Desenvolvimento

5 jan, 2016

Como a Inteligência Artificial pode poupar tempo e ajudar seu e-commerce

Publicidade

A Inteligência Artificial (IA) é uma área da computação que estuda o desenvolvimento de computadores e aplicações que possuam um comportamento inteligente. Que sejam capazes de observar o cenário, de aprender com seus erros e, com isso, maximizar sua chance de sucesso. Os principais objetivos de pesquisa em IA incluem questões como: raciocínio, conhecimento, planejamento, aprendizado, processamento de linguagem natural, percepção e a habilidade de mover e manipular objetos. Uma demonstração relevante de IA nos últimos anos foi o sucesso do computador da IBM que utiliza técnicas de Aprendizado de Máquina e Processamento de Linguagem Natural, o Watson, por ter vencido o desafio do Jeopardy (um programa de perguntas e respostas equivalente ao Show do Milhão).

O Aprendizado de Máquina, uma das principais subáreas de IA, é responsável pela criação de algoritmos capazes de reconhecer padrões a partir de informações fornecidas sobre um problema (uma base de treinamento). Em outras palavras, o computador aprende, pela observação de exemplos e contraexemplos, qual deveria ser o resultado para um caso desconhecido. Uma situação clássica é a detecção de spams em uma caixa de entrada de e-mail, pois, a partir das marcações de spam do usuário, o computador procura pelos padrões em comum e começa a filtrar novos e-mails que possuam características similares.

No primeiro contato com esse conceito, há alguns anos, fiz uma pergunta ingênua: por que deixar o computador aprender “as regras para a solução de um problema” se eu mesmo poderia programá-lo? O fato é que utilizar técnicas de Aprendizado de Máquina é uma possibilidade de solucionar um problema complexo em dias/semanas que, para um humano programar todas as regras e exceções, poderia durar meses (talvez a vida inteira!).

Como o Aprendizado de Máquina é tendência em Sistemas de Informação, dado o avanço do poder computacional e da popularização da Internet, este artigo tem como meta realizar uma rápida introdução, mostrar possíveis aplicações e esclarecer como elas poderiam poupar seu tempo ao automatizar tarefas cotidianas de seu e-commerce.

Cenário

No dia a dia de um e-commerce, existe um fluxo enorme de dados: muitos clientes comprando diferentes tipos de produtos, avaliações e reclamações surgindo de todos os lugares, entre outros eventos que podem afetar positivamente ou negativamente seu negócio. É uma base de conhecimento e tanto!

E esse fluxo pode ser descrito ou composto por dois tipos de dados: estruturados e não estruturados. Os primeiros são aqueles representados dentro de um campo específico, como numa planilha de Excel ou numa tabela de banco de dados relacional. Uma hipótese seria uma tabela de produtos comprados por clientes, representado por: ID do cliente, SKU do produto e preço pago.

Já os dados não estruturados não possuem uma organização pré-definida e são, geralmente, coleções de textos e imagens. Como exemplo, podem-se citar as avaliações textuais de clientes sobre um produto ou sobre o próprio e-commerce. Sabemos que é um texto, mas não é possível prever com exatidão o que ou como o usuário vai escrever.

A título informativo, atualmente os dados não estruturados representam a maior parte da informação nas empresas ao redor do mundo. A extração de conhecimento nesse tipo de dado é uma tarefa desafiadora e, por conseguinte, seu market cap é superior ao de dados estruturados.

Entendendo um pouco mais do cenário, fica a questão: como utilizar e resolver problemas a partir desda grande massa de dados (também conhecida como Big Data)?

Possíveis aplicações

Ao combinar técnicas de Aprendizado de Máquina com o cenário de dados proveniente de um e-commerce, é possível desenvolver aplicações capazes de:

  • descobrir produtos comprados que se destacam em conjunto, a partir da lista de compras de todos os consumidores, a fim de aumentar o ticket médio dos consumidores (Extração de Regras de Associação);
  • predição da próxima compra de um perfil (Mineração de Padrões Sequenciais);
  • filtrar spams ou avaliações inúteis para que sua seção de avaliações seja relevante para um comprador (Categorização Textual);
  • recomendação de peças de roupas a partir de características como estilo ou cores similares (Visão Computacional);
  • ou, ainda, executar análise de sentimento em avaliações, classificando-as como positiva ou negativa, e dissecar os tópicos pertinentes, sendo útil tanto para o consumidor quanto para monitorar problemas no seu e-commerce (Mineração de Opinião).

Automatizar essas questões a partir das interações dos próprios clientes do e-commerce parece interessante, não é? Se modeladas corretamente, essas interações servem como base de treinamento para os algoritmos aprenderem a executar uma tarefa específica ou até mesmo simular o comportamento da sua base de consumidores.

Entretanto, é necessário avisar que nem tudo é lindo quanto parece. As técnicas de Aprendizado de Máquina ainda não são capazes de criar uma máquina com a consciência de TARS (do filme Interstelar) e funcionam de forma mais parecida com um macaquinho que foi treinado para executar uma simples tarefa.

Portanto, não será difícil para o algoritmo assimilar o padrão de quando alguém está reclamando ou quando alguém está elogiando explicitamente em uma avaliação. Só que ambiguidade, ironia e textos densos de interpretação são, por enquanto, problemas árduos de se resolver com um classificador automático.

Técnicas de aprendizagem profunda (conhecidas como Deep Learning) têm avançado com ímpeto esses limites, a partir de aprendizado não supervisionado e redes neurais multicamadas (ex: Recurrent Neural Network – RNN). Porém, há a necessidade de uma base de treinamento considerável (às vezes gigabytes de dados). A pesquisa nessa sub-área é relativamente nova e, quase sempre, voltada para a língua inglesa. Ou seja, existe muito trabalho pela frente!

Amazon, eBay e outros gigantes reportam, ano após ano, ganhos reais por possuírem uma cultura orientada a dados. Como essa tecnologia está cada vez mais acessível, definitivamente vale o esforço de desenvolver e/ou aplicar as técnicas citadas em seu e-commerce.

Referências: