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

Kako sam od osobe koja regrutira programere sama postala programerka?

Prije otprilike godinu dana intenzivno sam guglala “kako postati (samouki) developer”. Danas sam u situaciji da sama pišem o tome. Iako je svačije iskustvo drugačije, nadam se da će ono što sam putem naučila biti korisno i inspirativno svima koji koketiraju s programiranjem i razmišljaju o karijeri u IT-u.

Intervju

Good Game Nikole Stolnika osigurao 2,2 milijuna kuna, među investitorima Sacha Dragić, Ivan Klarić i Bruno Kovačić

Esport organizacija Good Game nedavno je osigurala svoju prvu veliku investiciju od 300 tisuća eura, na krilima grupe investitora koja uključuje Ivana Klarića, Brunu Kovačića i Sachu Dragića.

Intervju

Što korisnici žele i očekuju od vaših proizvoda i usluga zna podatkovna znanstvenica

Iako je njezin karijerni put krenuo u smjeru računovodstva i financija, Maja Copak Smolčić vrlo je brzo shvatila kako ju više zanima statistika i analiza podataka. Bila je spremna na novi početak i učenje programiranja i novih vještina. Danas u A1 vodi odjel zadužen za poslovnu analitiku i data science.

Što ste propustili

Startupi i poslovanje

Kobe Bryant: košarkaš, Oskarovac, investitor – ulagao je u tvrtke poput Alibabe i Epic Gamesa

Jučer je u 41. godini preminuo Kobe Bryant, jedan od najvećih košarkaša svih vremena koji je svojim uspjesima na terenu i izvan njega zauvijek obilježio ovaj sport.

Društvene mreže

Bartol Šimunić: Da će društvene mreže biti okosnica kampanje Zorana Milanovića odlučilo se još u svibnju

Bio je među prvim community managerima Vlade kad je 2011. došla na društvene mreže, a sada je jedna od ključnih osoba koja je stajala digitalne kampanje novog predsjednika Hrvatske Zorana Milanovića.

Internet marketing

Podcast o specifičnostima podcasta u Hrvatskoj kao sadržajnom, ali i oglašivačkom formatu

Podcasti, iako postoje već godinama, očito su format koji će obilježiti digitalno tržište u Hrvatskoj u 2020. tako da je red pozabaviti se njihovim specifičnostima - u obliku podcasta!

Tehnologija

Hrvatska pošta u zraku: Dostava dronom u Hrvatskoj sve nam je bliža

Nakon eksperimentiranja s kriptovalutama, Hrvatska pošta poletjela je i u istraživanje bespilotnih letjelica koje bi mogle dostavljati pakete u udaljenim dijelovima Hrvatske.

Tehnologija

Gradionica – gdje zagrebački klinci grade LEGO robote i zajednicu spremnu za svijet budućnosti

Marljivi polaznici udruge Gradionica svoje zimske praznike nisu provodili pred računalima, mobitelima i konzolama. Nadvijeni nad LEGO kockicama, motorima, kabelima i senzorima planirali su što s novim zadatkom FIRST LEGO lige, na čijoj je svjetskoj završnici u Houstonu prošle godine bio upravo robot iz hrvatske (G)radionice.

Intervju

Hrvatski studio Tanais Games usred razvoja igre Saint Kotar rebrandirao se u Red Martyr Entertainment

Razviti igru u Hrvatskoj samo po sebi je teško, ali napraviti potpun rebrend studija usred razvoja posve je nov izazov.