Успешные кейсы

УСПЕШНЫЙ КЕЙС: ОПТИМИЗАЦИЯ ПРОИЗВОДСТВА МОЛОЧНЫХ ПРОДУКТОВ

Заказчик: Производитель, дистрибьютер и экспортер молочных продуктов.

Бизнес-задача: Ключевой задачей являлась задача по предсказанию объемов производства молока и его жирность.

Решение: Был использован алгоритм глубокого обучения (Deep Learning) для прогноза изменения веса каждой отдельной коровы. Это в свою очередь дало повышение точности прогнозов на 40%.
Результат: Разработанное решение используется для прогнозов производства молока от каждой фермы на 24 месяца вперед.

УСПЕШНЫЙ КЕЙС: АВТОМАТИЗИРОВАННЫЙ АНАЛИЗ ИЗОБРАЖЕНИЙ ПРОДУКТОВ


Заказчик: Интернет-магазин с высокими требованиями к стандартизации и качеству изображений продукции.
Задача: Задача по коррекции изображений была отдана на аутсорсинг в компанию из Бангладеша, но выполнялась медленно и с невысоким качеством.


Решение:

  • Использованы несколько алгоритмов для различных задач;

  • Размытые изображения: гистограммы направленных градиентов (HOG) и метод опорных векторов (SVM);

  • Нежелательный блеск и нечеткие границы: оператор границ Кэнни (Canny edge detector);

  • Удаление нежелательного фона и обнаружение дефектов: сверхточные нейросети (convolutional neural network)

Результат:

  • Автоматическая коррекция 70-95% изображений;

  • Подготавливается к выводу на рынок как отдельный продукт.

УСПЕШНЫЙ КЕЙС: ПЕРСОНАЛИЗИРОВАННЫЕ РЕКОМЕНДАЦИИ ДЛЯ ПОКУПАТЕЛЕЙ

Заказчик: Крупный ритейлер

Бизнес-задача:

  • Потребность в повышении релевантности маркетинговых коммуникациях для того, чтобы в конечном итоге повысить конверсию от кампаний;

  • Существующее решение не предоставляло необходимый уровень персонализации;

  • Наша задача была построить рекомендательную систему, которая будет использоваться в таргетированных онлайн-кампаниях.

Решение:

  • Рекомендательная система на основе машинного обучения, которая использует в качестве данных поток информации о действиях пользователя (и в первую очередь, информацию о кликах);

  • Созданы и обучены две отдельные модели: по продуктовым категориям и по конечным продуктам;

  • Система генерирует рекомендации, основываясь на 75 показателях, которые генерируются в зависимости от активности пользователя на сайте;

  • Подход reinforcement learning используется для постоянного переобучения модели.

Результат:

  • Решение используется в "боевой" системе на стадии тестирования;

  • Бонус: система позволила выявить неявные закономерности в потребительских привычках в зависимости от местоположения.

УСПЕШНЫЙ КЕЙС: Применение NLP решения для перенаправления входящих письменных запросов

Бизнес-задача: Необходимость быстрой маршрутизации 50к входящих письменных запросов.

Решение:

  • NLP-модель для классификации текстов, обученная на 200к запросов; 

  • 650 классов различных текстов по результатам обучения и кластеризации;
    После внедрения - гарантированное время реагирования.

Результат:

  • 82% запросов маршрутизируются автоматически;

  • Драматическое улучшение SLA, снижение времени реагирования, повышение удовлетворенности заказчиков;

  • Освобождение 3 ставок с ручного разбора входящих запросов и перенаправление этих людей на более критичные задачи.