تطوير مُركِّب بيانات المبيعات
استكشف كيف ساعدت فكرة سيلادون لإنشاء مُركِّب بيانات المبيعات في تدريب نموذج ذكاء اصطناعي فعال. اكتشف تأثير هذا الاختراق في دراسة الحالة لدينا.
ملخص المشروع
| صناعة | التجارة الإلكترونية |
|---|---|
| مدة | 3 أشهر |
| خدمات |
|
مكدس التكنولوجيا المستخدمة
تحدي
- بيانات متفرقة: أنشأت المعاملات التاريخية المحدودة مشكلة البدء البارد لمعظم المنتجات والمستخدمين.
- سرعة في الوقت الفعلي: كان لا بد أن تظهر التوصيات في أقل من 150 مللي ثانية في وقت سلة التسوق.
- تقلبات موسمية: غيرت التخفيضات المفاجئة والعطلات أنماط الشراء، مما يعرض النموذج لخطر الانحراف.
- تكامل مباشر: احتاجت الخدمة الجديدة إلى التوافق مع واجهة JSON API الحالية دون إعادة هيكلة الواجهة الخلفية.
حل
مُركِّب بيانات المبيعات الذي حوّل بذرة صغيرة من المعاملات الحقيقية إلى ملايين السجلات الواقعية
نموذج التصفية التعاونية المدرَّب على مزيج البيانات الاصطناعية والأصلية
سير العمل في الوقت الفعلي:
يضيف المتسوق عنصرًا إلى سلة التسوق
يقيّم النموذج الارتباطات عبر المجموعات الاصطناعية
يعيد النظام اقتراحات بيع متقاطع عالية الاستهداف في غضون مللي ثانية
الأثر للعميل
• أصبح البحث عن الارتباطات يشمل إشارات "خفية" غائبة عن مجموعة البيانات الحية الضئيلة
• قفزت معدلات النقر على التوصيات والإضافة إلى سلة التسوق، مما عزز متوسط قيمة الطلب
• يكسب السوق أصلًا قابلًا للتوسع في الذكاء الاصطناعي دون انتظار سنوات لتجميع البيانات الخام