umulig å stole på historiske data. Alle prognosene våre var ikke lenger nøyaktige, sier Andrew Huang, daglig leder for den innenlandske forsyningskjeden i Cainiao, Alibabas logistikkdivisjon.
Folk kjøpte også ting av forskjellige grunner, noe som var i strid med plattformenes produktanbefalinger. For eksempel antok JDs algoritme at folk som kjøpte masker var syke og anbefalte derfor medisin, da det kanskje hadde vært mer fornuftig å anbefale hånddesinfeksjon.
Endrer takk: Sammenbruddet av modellene deres tvang begge selskapene til å bli kreative. Alibaba doblet ned på sin kortsiktige prognosestrategi. I stedet for å projisere shoppingmønstre basert på sesong, for eksempel, foredlet Cainiao modellene sine for å ta hensyn til mer umiddelbare variabler som forrige uke med salg som førte til store kampanjebegivenheter, eller eksterne data som antall covid-tilfeller i hver provins, sier Huang . Som direktesendt e-handel (viser frem produkter i sanntid og svarer på spørsmål fra kjøpere) eksploderte i popularitet under karantene, selskapets logistikkarm bygde også en ny prognosemodell for å projisere hva som skjer når populære livestream-påvirkere markedsfører forskjellige produkter.
Og JD verktøyet sine algoritmer på nytt for å vurdere flere eksterne og sanntidsdatasignaler, som covid-tilfeller, nyhetsartikler og offentlige følelser på sosiale medier.
Uventet velsignelse: Å legge til disse nye datakildene i modellene deres ser ut til å ha fungert. Cainiaos nye live-streaming AI-modell, for eksempel, endte opp med å spille en stor rolle i å forutse salg etter at Alibaba gjorde live-streaming til en kjernedel av sin Singles' Day-strategi. For JD kan oppdateringene også ha økt det totale salget. Selskapet sier at det så en 3% økning i klikkfrekvensen på produktanbefalingene sine etter at de lanserte sin forbedrede algoritme, et mønster som holdt stand under Singles' Day.
Forstå kontekst: Begge selskapene har lært av erfaringen. Huang sier for eksempel at teamet hans har lært at hver livestream-influencer mobiliserer sin fanbase til å vise forskjellig kjøpsatferd, så den vil fortsette å lage skreddersydde prediksjonsmodeller for hver av sine beste influencere. I mellomtiden sier JD at de har innsett hvor mye nyheter og aktuelle hendelser påvirker e-handelsmønstre og vil fortsette å justere produktanbefalingsalgoritmen deretter.
Oppdater: Forholdet mellom Alibaba og Cainiao er avklart.