Kako je Njuškalo uz pomoć foto-prepoznavanja za 70% ubrzao predaju oglasa u mobilnoj aplikaciji

Kako je Njuškalo uz pomoć foto-prepoznavanja za 70% ubrzao predaju oglasa u mobilnoj aplikaciji

Foto-prepoznavanje predmeta u samom je vrhu svjetskih trendova i primjene umjetne inteligencije, a mi smo odlučili upravo tu tehnologiju uvrstiti u Njuškalovu aplikaciju prilikom predavanja oglasa. Kako je proces izgledao u praksi, na koje smo izazove naišli i što su planovi za budućnost, otkrivamo.

Foto-prepoznavanje dio je Njuškalove aplikacije za predaju oglasa na mobilnim uređajima. Funkcionira na način da, kada se predmet, poput majice ili automobila, fotografira kroz aplikaciju, ona će prepoznati o kojem se predmetu radi, odnosno prepoznat će njegovu kategoriju unutar oglasnika. Time se korisniku koji želi oglasiti taj predmet štede klikovi i vrijeme, što je i postalo glavna metrika ove opcije.

Za razvoj i implementaciju foto-prepoznavanja zaslužni su Njuškalov interni tim iz odjela Product developmenta, članovi Styria Data Science tima te tvrtke Trikoder i UndabotMoram istaknuti da je ovo prvi takav svjetski proizvod za oglasnike utemeljen na tehnologiji dubokih neuronskih mreža i izašao je u produkciju prije takvih inačica glavnih svjetskih igrača kao što su eBay, Alibaba i slični.

Glavna svrha nastanka foto-prepoznavanja

Nit vodilja u projektu i njegova sama svrha je olakšanje predaje oglasa na način da se ubrza cijeli proces, tako da korisnik preda jednu sliku ili više njih i da mu je automatski odabrana dobra kategorija. Ne gubi vrijeme klikajući, odnosno pretraživajući strukturu oglasnika, kako bi sam stavio predmet u odgovarajuću kategoriju.

Nekada je vrijedno predvidjeti, odnosno smjestiti sliku u kategoriju višeg ranga, posebice kada autor nije siguran u konkretan proizvod koji fotografira, primjerice mobitel, automobil i slično. Tada je bolje da se proizvod smjesti u kategoriju iznad, nego da pogađa neku od užih kategorija i možebitno pogriješi. U svakom slučaju, točnost pogađanja algoritma nije glavna metrika, nego upravo taj broj klikova koje smo mi uštedjeli korisniku koje bi on morao obaviti da nema te kategorizacije.

Naravno, nije sve teklo glatko

Jedan od prvih izazova bila je količina podataka koje smo morali, u suradnji s Trikoderom i Njuškalovim timom, ispravno organizirati. Prvenstveno da smanjimo slike oglasa na adekvatnu veličinu i da ih stavimo u bazu gdje ih možemo čitati dovoljnom brzinom.

Treniranje tih modela traje i do tjedan dana, a potrebno je provesti mnogo eksperimenata. Izazov je bio i izabrati kakve varijante, odnosno kakve eksperimente ćemo raditi, jer smo imali ograničeni broj računalnih resursa u računalnom centru.

Uz to, izazovi su također bili i kako stvoriti zajedničko shvaćanje svih uključenih u projekt, što je performansa tog modela i kako će se točno evaluirati. Na kraju se sve spojilo u broj klikova koje smo uštedjeli, odnosno u metriku koja na mobilnim uređajima govori koliko se u prosjeku smanjilo vrijeme predaje oglasa.

Točnost prepoznavanja predmeta je 86,5%

Korisnici koji koriste ovu opciju predaju oglas 70 posto brže, bez obzira na to je li riječ o Android ili iOS platformi. Za takav su rezultat zaslužne neuronske mreže Njuškala koje u pedesetak milisekundi pronalaze ispravnu oglasnu kategoriju na osnovu prepoznavanja fotografije. Točnost prepoznavanja predmeta je 86,5 posto, a aplikacija više od 70 posto oglasa automatski smješta u ispravnu krajnju kategoriju.

Korisnici imaju prosječno 2,7 manje klikova pri predaji oglasa, što donosi značajnu uštedu vremena i olakšava njihovu predaju.

Indirektan i direktan feedback korisnika

Proveli smo kampanje direktnog istraživanja feedbacka, gdje smo korisnike pitali kako im se sviđa ovaj novi dodatak. Dobili smo suludo dobre ocjene. Blizu 97 % korisnika je na skali od 1 do 5 dalo ocjenu 5, a prema tome možemo zaključiti da su korisnici od početka bili jako zadovoljni.

Indirektan feedback, naravno, možemo pratiti u povećanom broju oglasa predanih kroz taj sustav. Sve to je doprinijelo i prepoznatljivosti samog Njuškala kao vodećeg oglasnika, ali i svih uključenih u projekt, kako na nacionalnoj, tako i na svjetskoj razini.

A što nas čeka?

Mjesta za napredak uvijek ima dovoljno i time se bavimo kao dio Trikodera. Unaprjeđenje modela uključuje kontinuirani rad. Tehnologija koja je buknula 2012. godine, a tiče se duboke neuronske mreže, nije stala s razvojem, modeli su napredniji i kompleksniji i algoritamski i znanstveno.

Ima prostora za “čišćenje” podatkovnog skupa više milijuna slika koje imamo na Njuškalu. Imamo slika koje su neupotrebljive i onih gdje je iz same slike nemoguće predvidjeti kategoriju, npr., ako netko slika etiketu majice ili papire. Dakle, fotografija kao takva ne služi kao primjer za tu kategoriju proizvoda.

Naravno, postoji smjer istraživanja kako automatski izabrati slike koje su više informativne od onih koje su manje informativne, a model zatim rekreiramo samo na čistim, kvalitetnim slikama kako bismo dobili veću točnost.

Još jedan od noviteta na kojem radimo je nešto što slijedi u bližoj budućnosti. To je sustav gdje će se uživo odvijati kategorizacija, a ne na način da čovjek fotografira pa se onda ta slika učitava. Ovo će funkcionirati tako da, kada se uperi kamera u neki proizvod, na ekranu mu se ispisuje što je taj proizvod, koliko bi možda mogao koštati, za koliko bi se mogao prodati i slično. Sve je to dio kvalitetne nadogradnje koja će iskustvo korisnika Njuškala još više poboljšati štedjeći im klikove i vrijeme.

Komentari

    • Mia Biberović

      Mia Biberović

      26. 12. 2019. u 11:08 am Odgovori

      Naravno da ne, da jest plaćeni članak, bio bi tako označen, kao što je to inače naša praksa. Što se to priča po meetupima da je drugačije od ovdje navedenoga? Slobodno napiši pa ćemo poslati upit kako ne bi bilo nedoumica.

    • ludi panj

      ludi panj

      31. 12. 2019. u 12:05 pm Odgovori

      da i mene to bode u oči,
      Visual Studio ML.NET (machine learning) kit,
      podatke za učenje imaju kategorizirane, istreniraju model,
      brat bratu 1 developer to riješi u jedno prijepodne
      sa dvadesetak linija koda,
      naravno treniranje AI-a i obrada slika traje, ali to je automatika,
      pustiš i vrtiš palčeve, za to vrijeme rješavaš
      prilagodbu front/back enda da se to koristi.

      točnost 86% je očekivana i podnošljiva

      4 firme za to, majko mila 🙁

Odgovori

Tvoja e-mail adresa neće biti objavljena.

Popularno

Vodič

Kako uspješno raditi od kuće, biti produktivan i ne izgubiti živce?

Ukratko - teško. :) Nekad ćete se doista osjećati neuspješno, bit ćete neproduktivni i gubit ćete živce. Ali ima načina da polako doskočite izazovima, jedan po jedan.

Internet marketing

Kako su OPG-ovci postali najtraženiji ljudi (i zašto je nužno njihovo digitalno opismenjavanje)

U jeku pandemije koronavirusa (COVID-19) zatvorene su i tržnice. Uz zabranu kretanja van mjesta prebivališta, ova mjera navela je brojne OPG-ovce koji su svoje proizvode do jučer nudili na placu da posegnu za nekim drugim kanalima jer voće i povrće bez hladnjače ne može dugo stajati, a plastenici su puni zahvaljujući blagoj zimi i proljetnom suncu koje se pojavilo u par navrata.

Startupi i poslovanje

Splitski Parklio osigurao 33 milijuna kuna investicije kako vam netko ne bi “ukrao” parking mjesto

Investitori iz Ujedinjenih Arapskih Emirata prepoznali su velik potencijal domaćeg startupa koji se bavi razvojem pametnih rješenja za parking.

Što ste propustili

Startupi i poslovanje

Ponovimo lekcije iz 2008. Kriza nije vrijeme da svojim klijentima budete daleko

Ovo je priča koju vrlo često pričam, to je priča o krizi zvanoj 2008. Jedni su se hvalili, drugi žalili, a evo što se meni događalo...

Intervju

Nova runda usred krize počela točiti na ecommerce šanku – i rasprodala svoj C4!

Neka od prvih zatvorenih mjesta u ovoj krizi bili su upravo ugostiteljski objekti, a kada se pivo ne pije u "birtiji", kako craft dovesti do kupaca?

Startupi i poslovanje

Fil Rouge Capital u doba krize nudi investicije do 10.000 eura

Razvijate li softverska ili hardverska rješenja, a projekt vam je u inkubacijskoj fazi, Fil Rouge Capital nudi investicije do 10 tisuća eura.

Startupi i poslovanje

Bolt pokreće dostavu u 6 gradova Hrvatske; idealnu za isporuku malih paketa unutar jednog sata

Sve je manje putnika u automobilima Bolt vozača, no od danas nadomjestak prometu učinit će dokumenti, namirnice i druge potrepštine koje korisnici požele poslati svojima najbližima ili kolegama s posla.

Internet marketing

Kako su OPG-ovci postali najtraženiji ljudi (i zašto je nužno njihovo digitalno opismenjavanje)

U jeku pandemije koronavirusa (COVID-19) zatvorene su i tržnice. Uz zabranu kretanja van mjesta prebivališta, ova mjera navela je brojne OPG-ovce koji su svoje proizvode do jučer nudili na placu da posegnu za nekim drugim kanalima jer voće i povrće bez hladnjače ne može dugo stajati, a plastenici su puni zahvaljujući blagoj zimi i proljetnom suncu koje se pojavilo u par navrata.

Kultura 2.0

Bruketa&Žinić&Grey i Brigada kao odgovor na krizu pokreću proizvodnju toaletnog papira

Krizna vremena zahtijevaju krizne mjere, a koronavirus nikoga nije ostavio ravnodušnim. Absolut Vodka okrenula se sanitetskom alkoholu, Airbus i Jaguar proizvodnji respiratora, a hrvatske kreativne agencije Bruketa&Žinić&Grey i Brigada - toaletnom papiru!