breadcrumbs icon
Aide à la décision

Recommander

Divertissement et médias - Personnalisation du contenu

Plateforme d'apprentissage adaptatif IA pour un apprentissage personnalisé
Pour:
Étudiants, enseignants (fournisseurs de contenu), services tiers (via l'expérience API), chercheurs universitaires (ensembles d'eduDATA)
But:
2,5 millions d'utilisateurs [247]
Objectif:
Expérience client améliorée
Grandes entreprises
Ressources humaines - Évaluation du rendement des employés
Pour:
Responsables de ligne.
But:
Création d'un rapport d'analyse pour les managers réalisant des rapports de performance des employés à l'aide de Text Mining.
Objectif:
Amélioration de l'efficacité des employés
Divertissement et médias - Personnalisation du contenu
Pour:
Gestion des produits
But:
Générer une augmentation significative des conversions et une expérience utilisateur améliorée en fournissant des recommandations et des messages personnalisés aux utilisateurs d'une plate-forme en ligne.
Objectif:
Amélioration de l'expérience client, augmentation des revenus
Diagnostic des cultures et recommandations de produits via l'IA
Pour:
Agriculteurs, entreprises biochimiques, fabricants de traitements contre les maladies des cultures
Objectif:
Amélioration du développement de produits / R&D, amélioration de l'efficacité opérationnelle
Grandes entreprises
Opérations - Surveillance intelligente des infrastructures
Pour:
Opérateurs d'usine
But:
Optimisation de l'efficacité thermique d'une centrale électrique à l'aide de Machine Learning.
Objectif:
Améliorer l'efficacité des opérations, améliorer l'efficacité des employés, réduire les coûts
Renseignements automatisés sur l'enrichissement des menaces dans la cybersécurité
Objectif:
Améliorer l'efficacité des opérations
Grand public
Éducation - Apprentissage personnalisé
Pour:
Apprenants de langues étrangères
But:
Garder les apprenants de langues étrangères engagés avec Deep Learning dans l'application Duolingo.
Objectif:
Amélioration de l'expérience client, augmentation des revenus
Gestion - Intelligence de marché
Pour:
Chefs de produit et marketeurs.
But:
Augmenter le nombre d'utilisateurs actifs pour un service de streaming musical en identifiant le comportement des clients à forte valeur ajoutée.
Objectif:
Amélioration de l'expérience client, augmentation des revenus
L'IA pour la prévention des pertes des clients des services de télécommunication
Pour:
Entreprises de télécommunications
Objectif:
Expérience client améliorée

Divertissement et médias - Personnalisation du contenu

Pour:
Gestion des produits
Objectif:
Amélioration de l'expérience client, augmentation des revenus
Problème adressé
Les plates-formes de divertissement sont confrontées au défi de maintenir l'engagement des utilisateurs afin de maximiser leur temps sur la plate-forme et de les fidéliser en tant que clients. Des plates-formes telles que Netflix et Spotify ont montré à quel point de bonnes recommandations de contenu conduisent à une excellente expérience utilisateur sur leurs plates-formes. Netflix a rapporté que 75% du contenu regardé sur la plate-forme provient d'une sorte de recommandation, tandis que l'algorithme de recommandation de Spotify facilite 16 millions de découvertes d'artistes par mois. L'activation d'une telle expérience nécessite une grande quantité d'informations sur les profils d'utilisateurs, le comportement des utilisateurs et les éléments de catalogue. L'acquisition de ces informations peut être difficile pour les nouvelles plates-formes avec des données limitées. C'est ce qu'on appelle communément « le problème du démarrage à froid ».
But du cas d'usage
Générer une augmentation significative des conversions et une expérience utilisateur améliorée en fournissant des recommandations et des messages personnalisés aux utilisateurs d'une plate-forme en ligne.
Description
Les systèmes de recommandation existent depuis longtemps. Les implémentations populaires se présentent normalement sous l'une ou une combinaison de deux approches : 1. Filtrage collaboratif, où des aspects similaires des utilisateurs et de leur comportement sont utilisés pour recommander des éléments ; et 2. Filtrage de contenu, où les caractéristiques des articles sont utilisées pour suggérer des articles similaires. Les deux approches impliquent la construction d'un modèle de prédiction à l'aide de techniques d'apprentissage automatique. Jumbo Interactive est un revendeur australien de jeux de loterie. En mettant en œuvre Amplitude Recommend, Jumbo Interactive a pu créer des recommandations et des messages personnalisés basés sur les comportements des utilisateurs sur site les encourageant à prendre d'autres mesures. Grâce à cette approche, Jumbo Interactive a réalisé une augmentation de 158 % des conversions sur une page de paiement en deux mois. Non seulement les mesures commerciales clés ont été améliorées, mais l'expérience globale a été jugée plus amusante et engageante par les parties prenantes.
perceive frame img
Données brutes
understand frame img
Apprentissage automatique
act frame img
Aide à la décision - Personnaliser
Aide à la décision - Recommander
Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.