Краткое содержание

В этой статье мы исследуем, как Disney Hotstar использует большие данные и искусственный интеллект. Hotstar, популярный потоковой сервис в Индии, недавно сотрудничал с Disney Plus и переименован в Disney Plus Hotstar. С более чем 300 миллионами активных пользователей Hotstar полагается на большие данные, чтобы получить представление, улучшить пользовательский опыт и принимать управляемые данными решениями. Вот десять ключевых моментов о том, как Hotstar использует большие данные:

1. Большие данные помогают в анализе и организации больших и сложных наборов данных, которые традиционные методы борются за обработку.
2. Три V больших данных – объем, скорость и разнообразие – имеют решающее значение для понимания его величины.
3. Hotstar предлагает широкий спектр индийских телевизионных шоу и потоков в прямом эфире Индийской премьер -лиги матчей на нескольких языках.
4. С 46.4 миллиона оплачиваемых подписчиков, недорогая подписка Hotstar, способствует его огромной популярности.
5. Hotstar использует технологии данных для управления большим объемом данных, сгенерированных платформой.
6. Большие данные приносят пользу предприятиям, предоставляя представление о конкурентах и ​​создавая новые возможности для бизнеса.
7. Big Data предлагает научный элемент для маркетинговых кампаний, позволяя маркетологам создавать стратегии, управляемые данными.
8. Hotstar наблюдает всплеск использования во время пандемии, способствуя росту платформ OTT.
9. Большие данные играют важную роль в таргетинге на рекламу, помогая рекламодателям понять предпочтения аудитории и оптимизировать размещение рекламы.
10. Анализ больших данных позволяет прогнозировать поведение зрителей, позволяя платформам удовлетворить свои предпочтения и улучшать пользовательский опыт.

15 уникальных вопросов

1. Как большие данные помогают в анализе больших и сложных наборов данных?

Большие данные помогают анализировать и организовать наборы данных, с которыми сталкиваются традиционные методы из -за их объема, скорости и разнообразия. Это позволяет предприятиям получить ценную информацию и принимать решения, управляемые данными.

2. Какие три V больших данных?

Три V больших данных – это объем, скорость и разнообразие. Том относится к огромному объему генерируемых данных, скорость означает скорость, с которой данные генерируются и обрабатываются, а сорт представляет собой различные типы и источники данных.

3. Почему Hotstar популярен среди индейцев?

Hotstar популярен среди индейцев благодаря предложению широкого спектра индийских телевизионных шоу и прямой трансляции матчей Индийской Премьер -лиги на нескольких языках. Кроме того, его доступная цена подписки способствует его популярности.

4. Как Hotstar управляет огромным количеством данных, сгенерированных на платформе?

Hotstar использует технологии данных для обработки значительного объема данных, полученных в день. Это обеспечивает эффективное хранение, организацию и анализ данных, позволяя Hotstar принимать обоснованные решения.

5. Каковы преимущества больших данных для бизнеса?

Большие данные предоставляют несколько преимуществ для предприятий, включая лучшее понимание конкурентов, выявление новых бизнес-возможностей и возможность создавать маркетинговые стратегии, управляемые данными, маркетинговые стратегии.

6. Как пандемия повлияла на платформы OTT, такие как Hotstar?

Пандемия привела к увеличению использования платформ OTT, таких как Hotstar, когда люди ищут способы пройти время. В течение карантинного периода наблюдается популярное занятие, способствуя росту этих платформ.

7. Как большие данные играют роль в таргетировании AD?

Большие данные обеспечивают точное таргетинг AD, предоставляя представление о предпочтениях и поведении аудитории. Анализ данных о том, какой контент наблюдает аудитория, с какими объявлениями они общаются, и их предпочтения помогают рекламодателям оптимизировать размещение рекламы.

8. Как большие данные помогают в прогнозировании поведения зрителя?

Анализ больших данных позволяет таким платформам, как HotStar прогнозировать поведение зрителей, понимая такие факторы, как взаимодействие с рекламой, показывать предпочтения, привычки прохождения контента и демографическая информация. Это помогает персонализировать пользовательский опыт и улучшить удовлетворенность клиентов.

9. Как большие данные влияют на рейтинги видео на таких платформах, как Hotstar?

Большие данные способствуют определению рейтингов видео на таких платформах, как Hotstar. Анализируя поведение и предпочтения пользователя, HotStar может определить, какие типы контента предпочтительнее их аудитории и использовать эти данные для принятия решений, касающихся продления шоу и новых выставок.

10. Как большие данные способствуют расписанию потока на таких платформах, как Hotstar?

С ростом прямой трансляции, большие данные играют роль в планировании потока. Анализируя данные о поведении и предпочтениях просмотра, платформы, такие как Hotstar, могут стратегически планировать свои потоки, чтобы максимизировать вовлечение аудитории и обеспечить беспрепятственный опыт просмотра.

11. Как аналитика используется для улучшения рекламных стратегий?

Аналитика предоставляет надежную статистику по привычкам просмотра аудитории, предпочтениям и рекламным взаимодействиям. Рекламодатели могут использовать эти данные, чтобы уточнить свои стратегии рекламы, оптимизировать частоту рекламы и нацеливаться на конкретную аудиторию, что приведет к более эффективным и целевым рекламным кампаниям.

12. Каким образом большие данные помогают в удовлетворенности клиентов?

Большие данные помогают в понимании предпочтений, потребностей и настроений клиента путем анализа данных из различных источников, таких как сообщения POST и взаимодействия с обслуживанием клиентов. Эта информация может быть использована для персонализации опыта клиентов, улучшения предложений продуктов и повышения общей удовлетворенности клиентов.

13. Какую роль играет большие данные в шоу и удержании шоу на потоковых платформах?

Анализ больших данных позволяет потоковым платформам понять, какие типы контента резонируют с их аудиторией, а какие следует избегать. Эта информация влияет на решения, касающиеся продления Show, новых запусками шоу и производства контента, который соответствует предпочтениям зрителя, что приводит к более высокой удержании зрителя.

14. Как большие данные способствуют успеху платформ, таких как YouTube?

Платформы, такие как YouTube, используют большие данные, чтобы понять демографию, предпочтения и поведение своей аудитории. Эти данные помогают в предоставлении целевого контента, рекомендации видео на основе интересов пользователей и предоставления персонализированного пользовательского опыта.

15. Какие шаги должны предпринять предприятия, чтобы улучшить свои возможности больших данных?

Предприятия должны инвестировать в улучшение своих возможностей больших данных путем сбора соответствующих данных, реализации инструментов анализа данных и найма квалифицированных специалистов по данным. Кроме того, оставаться в курсе последних тенденций и достижений в области технологий больших данных имеет решающее значение для использования его потенциала.

16. Каковы ключевые факторы для бизнеса, чтобы рассмотреть при применении больших данных?

При применении больших данных предприятия должны учитывать такие факторы, как безопасность данных и конфиденциальность, этическое использование данных, масштабируемость инфраструктуры данных, качество и точность данных, а также выравнивание инициатив больших данных с общими бизнес -стратегиями и целями.

Как Disney Hotstar использует большие данные и искусственный интеллект

Компании в каждом бизнесе должны работать над улучшением своих возможностей больших данных, чтобы они могли извлечь выгоду из этого. Узнайте больше о приложениях больших данных в повседневной жизни.

Как Hotstar использует большие данные?

Большие данные – это поле, которое помогает в анализе данных, систематической организации данных или обработке больших наборов данных, которые выходят за рамки возможностей типичного программного обеспечения для анализа данных.

С другой стороны, большие данные относится к огромному количеству сложных наборов данных, особенно из которых получены из новых источников. Эти данные настолько велики, что традиционным методам трудно понять их. Это когда большие данные играют отличную роль.

Большие данные также способствуют решению бизнес -проблем, которые традиционные методы не обнаруживают. Три V больших данных – это объем, скорость и разнообразие. Это так, что мы можем выяснить, как измерить большие данные.

С другой стороны, Hotstar – популярная потоковая служба в Индии. Hotstar недавно сотрудничал с Disney Plus, что привело к ребрендинге Hostar в роли Disney Plus Hotstar. С момента своего перестройки Disney Plus Hotstar стал мейнстримом.

Платформа транслирует индийские телевизионные шоу на различных языках. И не забывайте о прямой трансляции Индийской Премьер -лиги, которая доступна на шести разных языках. Этого достаточно, чтобы понять, почему Disney Plus Hotstar так популярен среди индейцев.

На данный момент Disney Plus Hotstar имеет 300 миллионов активных пользователей, с 46.4 миллиона из тех, кто выплачивается подписчиками. Еще одна причина популярности Hotstar заключается в том, что он продает свою подписку по очень низкой цене.

Обширный объем данных записывается ежедневно для такой компании, как Hotstar. Поскольку обработка этих данных становится невозможным для организации, технология данных нанимается. Прежде чем мы посмотрим, как большие данные используются в Hotstar, важно понять, что такое большие данные и как это может принести пользу компании.

Как крупные данные приносят пользу бизнесу?

Большие данные могут быть использованы для лучшего понимания конкурентов. Большие данные используются новыми участниками и захватывающими компаниями в каждой области, будь то он или здравоохранение. Каждая отрасль использует большие данные. Большие данные помогают создавать новые возможности для бизнеса.

Для маркетинговых кампаний Big Data представила научный элемент. Это дает маркетологам инструменты, чтобы помочь им с их маркетинговыми стратегиями. Большинство из этих предприятий будут в центре массовых потоков данных, включая услуги и продукты, поставщики и покупатели, намерения потребителей и предпочтения, а также многое другое.

Компании в каждом бизнесе должны работать над улучшением своих возможностей больших данных, чтобы они могли извлечь выгоду из этого. Узнайте больше о приложениях больших данных в повседневной жизни.

Влияние больших данных на Hotstar

Дни карантина закончились, но не привычка наблюдать. С тех пор, как возникла проблема с пандемией, люди по всему миру искали способ пройти время.

Почти все любимый способ передать время-просматривать. Пандемия была периодом, когда платформы OTT, такие как Hotstar, Netflix и Amazon Prime, были широко использованы для потоковых фильмов и сериалов. Эти платформы растут и становятся более технологически продвинутыми.

Большие данные являются одним из наиболее значительных разрушителей растущей скорости этих платформ. Учитывая сегодняшнее население, это обязательно, потому что, как и во всем остальном, цель состоит в том, чтобы максимизировать пролиферацию. Итак, давайте посмотрим, как большие данные влияют на развлекательный сектор.

AD Targeting

Реклама началась с распространения брошюр, а затем перешла на радио -джинглы, и теперь у нас есть реклама на социальных сетях. В настоящее время в медиа -секторе есть миллиарды зрителей. Важно иметь хорошую стратегию размещения, чтобы конкурировать. Частота рекламной игры чрезвычайно важна в рекламе.

Основное внимание в рекламе в наши дни – когда аудитория смотрит конкретный контент, на какую платформу платформу. Analytics предоставляет надежную статистику о том, что и когда аудитория смотрит, какой контент. Какую рекламу смотрит толпа и какую рекламу, которую они игнорируют, показывают, каковы их предпочтения и что им не нравится.

Прогнозирование поведения зрителей

Клиенты важны для успеха компании. Чем счастливее клиента, тем выше доход компании. Большие данные собирают все эмоции клиентов через свои сообщения и обслуживание клиентов.

Большие данные предлагают неспособность зрителей увидеть рекламу, например, как долго они смотрят рекламу, какие рекламные ролики они предпочитают, какие шоу они предпочитают, и какой контент они пропускают, чтобы смотреть, и так далее.

Большие данные также дают такую ​​информацию, как возрастная группа аудитории на различных платформах и тип мобильных телефонов, которые они используют. YouTube – фантастический пример платформы, которая использует эту информацию для понимания своей аудитории и предоставления контента, который им нравится.

Видео рейтинги

Большие данные принесли пользу, такие как Netflix, Amazon Prime и Hotstar. Подобно YouTube, эти платформы полагаются на большие данные, чтобы прогнозировать поведение пользователей. Эти статистические данные, с другой стороны, чрезвычайно подробно и напрямую влияют на производство и удержание.

Эти платформы используют большие данные, чтобы определить, какие типы контента предпочтительнее их клиентов, а какие избегаются, чтобы продлить шоу на следующий сезон. Они делают то же самое, прежде чем запустить новое шоу на своих платформах.

Планирование потока

Концепция прямой трансляции набирает обороты в наши дни, будь то в социальных сетях или в основных средствах массовой информации. Аудитории, кажется, нравится живая веб -трансляция. Twitch-популярная платформа для создателей контента, чтобы взаимодействовать со своей аудиторией в режиме реального времени.

Рекламодатели используют эту возможность для продвижения своих продуктов перед своей целевой аудиторией. Аналитика помогает определить лучшее время для потокового потока, чтобы связаться с наибольшим количеством людей, а также какой тип продукта поможет привлечь внимание общественности в целом, как объяснено GoodWorklabs.

Hotstar использует большие данные для перемещения своих пользователей Freemium в премиум -пользователей

Маркетинговая команда изучает четыре аспекта, чтобы преобразовать подписчиков Freemium в преданные члены премиум -класса.

Индивидуальный пользовательский опыт

Важно исследовать за пределами демографии, чтобы получить лучшее понимание потребителя, например, что ему нравится, какова их работа и как ваш продукт повлияет на их жизнь.

Сколько раз пользователь открывает приложение и какой контент они просматривают, как долго они смотрят конкретный кусок контента или как медленно потребитель может пойти на воронку и что убедит их стать лояльными клиентами?

Как только поведение пользователя будет предсказано, его легко обойти и перемещать пользователей вдоль воронки, используя контент, упакованный и наставленный на основе тщательного понимания персонажей пользователей и психографии.

Рекомендую контент в соответствии с образу жизни

Подписчики могут тратить свои деньги, если они не вернутся на платформы, чтобы изучить контент после оплаты членства. Поклонники спорта используют HotStar как раз тогда, когда в прямом эфире будет транслироваться в прямом эфире, и они не используют его в другие дни. Трудно убедить этих людей подписаться и насладиться всеми развлечениями, которые может предложить Hotstar.

Для достижения этой цели компания идентифицирует и классифицирует людей на основе цифровых характеристик, таких как просмотр и просмотр истории, модели потребления контента и другие предпочтения. Если пользователь является бесплатным пользователем платформы, перенесите их через воронку, предложив элементы из премиальной библиотеки, которые, скорее всего, будут заинтересованы.

Персонализированные сообщения в нужное время

Поддержание импульса с помощью кампании, которая может привлечь внимание людей, а не просто перемещать статистику. Они должны были отправлять push -уведомления миллионам пользователей, которые они достигли, используя Cleave Tap, платформу управления образами жизни клиента, которая может отправлять до 25 миллионов push -сообщений в секунду в секунду.

Создание связи было лишь одним аспектом плана. Также было важно определить дни и времена недели, когда различные категории пользователей являются наиболее вовлеченными и восприимчивыми для продвижения уведомлений. В этой процедуре Hotstar использовал эти идеи, чтобы увеличить щелчки трижды.

Взаимодействие с пользователями в режиме реального времени

Мониторинг активности пользователя, чтобы увидеть, как часто и недавно пользователи использовали бречускую мам. Когда пользователь смотрит что -то в приложении, а затем внезапно закрывает его, это интерпретируется как возможность дать им товарное уведомление, побуждая их закончить то, что они начали.

Это позволяет Hotstar иметь лучший коэффициент конверсии и потребление большего количества контента пользователями. (источник)

Подводя итог, мы видим, как Hotstar использует большие данные для развития своего бизнеса. Мы можем твердо согласиться с тем, что Hotstar был успешным в этом отношении, исходя из количества подписчиков, которые он привлекла. Большие данные могут положительно повлиять на бизнес, если он используется правильно.

Поделиться блогом:

Быть частью нашего Instagram сообщество

Трендовые блоги

• 5 факторов, влияющих на поведение потребителей
• Эластичность спроса и его типы читают больше
• Что такое анализ пестиков? Все, что вам нужно знать об этом, Подробнее
• Обзор описательного анализа Подробнее
• Что такое управленческая экономика? Определение, типы, природа, принципы и масштаб Подробнее
• 5 факторов, влияющих на эластичность цены спроса (PED) Подробнее
• Дейкстра’S Algorithm: самый короткий алгоритм пути Подробнее
• 6 Основные ветви искусственного интеллекта (ИИ) Подробнее
• Объем экономики управления Подробнее
• 7 типов статистического анализа: определение и объяснение Подробнее

Как Disney+ Hotstar использует большие данные и искусственный интеллект

Disney+ Hotstar – одна из растущих потоковых платформ по всему миру. Хотя он только начал предлагать услуги в различных регионах, это’S уже стал фаворитом фанатов из -за своей коллекции контента Disney и кучу шоу, принадлежащих Fox, HBO и Showtime. Кроме того, вы также можете поймать живые потоки матчей на нем.

Disney+ Hotstar способен предоставить другим потоковым платформам запустить свои деньги, потому что он включает в себя расширенные технологии, такие как Big Data и Artifical Intelligence, чтобы улучшить платформу’S возможностей.

В случае, если мы’Весел ваш интерес, вы можете попробовать Disney Plus в Великобритании, чтобы проверить для себя, насколько хорошо тарифы потоковой платформы по сравнению с остальными конкурентами.

Позволять’S попасть в это.

Используя платформу для потоковой передачи облачной платформы для потоковой передачи

Disney+ Hotstar заручился помощи Akamai Technologies во время потоковой передачи Vivo IPL 2018. 10 апреля 2018 года, для игры между Ченнаи Супер Кингс (CSK) и Kolkata Knight Riders (KKR), зрители достигли пика в 5.5 миллионов одновременных взглядов. Очевидно, это было довольно важным для одного потокового мероприятия в Интернете любым вещателем.

Акамай’S Intelligent Platform имеет увеличение до 75% в потоковой передаче мобильного телефона. Платформа с доставкой облаков смогла доставить 95 экзабит данных, взять 2.5 экзабит данных и развлекать более 1.3 миллиарда устройств в день.

С таким притоком данных двигатели машинного обучения (ML) могут повысить производительность, безопасность и общую надежность цифрового опыта. Лучше всего, это легко интегрируется с веб -приложениями и мобильными приложениями, чтобы предоставить вам облачную безопасность, аналитику и многое другое.

Приспосабливаясь в пробке

Согласно Disney+ Hotstar, независимо от количества совпадений, они’вещал в прямом эфире; Схемы трафика каждый раз остаются непредсказуемыми. Несмотря на это, они все равно полагаются на прошлые модели, чтобы принимать решения. Согласно Akash Saxena, руководителю технологий в Hotstar, увеличение трафика, вероятно, сокрушит бэкэндскую систему и вызовет сбои в потоковой передаче.

Что’S, почему до тех пор, пока наследие поддерживает свою сделку, это’S всегда легко приветствовать новых пользователей на платформе. Одним из методов, поделившихся Saxena, было автоматическое масштабирование для обработки притока пользователей. Он считает, что автоматическая масштаба приводит к наличию большого количества серверов, чтобы пользователи не надевали’T сталкиваются с проблемами во время потоковой передачи.

Каждый день команда в Hotstar занимается протоколами паники, кэшированием и экспоненциальным отбором, чтобы убедиться, что клиенты имеют беспрепятственный опыт потоковой передачи. Saxena продолжала сказать, что вся их платформа зависит от трех столбов:

1. Потоковая инфраструктура
2. Двигатель подписки
3. Метаданный двигатель

Низкие задержки номера также являются хорошим знаком для оптимизированного процесса.

Настраиваемая потоковая передача

Другим важным фактором, который может сделать это или сломать его с помощью потоковой службы, является быстрое и эффективное качество обслуживания клиентов. С неограниченными загрузками через день Hotstar разрабатывает алгоритм ML для использования пользовательского интеллекта из необработанных данных. Таким образом, алгоритм будет предлагать способы, через которые пользователь’S -опыт потоковой передачи может быть персонализирован.

Персонализированная потоковая передача будет означать, что платформа сможет предложить контент или рекламу в соответствии с шоу, которые вы’Повторный смотрит. Метрика, которая является ключевой для такой сбора информации, – это время наблюдения за пользователем в месяц. Алгоритм ML изучает предпочтения пользователя через историю их часов, а затем дает аналогичные рекомендации соответственно.

Hotstar также использует платформу данных в реальном времени KNOL. Он построен, чтобы обеспечить плавный обмен данными от HotStar. Приложение собирает огромное количество данных (я.эн. Почти 10 ТБ), который состоит из рекламных впечатлений, данных поддержки клиентов, поведенческого клика и многих других. Так что пользователь может быть рекомендуется, что в соответствии с их лайками гораздо точнее.

Мыслить вне коробки потоковой передачи

Государственные выборы в Прадеш состоялись в двух городах, Гуджарате и Химачал, в Индии. Дисплейные кампании для выборов были переданы Disney+ Hotstar, сотрудничая с комплексным агентством цифровых решений, Performics. Между тем, Resultrix, крупное местное агентство по цифровому маркетингу помогло определить аудиторию и программно предоставлять рекламу рекламы.

Из -за аналитики было легче отслеживать количество людей, выявлять интересы таких людей и привести к возможному увеличению времени, потраченного на Disney+ Hotstar. Вся кампания была проведена с помощью автоматической, данных, аналитики, прогнозного маркетинга и машинного обучения.

Disney+ Hotstar будет продолжать сотрудничать с большим количеством агентств, чтобы получить номер для своей аудитории и как соответствующим образом обслуживать их. Например, они зарегистрировались с Zapps Media Labs, чтобы получить аналитику мобильной аудитории для предоставления целевой рекламы на основе рекламных предложений и персонализированного общения.

В общем, Disney+ Hotstar, безусловно, не делает’Не хочу отказаться от этого авантюрного предприятия в ближайшее время. Кто знает, что еще они запланировали на будущее? Кажется, они пока не очень хорошо работают. Если вы’Повторно ожидая Hotstar в вашем регионе, не беспокойтесь. Они’повторно расширить себя в хорошем темпе. До тех пор вы можете просто использовать VPN, чтобы получить Disney+ Hotstar за пределами Индии.

Для еще большего количества такого мнения, нажмите прямо здесь.

Поделись этим:

• Нажмите, чтобы поделиться на Facebook (открывается в новом окне)
• Нажмите, чтобы поделиться в Twitter (открывается в новом окне)
• Нажмите, чтобы поделиться на Pinterest (открывается в новом окне)
• Нажмите, чтобы поделиться на Tumblr (открывается в новом окне)
• Нажмите, чтобы поделиться на WhatsApp (открывается в новом окне)
• Более

• Нажмите, чтобы отправить ссылку на другу (открывается в новом окне)
• Нажмите, чтобы поделиться на LinkedIn (открывается в новом окне)
• Нажмите, чтобы поделиться в кармане (открывается в новом окне)
• Нажмите, чтобы распечатать (открывается в новом окне)
• Нажмите, чтобы поделиться на Reddit (открывается в новом окне)
• Нажмите, чтобы поделиться по Skype (открывается в новом окне)
• Нажмите, чтобы поделиться на StumbleUpon (открывается в новом окне)
• Нажмите, чтобы поделиться на Telegram (открывается в новом окне)

Как Disney+ Hotstar упростила свою архитектуру данных для масштаба

Disney+ Hotstar, Индия’Самая популярная потоковая служба должна была найти способ не отставать от быстро расширяющейся библиотеки контента и абонентских базой.

22 июня, 2022 7:43 утра Синтия Данлоп и Питер Корлесс

Изображение функции, предоставленное спонсором.

Интервью с Disney+ Hotstar & Myntra: масштабирование искусственного интеллекта от POC до производства

Искусственный интеллект (ИИ) – горячая тема в наши дни. Некоторые люди считают, что ИИ улучшает нашу повседневную работу и образ жизни-позволяет нам посвятить наше внимание более высоким функциям задач. Другие считают, что это угроза для нашей работы и карьерного потенциала. Какая бы сторона обсуждения вас’в’S Без сомнения, что AI, управляемый глубокими нейронными сетями, может автоматизировать (часто утомительные) процессы, которые в противном случае требуют людей. Фактически, задачи, которые занимают 45% времени сотрудников, могут быть автоматизированы путем реализации продемонстрированной технологии, согласно исследованиям McKinsey & Company Research . Тем не менее, способность управлять сложными входами является лишь первым шагом в этом путешествии. Приложения, управляемые AI, приводят к значительной сложности между бизнес-системами. Наш хост Hackerrank, Aadil Bandukwala, рассказал с группой экспертов о масштабировании искусственного интеллекта из подтверждения концепции вплоть до производства. Панель включала:

• Akash Saxena, SVP, руководитель отдела технологий в Disney+ Hotstar
• Равиндра Бабу Талламраджу, вице -президент и глава науки о данных в Myntra Jabong
• Harishankaran K, соучредитель и технический директор Hackerrank

Посмотрите полное видео ниже или продолжайте читать для некоторых основных моментов из обсуждения.

Что на самом деле нужно, чтобы сделать отличное приложение, которое оснащено ИИ?

Акаш Саксена:

Во -первых, вы должны спросить: что это делает для клиента? Что нужно, чтобы построить любое отличное приложение?

ИИ – это просто еще один инструмент в моем инструментарии. Это более улучшенный алгоритм – независимо от того, использую ли я машинное обучение или нейронные сети, чтобы все произошло. С натиском данных существуют определенные проблемы, которые можно решить только с помощью методов ИИ. Для меня то, что делает приложение мощным, зависит от ответов на следующие вопросы: что оно делает для клиента? Делает ли это платформу инклюзивной? Делает ли это опыт богаче?

Вы должны начать с того, чтобы определить это, а затем пройти путь назад. Действительно, для многих моих вариантов использования ИИ довольно доминирует.

Равиндра Бабу Талламраджу:

Все, что делается вручную экспертом по домену, которое необходимо увеличить, только масштабируется до предела.

Например, пусть’S разговор о некоторой оценке стиля. В Myntra мы берем особую одежду и имеем эксперт по моде и оцените каждую одежду. Этот эксперт поставляется с большим количеством опыта домена – 10 -летний опыт оценки каждой одежды. Позволять’S скажет, что этот стиль потрясающий, и мы покупаем несколько n -количества предметов этой одежды. Из -за большого объема одежды мы заменяем эксперта на вероятностную модель, которая работает так же, как и человек.

Что’S пример отличного приложения. Это’S масштабируется, и он должен работать так же хорошо, как и эксперт. Это определенно не может превышать доменную экспертизу человека, но он может работать так же хорошо.

Харишанкаран К:

ИИ расширяет горизонт. Цель ИИ – насколько хорошо он может сделать или насколько ближе он может прийти к человеку, выполняющему те же функции. Этот разрыв уменьшается, день за днем.

Самое важное, что вам нужно, – это данные. Если у вас недостаточно данных, чтобы сделать эти прогнозы, то нет ничего не. Но теперь есть так много способов сбора данных, так много мест, где вы можете получить данные и сделать эти прогнозы и модели. Итак, я думаю, что это требует некоторого уровня воображения.

Есть некоторые вещи, которые, как я всегда считал, были невозможны. Тем не менее, появляются новые приложения, которые появляются каждый день, и доказывают, что я неправильно.

Недавнее творение-это CPT-3, который может предсказать, что вы собираетесь написать. Я написал почту с помощью GPT-3. Так что это одно из новых улучшений, которые доказывают, что вам нужно все отучить и предположить, что все возможно, и с этим мышлением.

Как организации действительно определяют, есть ли у них применимый случай использования ИИ?

Акаш Саксена:

Я хочу поделиться анекдотом, которым очень старший исследователь поделился со мной. У вас могут быть лучшие алгоритмы рекомендаций, но скажем, что ваш UX сломлен, и внезапно все эти рекомендации находятся в месте, где клиент их не видит. Это не вина ИИ, или это не неудача в том, что делало приложение. Это иллюстрирует, что все продукты должны быть построены целостно.

Некоторые отличные случаи, когда ИИ используется, – это все, что вы можете сделать, чтобы сделать свой продукт более масштабируемым, повторяемым и последовательным. Равиндра говорил о оценке моды в качестве примера. Я могу быть более четким модным грейдером против, скажем, Равиндра. У Равиндра может быть и другие навыки, но вы можете научить машину некоторые из этих атрибутов. Трудно добраться до того места, где нужно человеку, и это очень сложно. Вы можете добавить целую кучу слоев и потребовать 200 дней, чтобы вычислить ответ, который кто -то может дать вам, может быть, на день.

В частности, я действительно поражен автомобилями самостоятельного вождения. Я технолог, но я постоянно удивляюсь тем, что теперь могут делать машины и насколько они осознают. Итак, это довольно фантастически. Я думаю, что Харишан следовал аналогичной теме с точки зрения того, что мы поднимаем. Мы пытались найти много операционной эффективности. Когда контент приходит к нам, мы обрабатываем часы контента каждый день. Все это контент должен быть рассмотрен. Есть ли аномалии? Есть ли что -нибудь, что нежелательно на законных основаниях? Это обычно интенсивно интенсивно. И мы сосредоточены на том, чтобы найти, где есть различие в том, как человек может воспринимать это.

Всегда есть такой страх, что ИИ собирается съесть нашу работу. На самом деле я бы сказал, что это развязывает нас, чтобы сосредоточиться на более качественных проблемах, а не пытаясь решить проблемы низкого качества с простой сырой рабочей силой. И мы использовали ИИ для большого эффекта для всех наших рекомендательных двигателей.

Но мы также начали смотреть на ИИ из моделей прогнозирования трафика. Мы используем ИИ для размещения моделей в клиенту, чтобы выяснить, как мы можем сделать AVR, расчет битрейта. Итак, когда вы принимаете решение переключиться с 360p на 480p? Эти решения принимаются в данный момент. Алгоритм сегодня говорит: ну, сможете ли вы сделать это сейчас, как в этот самый мгновение? Мои последние несколько образцов достаточно хороши? Не понимая, что, возможно, вы находитесь в сетевой области, которая действительно плохой. У вас может быть мгновенный пик, буфер, а затем снова спуститься. Для моего клиента это плохой опыт. Я бы предпочел, чтобы не набрать лестницу. Это область использования.

Каковы примеры успешных случаев использования искусственного интеллекта, которые продолжают удивлять вас сегодня и какие увлекательные проблемы вы решаете?

Равиндра Бабу Талламраджу:

У нас есть модели, которые влияют на каждую точку контакта с клиентом – от момента, как они войдут в домашнюю страницу, до того, как отправка должна быть доставлена, и по возвращению. Наша задача заключается в обеспечении того, чтобы возвращенный элемент был таким же и находится в правильном порядке.

Здесь’S еще один случай: на нашем складе мы стараемся сделать оптимальное назначение поставки сборщикам. Здесь количество необходимых данных ограничено, и вы можете подходить к ним через модель теории очередей. Данные преимущественно используются для проверки некоторых из них. Для рекомендаций, как упоминается Акаш, вам нужны массовые наборы данных. Вы должны понимать, что нравится клиенту, каковы были его предыдущие покупки, а затем мы можем порекомендовать им правильный продукт. И именно здесь появляются массовые наборы данных, и вы знаете всю сложность построения модели.

Харишанкаран К:

Как бизнес -построение продукта, вам постоянно приходится удивлять своего клиента. Вы должны включить “ Клиентский восторг ” аспект. И ИИ – один сильный инструмент, который помогает вам сделать это несколько раз.

Когда у меня была Yahoo Mail, я был очень взволнован тем, как спам Gmail всегда идет в папку спама. Ни один спам никогда не придет в мой почтовый ящик. Теперь это больше не впечатляет. Мы привыкли к этому.

Сегодня, когда я начинаю печатать, это завершает мои заявления. Это следующий мир. Через несколько лет я просто наблю тему, а затем он заполнит всю почту для меня, и это больше не будет отличным веществом.

Это доходит до того, что, если придет какая -либо рекомендация, я не буду’Это нравится, скажем, от Hotstar и Myntra, и если мне это не нравится, я мог бы подумать там’S Что -то не так со мной, и, может быть, это должно быть то, что мне нужно. Вы склонны доверять этому так сильно, что вы идете, верите, что это должно быть правильным, и, возможно, я не в правильном состоянии ума. Поэтому я считаю, что это тот момент, когда успешный случай искусственного интеллекта, как и автомобили с самостоятельным вождением, является лучшим успешным случаем использования искусственного интеллекта.