1. 我是CIO首页
  2. 资讯
  3. 人工智能

CTO:使用数据为客户提供超个性化的体验

竺道.webp_副本.jpg

Magicpin拥有500万以上的用户群,年商品总值(GMV)为10亿美元,是印度最大的离线发现和奖励平台之一。

通过融合技术和社交游戏玩法,Magicpin将在线消费者与线下企业和品牌联系在一起。对于每笔交易,用户都会获得积分形式的奖励,这些积分可用于解锁服务和体验。这也有助于本地商户和大型品牌扩大业务。

Magicpin的CTO Nipun Bhatia一直在为其业务发展持续迭代技术方案。

个性化用户体验

该公司无处不在的平台,使用户每次在任何类别(餐饮,杂货,燃料,电子,水疗,沙龙等)下线购物时均可获得奖励,这使Magicpin必须洞悉了线下零售的车场景和特点。

对于每个用户,都会开发一个兴趣图谱,以对用户和商家之间的关联进行编码。使用深度学习技术,用户使用BERT等技术将用户上传的账单图像转换为文本,账单中的条目分为品牌,商品和产品。使用此功能,可以在应用程序上创建许多个性化功能(例如“推荐的游览地点”),以帮助用户查看地点。

例如,如果用户喜欢咖啡,“最好的咖啡店”功能将帮助用户探索周围的最佳咖啡场所。同样,如果系统得知用户偏爱有机食品杂货店,则该公司将展示一个显示相关信息的小部件,以便节省用户下一次寻找食品杂货的时间。

使用ML开发功能

使用不同的机器学习和深度学习技术来构建应用程序中的许多核心功能。从诸如欺诈检测,用户信任度,用户体验功能(如根据用户的兴趣显示相关商人,人员和交易等)之类的重点功能,到确保商人成功(承诺的投资回报率和基于细分市场的CRM)的功能),都是使用ML构建的。

公司的方法是应用与用例相关的最佳开源技术。它使用基于Cassandra的水平可扩展数据层以及几种开源机器学习和深度学习技术。

最大化销售代理商能力

公司已经开发了一种内部工具,可以为其代理商制定销售策略。该工具对销售团队接触的商家进行优先级排序,并生成重要的数据见解,例如地理位置趋势,钱包趋势份额,客户的地理分布等,代理商可以与商家共享这些数据。

Bhatia说:“这还可以帮助销售代理商共享与Magicpin合作可以实现的商户的投资回报率,并提供公司如何确保商户成功的路线图。”

据Bhatia称,数据驱动的方法使该公司实现了4倍于行业平均水平的销售生产率。

快速解决索赔

在几次用户调查中,该公司发现,用户的“哇”因素之一是他们在上传交易后立即在其帐户中立即收到“魔术师积分”。

对于上传到Magicpin应用程序的每笔交易(图像账单+自拍照),系统都需要确定是奖励交易还是以欺诈方式拒绝交易。

Bhatia建立了一个交易决策系统,该系统结合了机器学习和人类智能来确定交易状态。每个事务都经历两个主要阶段:元数据生成和决策引擎。

“在元数据生成阶段,我们使用深度学习模型检查账单的有效性,使用Fasttext和NGT检查账单是否重复,并验证账单金额。然后将所有生成的信号发送到决策系统,该系统是基于混合机器学习的系统,”他说。

Magicpin由Google Launchpad Accelerator孵化​​而成,从一开始就是一家云原生公司,其所有基础架构都托管在云中。

“在云上为公司提供了巨大的优势,同时使用自动扩展等技术帮助控制了我们的成本,这些技术使我们能够应对流量高峰,而又不会因硬件成本而使这种基础架构保持24×7全天候运行。使用这些技术,在过去三个月中,我们已将每次交易成本降低了25%,” Bhatia补充说。

本文为作者 已诺 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论