Знакома ли вам такая ситуация: вы разработали модель машинного обучения и попытались оценить эффект, но эксперимент показал, что модель не принесла никакого экономического эффекта?

Значит ли это, что модель действительно неэффективна? Или причина низких результатов все-таки в чем-то другом? И если так, то в чем именно?

Нечто подобное случилось с командой Альфа-Банка, и мы – GlowByte Advanced Analytics – отправились к ним на помощь, захватив с собой разработанную нами библиотеку A/B-тестирования Kolmogorov ABacus (что в переводе означает “счеты”)!

Привет! Меня зовут Денис Красильников, я исследователь-разработчик из команды персонализации. Сегодня я расскажу, как мы с коллегами подошли к задаче оценки качества объяснения рекомендаций магазинов, в которых покупают наши клиенты. Об этом же мы написали статью и даже прошли с ней на воркшоп WSDM 2023. 

Короткий ответ — дать возможность студентам учиться самостоятельно и сделать это неизбежным.

Более подробно рассмотрим педагогический эксперимент, проведенный в Новосибирском государственном университете. В НГУ я 6 лет вел спецкурс по тестированию программного обеспечения на принципах смешанного и дуального обучения. Мы начали с группы в 8 человек, а в последний год на курс записались 52 человека из 100 студентов потока, включая тех, кто уже работал в тестировщиками ПО.

В статье раскрыта организация образовательного процесса, и вытекающие из него педагогические и управленческие вопросы.

Друзья, всем привет, вышла в свет новая удивительная технология, на гите она подписана как InstantID : Zero-shot Identity-Preserving Generation in Seconds. Но по факту это самый крутой генератор аватарок в мире, который по одной лишь вашей фотографии может создать персонализированное изображение с вашим лицом в любом стиле по текстовому запросу используя SDXL модели Stable Diffusion. Так что к концу этой статьи, у вас так же как и у меня будет десяток новых аватарок и совершенно бесплатно.

В статье много красивых и тяжелых картинок.

В современном мире, где конкуренция в сфере ретейла продолжает набирать обороты, держать руку на пульсе становится все более актуальным для каждой успешной корпорации. Борьба за потребителя никогда не была такой интенсивной, и в этой борьбе большое значение приобретает транслирование информации от компании клиентами.

Правильно подобранные коммуникации играют ключевую роль в развитии любой розничной сети: позволяют лучше понимать своих покупателей, удовлетворять их потребности и предвосхищать предпочтения. Кроме того, взаимодействие с потребителями помогает компаниям формировать и поддерживать их лояльность, что является одним из ключевых факторов успеха в бизнесе. Таким образом, для каждой корпорации важно разрабатывать эффективные стратегии коммуникации для своих клиентов и партнеров. 

 GlowByte с 2015 года является партнером «Пятёрочки» (входит в X5 Group) в области клиентской аналитики. А регулярный мониторинг промоактивностей на рынке Food Retail помогает сети тестировать гипотезы о соотношении массовых (единый подход для всех групп клиентов и единая рассылка) и персональных (индивидуальный подход к коммуникации с каждым клиентом) промоакций.

Искусственный интеллект (AI) открывает новые горизонты для персонализации, предоставляя уникальные возможности для анализа данных и прогнозирования поведения клиентов, что непосредственно способствует увеличению конверсии и укреплению лояльности. Способность AI к обработке информации о покупках и взаимодействиях позволяет создавать предложения, точно соответствующие личным предпочтениям каждого пользователя.

В данной статье мы изучим, как персонализация с использованием AI может существенно повысить конверсию, превращая процесс покупки в не только приятный, но и высокоэффективный опыт.

В 2024 году электронная коммерция продолжает набирать обороты, меняя традиционные подходы компаний к обслуживанию клиентов и модели покупательского поведения. Этот год представляется ключевым в эволюции онлайн-торговли, предвещая внедрение инноваций, которые могут радикально преобразовать эту сферу.

В этой статье расскажем про подход к решению задачи о персонализации тарифных планов для абонентов новой базы в рамках CVM-проекта. Поговорим о том, как с помощью ML определить оптимальные параметры тарифа для абонентов с короткой историей, и как посчитать привлекательность полученного тарифа.