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

Tehnologija

Podatkovna znanstvenica Ana Dumić otkriva kako su joj podaci spasili sina

Kad je njihovom sinu dijagnosticiran teži oblik epilepsije, Ana Dumić i njen suprug Goran odlučili su iskoristiti svoje znanje i vještine o podatkovnoj znanosti ne bi li otkrili okidače napadaja. Uspjeli su.

Startupi i poslovanje

Što su nam skrivile hrvatske digitalne agencije?

Hrvatski uslužni IT, uključujući digitalne agencije, zamašnjak je koji više od dva desetljeća puni državni proračun i tople developerske stolice. S druge strane, činovnici, a i mediji, papagajski mantraju o proizvodnim tvrtkama i kako će nas one konačno pogurati prema pikselastom eldoradu.

Društvene mreže

Jeste li mislili da će 16 godina od osnivanja Facebooka na njemu najvažnije biti – grupe?

Pokretači i administratori otkrivaju mi kako su nastala stručna udruženja, pa i poslovna partnerstva, na temelju specijaliziranih Facebook - grupa.

Što ste propustili

Izrada web stranica

Developeri, dizajneri, project manageri – za AI budućnost možete se pripremiti već danas

Cilj svakog developera i dizajnera je bolje korisničko iskustvo - a upravo ovdje može pomoći kognitivna znanost koja promišljanje o korisnicima, da li dizajna, koda ili gotove aplikacije, stavlja u fokus svega što IT stručnjaci rade.

Startupi i poslovanje

Kako se Glovo i Konzum pripremaju za povećanje broja narudžbi zbog koronavirusa?

Uz sve više vijesti o koronavirusu, raste i broj onih koji se oslanjaju na digitalne servise kako bi naručili hranu ili namirnice. Kako se za povećanje prometa pripremaju servisi za dostavu?

Kultura 2.0

Na web trgovinama deseci zaštitnih maski upitnih cijena i kvalitete

U svakom kriznom razdoblju nađe se pojedinaca i tvrtki koji će situaciju iskoristiti za svoj profit, ali maske s desetorostruko većim cijenama i modnim etiketama zbilja su poseban slučaj.

Startupi i poslovanje

Što o radu od kuće zbog koronavirusa kažu PBZ, Infobip, Nanobit…?

Nakon što je jučer potvrđeno da i u Hrvatskoj imamo prve osobe zaražene koronavirusom, dobar dio ovdašnjih tvrtki je počeo ozbiljnije razmišljati o promjeni načina rada. Prvo su se počela ukidati putovanja u inozemstvo, a potom se počeo uvoditi rad od kuće.

Startupi i poslovanje

Dijeljenje romobila i u Hrvatskoj: Bolt prvi uveo romobile u ponudu

150 romobila koje možete otključati i voziti kada god vas je volja bit će dostupno u Splitu za sve korisnike Bolt aplikacije.

Digitalni mediji

U manje od 24 sata od prvog slučaja u Hrvatskoj, koronavirus smo online spomenuli čak 15 tisuća puta

Sada već svi znamo da je koronavirus došao u Hrvatsku, no koliko viralno je ova tema zaokupila sve nas pokazat će kao i uvijek - brojke.