L’AI subtile et invisible que les licornes indiennes ont intégrée dans la vie des consommateurs

Tout le monde parle de l’Intelligence Artificielle (AI) et de grandes données dans l’écosystème start-up de l’Inde.

Dans les secteurs, les startups recherchent des talents avec l’expertise d’AI pour analyser les données des consommateurs et offrir des services personnalisés aux utilisateurs. Pendant ce temps, des géants tels que Apple ont pris connaissance des entreprises indiennes qui aident les clients avec le traitement des données, de l’image et de la reconnaissance vocale, et les investisseurs, eux aussi, appuient les start-ups indiennes de l’AI.

Voici comment certaines des licornes de l’Inde sont évaluées à plus de 1 milliard de dollars et utilisent ces technologies.

Paytm

Etre un porte-monnaie électronique pour vendre un film ou des billets d’avion, Paytm offre maintenant une gamme variée de services et l’apprentissage par machine contribue à ramener de la technologie là-dedans.

« Vous pourriez utiliser Google et essayer de chercher quelque chose. Mais un monde meilleur serait quand Google pourrait, selon lui, savoir qu’on cherche «x» en ce moment. C’est exactement ce que nous faisons avec Paytm « , a déclaré le responsable technologique de la société, Charumitra Pujari, qui est arrivé chez Paytm après avoir travaillé avec le géant de l’e-retail Amazon pendant près de deux ans. « Si vous êtes sur le point d’acheter un billet d’avion, parce que Paytm comprends votre cycle d’achat, le système présente un billet, au lieu d’un ticket de film ou des transactions ».

Pujari a déclaré que « chaque pixel » – chaque icône, chaque ligne de produits, colonne sur la page d’accueil de Paytm est personnalisée et réorganisée différemment pour chacun de ses 225 millions d’utilisateurs, et la plate-forme fait 20 000 recommandations par seconde – chacune d’entre elles en moins de 20 millisecondes. En utilisant l’apprentissage par machine, la plateforme offre également des promotions spéciales pour les acheteurs sérieux.

« Si vous vouliez acheter un ventilateur, qui n’est pas promu sur (la) page d’accueil, une fois que vous avez commencé à regarder, en temps réel, il est possible de trouver votre demande et une promotion pour vous », a déclaré Pujari. Cependant, ces promotions ne sont créées que lorsque Paytm détecte une intention d’achat. « Si vous êtes en train de naviguer, en regardant dix produits différents, il n’y aura pas de promotion ». C’est ainsi qu’ils maintiennent un équilibre entre les transactions croissantes sans coût supplémentaires.

Afin de détecter et prévenir la fraude, les machines vérifient constamment les comptes frauduleux qui se sont uniquement inscrits pour profiter des codes promotionnels, ou prendre de l’argent aux cartes de crédit volées. Le moteur de détection de fraude laisse peu de place aux erreurs humaines et accélère le processus, a déclaré Pujari. Côté vendeur, l’apprentissage automatique aide les vendeurs qui pourraient commencer à réserver leurs propres articles et récupérer l’argent, afin de faire ressortir leur demande de produits plus élevé qu’elle ne l’est réellement.

Soutenue par de grands noms comme Alibaba, son affilié Ant Financial et le géant japonais Investment Bank Softbank, Paytm fait maintenant l’objet d’offrir des services de prêt et de crédit aux clients, ce qui leur permettra de faire des transactions même si elles n’ont pas de fonds facilement disponibles sur leur compte Paytm.

« Tout le monde en Inde n’a pas de dossier de crédit stable, tout le monde ne sera pas admissible à des prêts ou aura des banques accessibles », a déclaré Pujari ». Beaucoup de gens ont fait des transactions sur Paytm, afin qu’ils puissent obtenir une forme de score (de crédit) ».

Pour évaluer combien un utilisateur peut emprunter, la société utilise à nouveau l’apprentissage par machine, « en capturant les signaux de l’application mobile pour savoir qui vous êtes et à quel crédit vous pourriez être admissible », a déclaré Pujari. La technologie établira une variété d’options qu’il détermine à prix abordable, comme une option à payer en 6 mois avec 0% d’intérêt ou en 15 mois avec intérêt de 5%.

L’équipe derrière ces services comprend des ingénieurs logiciels, des ingénieurs en apprentissage de la machine et des scientifiques de données basés à Toronto, au Canada, ainsi qu’au siège de Paytm à Noida, en Inde, avec environ 60 personnes par lieu.

« Nous embauchons toujours, surtout pour ces rôles. Nous savons que l’avenir est l’AI et nous aurons besoin de beaucoup plus de gens », a déclaré Pujari.

ShopClues

Le marché en ligne ShopClues veut utiliser l’apprentissage par machine pour résoudre un point aveugle pressant dans le commerce électronique: la taille parfaite.

Dans le cas de marques petites et non organisées, les dimensions varient et correspondent rarement aux normes des marques plus grandes et établies. Par exemple, une petite taille dans une marque pourrait en fait être un petit extra dans une autre. Ainsi, ShopClues prévoit d’utiliser des technologies de pointe pour faciliter aux acheteurs de trouver la bonne taille lors de l’achat de vêtements en ligne, selon Utkarsh Biradar, vice-président du produit chez l’entreprise.

« Nous allons regarder les vues à 360 degrés, nous allons chercher à déchiffrer les tailles en utilisant la technologie de l’image », a déclaré Biradar. La société envisage d’utiliser des produits de taille standard comme référence afin que le client ait une meilleure idée de la taille du produit qu’ils recherchent et prévoir pour uniformiser la taille des produits et des marques sur sa plate-forme.

Jusqu’à présent, ShopClues utilise cette technologie pour personnaliser l’expérience de shopping pour les clients. Sur la base d’informations telles que les achats récents, la fréquence des achats et les autres habitudes de dépenses, son algorithme tente de déchiffrer par quoi un client pourrait être intéressé d’acheter ensuite. La société utilise également l’apprentissage par machine pour conseiller les vendeurs sur le prix le plus efficace pour leurs produits, par exemple, ou le partenaire logistique le plus économique pour travailler.

InMobi

La plate-forme de publicité mobile InMobi utilise déjà des techniques d’apprentissage par ordinateur et d’apprentissage par machine pour la prévision de réponse et de ciblage pour trouver le bon public pour des publicités spécifiques. Il applique également ces technologies pour aider les annonceurs à élargir leur portée de manière efficace, en utilisant l’apprentissage par machine pour identifier des cibles « semblables » qui sont similaires aux utilisateurs existants, tout en déterminant les types d’annonces que les utilisateurs ne veulent pas voir.

Ensuite, la société va approfondir l’image d’une publicité.

« L’une des plus grandes composantes physiques d’une interaction publicitaire est l’image elle-même: ce que l’utilisateur voit détermine en grande partie ce que l’utilisateur fait avec l’annonce cliquez dessus ou ignorez », Rajiv Bhat, vice-président senior, en sciences des données et marché, a déclaré à Quartz. « Historiquement, il était difficile de capturer ce composant parce que les humains pouvaient voir une image, mais les algorithmes ne pouvaient pas, mais maintenant avec des choses comme l’apprentissage approfondi, nous pouvons également capturer cet aspect ».

Bien que beaucoup de ces technologies aient été utilisées chez InMobi pendant quelques années, c’est seulement maintenant que la société utilise des programmes tels que MLlib, qui aident à appliquer l’apprentissage par machine à l’échelle. « Bien que les gens parlent beaucoup de ces technologies, il n’est pas si facile de le mettre en œuvre et de l’appliquer à l’échelle », a ajouté Bhat.

Ola Cabs

Ola, l’une des premières applications d’automobile de l’Inde, utilise la science des données et l’apprentissage par machine pour suivre le trafic, améliorer l’expérience client, comprendre les habitudes des conducteurs et prolonger la durée de vie d’un véhicule.

La société utilise l’AI pour comprendre les variations de la demande sur sa plate-forme et pour déterminer la quantité d’approvisionnement nécessaire pour répondre à cette demande, comment les prédictions du trafic varient, et même comment les événements externes tels que les précipitations affectent l’efficacité des véhicules.

« Ola Share est un exemple classique de l’utilisation de données importantes pour améliorer les taux d’appariement et minimiser les écarts », a déclaré à Quartz le co-fondateur et responsable en technologie Ankit Bhati. Les algorithmes derrière le service de mise en commun de voitures réduisent les temps de déplacement et les distances en permettant aux cavaliers avec différents points de ramassage et de destinations, de partager un véhicule, réduisant ainsi le prix global payé par les clients.

L’objectif d’Ola, a déclaré Bhati, est de « construire plus de telles solutions et d’ajouter de la valeur (aux) existantes ».

La société déploie également des technologies de pointe sur le front du client avec Ola Play, son système de divertissement personnalisé dans le véhicule, qui permet aux utilisateurs de choisir parmi diverses options de divertissement durant le trajet. Similaire à Netflix et Spotify, Ola Play utilise également l’apprentissage par machine pour se souvenir de la musique ou des films préférés d’un passager, et de lire le contenu de ses précédents déplacements Ola, pour la prochaine fois qu’ils voyagent avec l’entreprise.

Les machines sont également utilisées pour gérer les conducteurs.

« L’AI comprend quel est le profil de comportement d’un partenaire de pilote et, par conséquent, comment nous pouvons l’entraîner pour être un meilleur partenaire sur la plate-forme », a déclaré Bhati, notant que la technologie les aide à identifier le nombre de clients en supprimant certains trajet et pourquoi, par exemple.

En outre, puisque Ola loue des voitures et fait des partenariats avec des constructeurs automobiles pour offrir des plans d’achat et de maintenance réduits aux conducteurs, il fait des bénéfices également sur la surveillance des voitures sur sa plate-forme afin qu’elles soient opérationnelles aussi longtemps que possible. Ainsi, l’agrégateur de taxi appartenant à ANI Technologies crée également des modèles d’apprentissage par machine pour déterminer les modèles de conduite qui permettent de maximiser le kilométrage et la durée de vie d’une voiture.

Flipkart

La société de commerce électronique Flipkart a déjà redessiné l’écran d’accueil de son application afin qu’elle soit personnalisée pour chacun de ses plus de 120 millions de clients, selon un rapport publié à Forbes. Les modèles d’apprentissage automatique enregistrent le genre de chaque client, l’affinité avec les marques, l’affinité avec des magasins, les préférences de prix, la fréquence, le volume d’achats et plus, ce qui devient plus précis lorsque l’entreprise collecte de plus en plus de données. Ensuite, ils peuvent faire des prédictions même sans que le client recherche des produits spécifiques. Dans l’avenir, l’entreprise utilisera également l’apprentissage par machine pour étudier quand et pourquoi les retours sont faits et déterminer comment réduire cela.

En mars, le porte-parole de Flipkart, Myntra, a lancé la première collection de design entièrement automatisée du pays, Moda Rapido.

« Auparavant, la technologie AI comprenait certains attributs comme un collier chinois très populaire ou un type particulier de conception de manchette qui fonctionne bien. Notre équipe de concepteurs prenait alors ces attributs et concevait une chemise, mais maintenant, nous nous sommes diplômés sur l’intervention humaine, » a déclaré au journal Hindu BusinessLine, Ambarish Kenghe, responsable du produit chez Myntra. En tapant les données provenant de sites Web de mode, de médias sociaux et de données clients, le concepteur AI crée « un TechPack » avec des dimensions de conception et des spécifications pour la fabrication pour produire des vêtements.

Une équipe de 25 chercheurs de données du plus grand acteur de commerce électronique domestique d’Inde utilise également l’AI pour étudier le comportement de l’acheteur passé afin de prévoir les achats à venir.

« Si un client s’inscrit dans une recherche pour des chaussures de course, nous montrons uniquement les pages de destination de catégorie de la marque particulière que le client veut voir, dans la gamme de prix et de styles qu’il préfère, le tout évalué sur les comportements d’achat précédents, assurant ainsi un processus d’achat plus rapide et plus fluide « , a déclaré Ram Papatla, vice-président de la gestion de produits chez Flipkart, à Hindu BusinessLine.

À mesure que la société évolue, elle ajoute également des chatbots pour aider les utilisateurs en les incitant à affiner leurs requêtes ou à les aider à trouver une réponse à une question plus rapidement, selon le Economic Times CIO. Les robots utilisent la technologie de Natural Language Processing (NLP) qui les aide à s’améliorer à chaque interaction.

Flipkart croit que son accent sur l’apprentissage de l’AI et de la machine sera un atout pour la poursuite de la croissance dans les petites villes et éventuellement en Inde rurale.

« Le fardeau de l’expansion du marché et la résolution de catégories difficiles est ce que nous avons assumé comme notre responsabilité », a déclaré le chef de la direction Kalyan Krishnamurthy à Forbes. « Vous devez couvrir, très profondément, les catégories qui sont liées à leur maison : ce qu’ils portent, ce qui est la mode du marché, le marché de la mode sans marque, ce qu’ils mangent, dans quels magasins ils vont. « 

L’autre objectif est d’introduire un modèle de crédit-bail où les clients peuvent échanger leurs anciens téléphones pour de nouveaux modèles en payant une somme mensuelle abordable. Pour ce faire, le chef de la technologie Ravi Garikipati et son équipe utilisent des technologies d’apprentissage par machine pour construire des modèles de notation de crédit pour clients depuis la fin de 2016.

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s