Hvordan pandemien klargjorde Alibabas AI til verdens største shoppingdag

VCG / Stringer via Getty

Nyhederne: Mens USA har været hooked på sit valg, har Kina shoppet. Fra 1. til 11. november genererede landets førende e-handelsgiganter, Alibaba og JD, 115 milliarder dollars i salg som en del af deres årlige Singles' Day shopping bonanza. Alibaba, som startede festivalen i 2009, tegnede sig for $74,1 milliarder af dette salg, en stigning på 26% i forhold til sidste år. Til sammenligning krydsede Amazons 48-timers Prime Day-salg kun 10 milliarder dollars i år.

Pandemi stresstest: Selve omfanget af begivenheden gør det til noget af et logistisk mirakel. For at udføre bedriften investerer Alibaba og JD massivt i AI-modeller og anden teknologisk infrastruktur for at forudsige indkøbsefterspørgsel, optimere den globale distribution af varer på tværs af varehuse og strømline verdensomspændende levering. Systemerne bliver normalt testet og forfinet i løbet af året, før de strækkes til deres grænser under selve arrangementet. I år stod begge virksomheder dog over for en komplikation: regnskabsføring ændringer i indkøbsadfærd på grund af pandemien .

Ødelagte modeller: I de første uger efter udbruddet af coronavirus så begge virksomheder, at deres AI-modeller opførte sig mærkeligt. Fordi pandemien ramte i løbet af det kinesiske nytår, købte hundredvis af millioner af mennesker, som ellers ville have været på ferie på indkøb, i stedet for at købe lockdown-fornødenheder. Denne adfærd gjorde det umuligt at stole på historiske data. Alle vores prognoser var ikke længere nøjagtige, siger Andrew Huang, general manager for den indenlandske forsyningskæde hos Cainiao, Alibabas logistikdivision.

Folk købte også ting af forskellige årsager, hvilket var i strid med platformens produktanbefalinger. For eksempel antog JD's algoritme, at folk, der købte masker, var syge og anbefalede derfor medicin, når det måske havde været mere fornuftigt at anbefale håndsprit.

Ændring tak: Nedbrydningen af ​​deres modeller tvang begge virksomheder til at blive kreative. Alibaba fordoblede sin kortsigtede prognosestrategi. I stedet for at projektere indkøbsmønstre baseret på sæsonen, forfinede Cainiao for eksempel sine modeller for at tage hensyn til mere umiddelbare variabler som den foregående uges salg, der førte op til store salgsfremmende begivenheder, eller eksterne data som antallet af covid-tilfælde i hver provins, siger Huang . Som live-streaming af e-handel (viser produkter frem i realtid og besvarer spørgsmål fra købere) eksploderede i popularitet under karantæne, virksomhedens logistikarm byggede også en ny prognosemodel til at projektere, hvad der sker, når populære livestream-influentere markedsfører forskellige produkter.

Og JD ombyggede sine algoritmer til at overveje flere eksterne og realtidsdatasignaler, såsom covid-sagsbelastninger, nyhedsartikler og offentlige følelser på sociale medier.

Uventet velsignelse: Tilføjelse af disse nye datakilder i deres modeller ser ud til at have fungeret. Cainiaos nye live-streaming AI-model, for eksempel, endte med at spille en stor rolle i at forudsige salg, efter at Alibaba gjorde live-streaming til en kernedel af sin Singles' Day-strategi. For JD kan dets opdateringer også have øget det samlede salg. Virksomheden siger, at det oplevede en stigning på 3 % i klikfrekvensen på sine produktanbefalinger, efter at det udrullede sin forbedrede algoritme, et mønster, der holdt stand under Singles' Day.

Forstå kontekst: Begge virksomheder har lært af erfaringerne. For eksempel siger Huang, at hans team lærte, at hver livestream-influencer mobiliserer sin fanbase til at udvise forskellig købsadfærd, så den vil fortsætte med at skabe skræddersyede forudsigelsesmodeller for hver af dens top-influencer. I mellemtiden siger JD, at det har indset, hvor meget nyheder og aktuelle begivenheder påvirker e-handelsmønstre og vil fortsætte med at justere sin produktanbefalingsalgoritme i overensstemmelse hermed.

Opdatering: Forholdet mellem Alibaba og Cainiao er blevet afklaret.

skjule