ความแตกต่างของ maya.ai
การปรับเปลี่ยนในแบบของคุณและคำแนะนำแบบเรียลไทม์
เราเชื่อมโยงข้อมูลภายในองค์กรกับข้อมูลภายนอกเพื่อมอบคำแนะนำส่วนบุคคลแบบเรียลไทม์
เพิ่มหมวดหมู่ใหม่และผู้ค้า on-the-go
แผนที่มีชีวิตและหายใจของรสนิยมของโลก
maya.ai ได้มาซึ่งข้อมูลที่จำเป็นเกี่ยวกับไลฟ์สไตล์ประเภทต่างๆ เพื่อสร้างแบบจำลองกลุ่มเอนทิตีตามกราฟ
จากนั้น โมเดลนี้จะจับคู่กับข้อมูลพฤติกรรมของลูกค้า เพื่อเปิดเผยตัวเลือกและคำแนะนำต่างๆ มากมาย
TasteGraph™ มีผู้ค้ากว่า 6.5 ล้านคนที่วิเคราะห์และทำแผนที่ รวมถึง
2.4Mn+
โรงแรม
650K+
สถานที่ท่องเที่ยว
4.4Mn+
ร้านอาหาร
92K+
พ่อค้าคนอื่น
หน่วยงาน
ด้วยผู้ค้ากว่า 6.5 ล้านคนและการเพิ่มขึ้นเรื่อยๆ ผู้ค้าที่ค้นพบทางดิจิทัลทุกรายเป็นหน่วยงานเป้าหมายสำหรับ TasteGraph™ ระบุผู้ค้าที่ไม่ซ้ำกันทั่วโลกและสร้างความสัมพันธ์กับผู้ค้าที่เกี่ยวข้องรายอื่น
คุณสมบัติรสชาติ
maya.ai เข้าใจวิธีที่ลูกค้าตัดสินใจในแต่ละหมวดไลฟ์สไตล์ ระบุคุณลักษณะที่กำหนดรสนิยมในหมวดหมู่เหล่านี้ ตัวอย่างเช่น เพื่อทำความเข้าใจรสนิยมของลูกค้าในการรับประทานอาหาร maya.ai จะพิจารณาคุณลักษณะของร้านอาหาร เช่น คุณภาพของการบริการ บรรยากาศ อาหาร อาหาร และอาหารพิเศษ ด้วยการเรียนรู้ด้วยเครื่องที่ทันสมัยและการประมวลผลภาษาธรรมชาติ (NLP) maya.ai จะกรองข้อมูลเมตาที่มีโครงสร้างและข้อมูลที่ไม่มีโครงสร้างร่วมกัน แล้วก็แท็ก
ผู้ค้าทุกรายที่มีคุณลักษณะด้านรสนิยมดังกล่าวหลายร้อยรายการและกำหนดคะแนนให้กับแต่ละราย เพื่อสร้างโปรไฟล์รสนิยมของผู้ค้า
ความสัมพันธ์
ตามโปรไฟล์ของผู้ค้า maya.ai ให้คะแนนความสัมพันธ์ระหว่างผู้ค้าสองรายในแต่ละหมวดหมู่ maya.ai ใช้การตั้งค่าของลูกค้าที่ไม่เปิดเผยชื่อและวิธีการทำงานร่วมกันที่ได้รับการจดสิทธิบัตรเพื่อสร้างกราฟข้ามหมวดหมู่
ทั้งหมดในเวลาจริง
เติมเต็มรสนิยมของลูกค้าของคุณด้วยพ่อค้าที่ใช่
TasteMatch ให้คะแนนความสัมพันธ์ระหว่างโปรไฟล์รสนิยมของลูกค้ากับผู้ขายที่กำหนด
คะแนน TasteMatch ใช้เพื่อจัดอันดับคำแนะนำสำหรับลูกค้า โดยจะพิจารณาบริบทสำหรับกรณีการใช้งานเฉพาะ
คณิตศาสตร์เบื้องหลังทางเลือกง่ายๆ
ทางเลือกของผู้บริโภคขึ้นอยู่กับสี่องค์ประกอบ: รสชาติ อิทธิพล บริบท และพฤติกรรม
maya.ai ใช้ส่วนประกอบเหล่านี้เพื่อทำความเข้าใจตัวเลือก เราเรียกมันว่าสมการทางเลือก
รสชาติ
ความชอบโดยรวมของลูกค้า เช่น การให้คะแนนและรีวิว
อิทธิพล
ปฏิสัมพันธ์ทางสังคมภายนอกที่ส่งผลต่อการตัดสินใจของลูกค้า เช่น ‘ไลค์’ และ ‘แชร์’
บริบท
ปัจจัยอื่นๆ เช่น อุปกรณ์ เวลา
สถานที่ สภาพอากาศ และอื่นๆ
พฤติกรรม
กิจกรรมของลูกค้าออนไลน์และออฟไลน์ เช่น ธุรกรรมและการโต้ตอบที่ผ่านมา
อัลกอริธึมที่จดสิทธิบัตร
รวมระบบผู้แนะนำหลายระบบเพื่อมอบกลุ่มผู้สนใจสูงสุดในหมวดหมู่ใด ๆ ให้กับลูกค้าทุกราย
แบบจำลองทางปัญญา
ได้รับการสนับสนุนจากมิติข้อมูลที่ครอบคลุมซึ่งเลียนแบบวิธีที่ผู้บริโภคตัดสินใจเลือก
การเรียนรู้ของเครื่องแบบวนซ้ำ
พัฒนาอย่างต่อเนื่องในลูปแมชชีนเลิร์นนิงในตัว
