订阅业界RSS CSDN首页> 业界

WakeData李翔出席WOT2018全球峰会,分享新零售场景下的AI落地

发表于2018-12-03 10:44| 来源互联网| 作者互联网

摘要: 11月30日,由51CTO主办的WOT2018 全球人工智能技术峰会在北京召开,WakeData惟客数据算法负责人李翔博士在会上为大家介绍了WakeData惟客数据的人脸识别、情绪分析及推荐相关的算法。

   11月30日,由51CTO主办的WOT2018 全球人工智能技术峰会在北京召开,WakeData惟客数据算法负责人李翔博士在会上为大家介绍了WakeData惟客数据的人脸识别、情绪分析及推荐相关的算法。他表示,WakeData将继续深究大数据挖掘、利用更严谨周全的算法,帮助企业更好地了解客户的消费情况及打造专属的个性化服务等,以可“落地”的AI方案,助力新零售起飞。

        李翔博士毕业于中山大学,主要工作与研究方向为机器学习、深度学习、城市计算等领域,先后就职于中兴通讯、中国工商银行、魅族科技等知名企业,拥有八年人工智能领域的研发经验,主要负责应用分发、用户画像、Feed流推荐、计算广告、人脸识别等项目,曾在IEEE Trans等国际著名期刊发表过学术论文,参与多项国家自然科学基金项目,现担任WakeData惟客数据算法负责人,致力于新零售场景下的AI落地与实践。
        他认为,对于新零售来说,数据无疑是最重要的生产资料。新零售其实就是换种方式,让线下零售做得更好。当把零售交易比喻为黑盒时,盒子的输入是数据,盒子的输出则是服务。而对于处在链条最上层的AI来说,最关键的是如何在从数据到服务的这个过程中发力,推动新零售的发展。

        对于线下零售目前的难点,他从技术上归纳为会员、消费数据没有打通,其次是为消费者提供的服务扁平化、无差别。他希望能够帮助线下企业打通数据,并以人脸做为识别ID,借助AI让企业更了解自己的客户,从而为客户提供更好的服务。
        据他介绍,目前WakeData所采用的AI人脸识别方案是包含人脸、情绪、年龄、性别四个维度的识别方式。他描述了客户首次到店,AI摄像头捕捉人脸并进行分类的过程同时详解了其中的算法设计:通过深度理解和尝试不同网络结构和目标函数的组合,采用了100层以上的ResNet结构以及Arcface,在公开数据集以及真实场景中都达到了很好的效果。真实场景下,当客户首次到店时,摄像头将捕捉到的人脸与现有数据库进行匹配,并且在个人对应的文件夹中记录他的多种角度下、不同动作、甚至不同光线下的faceid,然后通过对实际场景捕捉到的画面分析,进行“自然、满意、不满意”三个类别去区分,同时对其进行年龄以及性别进行评估,采集出客户的专属画像,以此为企业提供经营和营销参考。期间,李翔博士还跟大家分享了在人脸识别技术手段上的一些小技巧,比如在解决侧脸对人脸识别的干扰时,通过同一个深层模型就可以识别出人脸的角度,在不增加额外计算量的前提下,使人脸识别落地的效果更好。

        个性化服务、专属服务等在消费升级的这个时代中,对于零售行业来说至关重要,而数据又是服务定制的基本原料,其重要性不言而喻。对于推广新零售的WakeData来说,帮助零售企业客户实现经营数据化、数据资产化、为线下企业提供一站式客户经营大数据解决方案,正是义不容辞的使命。他最后还谈到,“数据可以是各种维度各种层次的,包括销售数据、商品数据,客户的属性,客户到店的时间地点环境等。举个关于环境的例子,当寒冷的冬天,客户走进奶茶店扫描二维码点单的时候,如果可以给他推荐一杯温暖的热可可,而不是什么冷饮,客户应该会喜欢。” 李翔博士表示。
        最高级的服务应该是私有化的专属服务,譬如通常会听到商家宣传,要提供家一般温暖的服务,那是因为家人通过对你多年的关心,通过各种数据纬度的了解,才知道你的各种喜好,不需要你表达就可以让你感受到温暖。所以,我们依旧会在把数据转向“关心”的路上努力前进。

【免责声明:CSDN本栏目发布信息,目的在于传播更多信息,丰富网络文化,稿件仅代表作者个人观点,与CSDN无关。其原创性以及中文陈述文字和文字内容未经本网证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网不做任何保证或者承诺,请读者仅作参考,并请自行核实相关内容。凡注明为其他媒体来源的信息,均为转载自其他媒体,转载并不代表本网赞同其观点,也不代表本网对其真实性负责。您若对该稿件由任何怀疑或质疑,请即与CSDN联系,我们将迅速给您回应并做处理。】

0
0