![pageSearch](/themes/hestia/images/page-search.webp)
10 auto iconiche della serie di film Transformers
May 21, 202310 auto iconiche della serie di film Transformers
Sep 10, 2023I 12 momenti più divertenti di Willie, il giardiniere, nella storia dei Simpson
May 20, 20231 MHz, 2 schede, 4 bit e una CPU fatta in casa
Jul 02, 2023Notizie dal settore della stampa 3D Sliced: Carbon, Nexa3D, Essentium, Renishaw, 3D Systems e altro ancora
Mar 17, 2023Particular Audience presenta il rivoluzionario "Adaptive Transformer Search" che risolve il problema della ricerca e-commerce da 300 miliardi di dollari
![Apr 26, 2023](/themes/hestia/images/news-details-icon1.webp)
SYDNEY--(BUSINESS WIRE)--31 maggio 2023--
Particular Audience, pioniere nelle tecnologie avanzate di intelligenza artificiale per l'e-commerce, ha annunciato oggi il lancio del suo rivoluzionario Adaptive Transformer Search (ATS). Questa tecnologia di ricerca basata sull’intelligenza artificiale promette di risolvere i problemi di fondo che affliggono la ricerca e-commerce, come riportato dal 94% dei consumatori, rappresentando un significativo passo avanti nell’efficienza della ricerca e nell’esperienza del cliente.
La scoperta su Internet è arrivata a fare affidamento su tecnologie di ricerca e raccomandazione per il recupero delle informazioni rapido e intuitivo. Sebbene la ricerca per parole chiave legacy abbia funzionato abbastanza bene, soffre ancora di difetti intrinseci associati alla corrispondenza esatta delle parole e a un groviglio di regole che necessitano di una gestione costante. Questi problemi sono esacerbati da metadati disordinati e/o errati nel feed dei prodotti di un sito Web di vendita al dettaglio. Google stima che il costo di questo problema ammonti a 300 miliardi di dollari all’anno solo negli Stati Uniti.
Il 76% dei clienti dichiara di abbandonare un rivenditore dopo non aver trovato ciò che stava cercando, mentre il 48% ha poi acquistato l'articolo altrove. Più della metà degli intervistati riferisce di abbandonare in genere l'intero carrello degli acquisti dopo aver fallito nel trovare un singolo articolo su un sito web. L'85% dei consumatori afferma di vedere un marchio in modo diverso dopo aver riscontrato difficoltà di ricerca e il 77% evita i siti Web in cui ha avuto esperienze di ricerca insoddisfacenti. I clienti non sono i soli a riconoscere l'ampio problema della cattiva ricerca sui siti; i rivenditori concordano sul fatto che il 90% dei gestori di siti web con sede negli Stati Uniti intervistati è preoccupato per il costo che l'abbandono della ricerca potrebbe comportare per la propria attività, mentre più della metà non ha un piano chiaro di miglioramento.
A differenza dei motori di ricerca di e-commerce convenzionali che si basano sulla corrispondenza esatta delle parole chiave e su continui aggiornamenti manuali, ATS è progettato per comprendere il significato e il contesto delle parole in una query. Questo approccio innovativo elimina la necessità di estese configurazioni manuali, riducendo i costi generali per i proprietari di siti Web e facilitando un'esperienza di ricerca intuitiva per i clienti. Le query di ricerca longtail possono costituire fino all'80% della ricerca sul sito e questa è una delle opportunità chiave che ATS è nella posizione migliore per risolvere.
"Noi di Particular Audience ci siamo sempre concentrati sull'affrontare le cause profonde dell'abbandono delle scoperte con l'intelligenza artificiale applicata", ha affermato il CEO, James Taylor. "Con ATS, abbiamo sfruttato la potenza dei modelli linguistici di grandi dimensioni, abbinata alla nostra ottimizzazione verticale per generare immediatamente i risultati di ricerca più pertinenti. Non importa quanto sia di nicchia o colloquiale una ricerca."
Adaptive Transformer Search è costruito utilizzando modelli di trasformatori, convertendo testo sequenziale in formato lungo (catalogo del rivenditore e dati del sito Web) in vettori nello spazio ad alta dimensione. La conversione di una sequenza di parole in un vettore è nota come incorporamento di frasi, un concetto reso popolare da modelli linguistici di grandi dimensioni come BERT di Google e GPT di OpenAI. Ciò significa che ATS è in grado di comprendere il significato di una frase e può, ad esempio, comprendere la differenza tra "ottenere un laptop online utilizzando una carta di credito" e "ottenere una carta di credito online utilizzando un laptop".
Adaptive Transformer Search sfrutta i Vertical Tuned Models (VTM) proprietari di PA, creando incorporamenti di frasi che si adattano dall'apprendimento di rinforzo localizzato. Questo processo di apprendimento continuo consente ad ATS di migliorare la precisione e l'accuratezza specifiche dei siti web dei singoli rivenditori.
"L'automazione dell'ottimizzazione dei risultati di ricerca attraverso l'apprendimento di rinforzo "query-click-pair" ha rappresentato un punto di svolta per il nostro prodotto ATS. Ciò significa in termini semplici che i nostri modelli imparano continuamente dalle query di ricerca degli utenti, comprendendo il contesto per ottimizzare i risultati per domande future. Adattare la pertinenza della ricerca in tempo reale all'evoluzione del contesto del consumatore non è mai stato possibile prima d'ora sui siti web dei rivenditori", ha affermato Patrick DiLoreto, responsabile del prodotto di Particular Audience.
L'impatto positivo di ATS su un sito di e-commerce è profondo. Aumenta le entrate della ricerca di oltre il 20% rispetto alla tecnologia di ricerca per parole chiave legacy, riduce il caso di risultati di ricerca pari a zero fino al 70% e migliora il coinvolgimento dei clienti attraverso un migliore posizionamento dei risultati. Questa tecnologia innovativa è stata creata appositamente per facilitare esperienze di ricerca intuitive ed efficienti per ogni cliente, garantendo che trovi ciò che sta cercando ogni volta che effettua un acquisto.