
[Musica]
mi senti, sì ciao ciao a tutti
il nome è Somalia e io lavoro qui a
Florida e oggi parlerò a
un po ‘su come siamo ciò che abbiamo finito
personalizza il nostro checkout e quindi prima di
tutti quelli che sono II lavorano come dati sul tuo ex
scienziato quello che io e il mio team siamo noi
cerca di capire se è un cliente migliore
comportamenti attraverso la modellazione e principalmente
attraverso modelli statistici per provare a
prevedere diversi tipi di clienti
comportamenti per migliorare i nostri processi
migliorare l’offerta ai nostri clienti
migliorare i nostri dubbi esco a tutti
di voi per fare acquisti con noi e potrebbe essere necessario
personalizzare la tua esperienza del cliente e
Ho lavorato qui per due anni e mezzo
e prima mi sono diplomato a lgh
Inghilterra e dove ho studiato finanziario
statistiche quindi oggi vi presenterò
tu come esploriamo e io ho ottimizzato
l’esperienza di pagamento attraverso
personalizzazione quindi prima di tutto un po ‘
uno sfondo quindi qual è il clone Nick in
checkout quindi se vai da un mercante
online e tu stai facendo shopping e tu metti
qualcosa nel tuo cestino e tu premi
da voi vieni al nostro check out dove noi
voglio renderlo semplice per te
completa il tuo acquisto con il team
con essa che si desidera vogliamo rendere
così semplice per te in modo da poter completare
l’acquisto che ricorda che ti vogliamo
per convertire e un checkout angolo era
lanciato nel duemiladodici
sarna ha avuto una grande idea rivoluzionaria
che l’acquisto non ha bisogno di essere
sia l’acquisto che il dolore che possiamo dividere
l’esperienza di acquisto dal re così
quando arrivi alla cassa puoi
compra ciò che vuoi comprare, pagheremo
i mercanti e poi aspetteremo
tu a
si e lo facciamo offrendoti 14
credito gratuito di giorni che è molto molto buono
per la conversione, quindi se stai andando a
il tuo treno e vuoi voler comprare
il treno per arrivare il più velocemente possibile
prima di entrare nel treno tu solo
voglio comprarlo ora e poi puoi
decidere come pagare in seguito quando sei
sul treno o la settimana dopo qualunque cosa
lo vuoi fare questo lo proviamo e
siamo riusciti a sederci ed è stato davvero davvero
bene ha migliorato molto la conversione
per molti molti molti clienti ma vogliamo
per sapere ancora ne abbiamo due diversi
salsa quando mostreremo tutti i pagamenti
è per te e uno che è un clic
esperienza quale si converte per quale
tipo di transazione per cui i clienti
e per imparare il nostro prodotto è fondamentale noi
voglio migliorare la nostra conversione perché
Sarna sta vendendo ai mercanti su
la conversione è ciò che è voluto
è perché perché facciamo arrivare i clienti
facilmente convertire il tuo acquisto che tu
voglio così quando quando lo facciamo vogliamo
vedere bene quale tipo di gruppo di persone
possiamo sommare a un controllo o l’altro
ora a quel tempo non avevamo davvero
qualsiasi ipotesi su quali transazioni o
quali clienti pensavamo potessero convertire
meglio con la lezione di pagamento uno o
l’uno clic uno, quindi abbiamo iniziato giusto
qualcosa di casuale a entrambi i galleggianti
solo allora guarda i dati e dì ok
cosa possiamo vedere da questo che possiamo
invia a quale flusso e per vedere anche cosa
diverse opportunità possiamo vedere quando
quando lo facciamo vogliamo anche saperlo
quando si sta testando si fa un cambiamento e
allora ne hai anche l’ effetto
voglio imparare quali comportamenti siamo noi
cambiando quando lo facciamo vogliamo sapere
ciò che il cliente quali comportamenti del
il cliente è cambiato quando facciamo l’uno
fare clic su acquisto o se ne abbiamo abbastanza
tutti i metodi di pagamento quindi c’erano a
molte delle diverse tendenze che abbiamo visto quando
facendo questo, ma due dei principali
le cose principali che abbiamo visto quando quando loro
testare questo o quando campionamento casuale
era con la famosa conferenza dove noi
mostra tutti i metodi di pagamento disponibili
le persone che hanno completato con quel flusso
piuttosto che il flusso con un clic abbiamo visto a
valore di ordine medio molto più alto in modo che
significa persone che stanno acquistando qualcosa
costoso non vogliono completare il
acquisto quando gli diamo questo facile
flusso di un clic che preferirebbero essere
molto più probabilità di loro
convertirà se ti mostriamo tutto il
pagamenti e che avrebbe senso se
stai comprando qualcosa di veramente piccolo e
a buon mercato vuoi avere il one-click
esperienza perché è abbastanza facile
non hai bisogno di pensarlo molto meglio
ma se stai comprando qualcosa che è
costoso a cui probabilmente hai pensato
questo molto lo comprerai
divano quindi non vuoi separare il
comprando dal dolore hai pensato
a questo proposito molto e si sa che si desidera
paga questo ora così poi potremmo trovare
un gruppo di quelli alti che
mandiamo a quello con un famoso
liquore un’altra cosa che abbiamo visto così
anche se in entrambe le casse
ti offriamo gli stessi metodi di pagamento
e quindi in teoria dovremmo avere il
stesso mix di pagamenti e in entrambi i nostri
cassa ma quello non era il caso quando
abbiamo guardato i dati così per quando noi
mostra tutti i selettori di pagamento o
tutti i pagamenti sono nella lezione precedente
abbiamo visto che abbiamo una quota molto più alta
dei tribunali allora quando ti diamo
il flusso con un clic quindi abbiamo diviso
i dati in I clienti che hanno
usato pagamento parte con noi prima e il
quelli che non ce l’hanno e l’abbiamo visto bene
se tu come supporti il pagamento prima
sei molto più propenso a convertirci se noi
mostrarti tutti gli stessi incentivi e il
il ragionamento dietro è perché quando quando
vieni alla cassa e tu
probabilmente non hanno soldi per pagarci
entro 14 giorni se ti inviamo a quello
flusso di torta quando ti diamo una fattura
che tu puoi pagare con una parte
pagamento non leggi davvero tutto il
testo che abbiamo scritto anche se noi
darti una fattura ora che puoi mano
cambiarlo in un piano di pagamento portuale così noi
vedi che i clienti non lo facciamo noi
quello che scriviamo nel check out è così
meglio per inviare questo tipo difficile per
la gente a quella dove tu solo
presenta tutti i sollevatori di pagamenti e
quella conversione aumentata per quello
gruppo ma vogliamo anche vederlo bene così
perché quando il check out è simile
questo quando presentiamo tutto il pagamento
membri a voi questo converte peggio di
quando ti mostriamo quello veloce veloce così
uno dei motivi è che abbiamo mostrato esattamente
gli stessi vestiti che ognuno ottiene
fattura pre biglietti in alto e in anche
se non è quello che stai cercando
potrebbe essere abbastanza difficile per te andare
attraverso tutte le nostre medicine per il dolore e la Svezia
Penso che abbiamo circa nove dita
metodi quindi è molto difficile non andare
uno leggerà tutti i nove dieci minuti
e avere l’energia per attraversarli
quindi il flusso in un clic che vogliamo
migliorare ma l’esperienza con un clic in
questo perché non vogliamo forzare
a chiunque di ottenere una fattura se non lo fanno
voglio qualsiasi voce per esempio l’alta
biglietti uno così erano loro l’aereo del parco
voglio scegliere i pagamenti e ha detto
non vogliono che scegliamo la fattura
loro e poi possono cambiarlo
qualcos’altro ma anche noi stiamo vendendo
il check out in alta conversione quindi noi
non possiamo perdere la conversione che non possiamo spostare
a tutti così così abbiamo pensato ok
quindi se potessimo fare questo un clic
flusso possiamo ottenere la conversione ma a
facciamo quello che dobbiamo sapere cosa cliccare
Moelis e quindi cosa vuoi chiedere
vuoi comprare con quando vieni a
check out vuoi pagare in auto
vuoi pagare con un account vocale come
sappiamo cosa amis Tim vuoi
utilizzare quando si entra nel checkout così uno
cosa molto semplice da controllare è ok quindi cosa
metodo di pagamento l’hai usato l’ultima volta
hai sparato a questo allora non lo faremo
ottimizzare qualsiasi cosa per i nuovi clienti ma
almeno potremmo essere in grado di ottimizzare
per i clienti di ritorno ma
sfortunatamente guardando i dati che vediamo
che solo il venticinque per cento circa
restano fuori i clienti di ritorno
con il metodo di pagamento usano il
l’ultima volta quindi non sarà così
abbastanza sufficiente quindi cosa facciamo?
ovviamente non c’è un cliente
preferenza per te quindi non possiamo solo o a
metodo di pagamento preferito per un cliente
purtroppo che l’avrebbe fatto
molto facile, quindi cos’è allora?
transazione saggio guardando il
dati con
sembra che tu sia un famoso maestro
a seconda di cosa stai comprando come
costoso è se stai comprando
qualcosa di molto costoso vediamo che il
conto e rata di pagamento parziale
i piani sono molto più popolari anche guardando
okay, cos’è che stai comprando?
guardando i segmenti mercantili quelli
che sono nei problemi di chiusura che vediamo
là fuori abbiamo molto di più
fattura e abbiamo in uno degli altri
segmenti che avrebbero senso perché
potresti comprare qualcosa in tre
diverse dimensioni e cosa provi tu
voglio rimandare due di loro e poi
dì uno che non vogliono pagare per tutti
tre perché sai che non stai andando
per salvare tutti e tre alla fine in modo che
okay quindi forse possiamo prendere la fattura
per questo segmento o anche guardando
l’età vediamo che i giovani tendono a farlo
usa la carta più tutte le persone come la
trasferimento bancario uno e forse possiamo guardare
a età e lo vediamo anche più giovane
la gente usa tanto i nostri nuovi impegni
largo più spesso rispetto al vecchio
popolazione, ma allora questo sta per essere
una logica molto molto semplice non lo è
il tasso di successo attualmente non sarà
quella buona conversione non sarà
abbastanza buono quindi non è abbastanza buono
per noi quindi cosa possiamo fare noi abbiamo un
il lusso di avere una merda del
battere qui a Lourinha ogni giorno che otteniamo
quattrocentomila acquisti attraverso
il nostro sistema che significa che potremmo fare
molto meglio che guardare questi tre
piccole variabili per essere in grado di prevedere
quello che vuoi quindi quello che abbiamo fatto noi
costruito un modello di apprendimento automatico per essere
in grado di prevedere quale metodo di pagamento tu
voglio quando stai entrando nel biglietto così
probabilmente tutti notate, ma ciò che è
machine learning bene è il campo di
studio che dà ai computer l’abilità
imparare senza essere esplicitamente
programmato così
abbiamo diviso la modellazione in tre parti
uno sta determinando il problema, quindi cosa?
è che vogliamo fare bene, vogliamo farlo
sapere quale metodo di pagamento si desidera
scegli ogni volta che entri nel nostro check-out
ogni volta che stai comprando qualcosa, noi
vuole prevedere in tempo reale cosa
personaggio vuoi usare così è a
problema di classificazione o regressione
problema bene una classificazione è quando
stai prevedendo un discreto o un
variabile categoriale e regressione
il modello è quando prevedi un vero
numero o continua numero così per
esempio se prevedessimo la sessione
lunghezza o qualcosa del genere ma come noi
stanno prevedendo quali metodi di pagamento tu
voglio è una variabile categoriale quindi noi
costruirà un modello di classificazione il
il prossimo passo è il più importante e il
parte più divertente dell’intera modellazione
che sta costruendo le caratteristiche questo è
molto molto importante anche per il modello
se modifichiamo tutte le parti più piccole del
il modello e la parte caratteristica è la più
importante come diceva Pietro Domingos
il progetto di machine learning ha successo e
un po ‘equo ciò che fa la differenza e
facilmente il fattore più importante è il
ti mostra così stiamo guardando ok così
quali dati abbiamo che abbiamo così tanto
dati che usiamo per prevederlo se lo sei
un affido o no abbiamo così tanti dati
che usiamo per prevedere o di credito
degno o no e tanti dati in giro
gli stessi allenatori cosa possiamo usare e
anche quello che conta c’è qualche altro dato
che possiamo comprare in quello che daremmo
per esempio, per questo modello
potrebbe dire qualcosa sul tempo
metodo di pagamento che vuoi se tu
voglio usare forse se fuori c’è il sole
se è divertente tendi ad essere il
la probabilità che tu sia fuori è
più alto se sei fuori e lo hai
il tuo portafoglio vicino a te e poi a te
potrebbe voler pagare con la carta più spesso
ed era nuvoloso potresti essere dentro
il tuo portafoglio è nel corridoio non lo fai
vuoi andare a prenderlo sei sotto il
coperta e basta scegliere la fattura
perché è molto facile, proviamo
forse la misura della scarpa è qualcosa su
sei tuo
metodo di pagamento preferito è probabilmente
non lo farà e cerchiamo sempre di pensare quando
utilizzando diverse funzionalità nel modello
che il modello riprenda è importante per te
voglio provare a fare il backup con una storia
perché sta prendendo questa variabile del perché
potrebbe essere importante quando si preannuncia
diverse premesse quindi se le dimensioni della scarpa lo farebbero
essere importante come forse se si divide
tra le dimensioni più piccole e quelle più grandi
le taglie stanno cercando di trovare il genere in questo
e Pyramus disse per qualche ragione il
frigo tra genere ma poi genere
una variabile migliore da usare, quindi cerco sempre
pensare se una variabile viene rilevata da un
modello che è quello che è importante perché cosa
sta facendo è qualcosa di sbagliato
i dati o dovrebbero effettivamente essere
raccogliendo questa variabile in modo che quando guardiamo
le nostre funzionalità li abbiamo divisi in tre
gruppi così le caratteristiche che sono
collegato per l’acquisto, ad esempio
abbiamo visto che la quantità dell’ordine era
molto importante dove i tuoi acquisti cosa
tipo di oggetto è se forse e
altre variabili a cui possiamo pensare
che sono intorno all’acquisto allora noi
hanno le variabili che sono connessi
il cliente quindi per esempio l’età e noi
la sega è la differenza tra qualche età
gruppi che il pagamento è più
forse preferito numero di scarpe proviamo esso
e vedi cosa succede e poi abbiamo a
molti dati sul tuo comportamento di acquisto
da allora, per esempio, il
pagamento che usi l’ultima volta
probabilmente sarà abbastanza importante in
prevedendo ciò che si desidera acquistare con
questa volta anche cercando di costruire il
variabili in modo che il modello possa trovare
l’ultima volta che hai usato la fattura e il tempo
prima hai usato la carta di credito
era diverso l’importo in cui acquisti
cercando di trovare un aiuto per trovare il modello
ciò che è diverso tra questi e
cercando di trovare i modelli tra questo
è un tipico acquisto di carta per te
persone della tua età per le persone che sono
fare shopping con nella tua città e provare a farlo
differire tra il diverso pagamento di
uso
e la terza e ultima parte è il modello
quindi abbiamo scelto di andare con una foresta casuale
modello che è uno dei più utili
modelli di machine learning lo abbiamo scelto
perché è che è molto facile da usare voi
non c’è bisogno di fare molto del pre-lavoro
se hai un sacco di variabili
potrebbe essere correlato il diverso il
il modello è molto bravo a non sovralimentare
i tuoi modelli ed è un buon modello per
usa come tuoi primi passi solo per vedere
possiamo prevedere questo o non alcuni rimpianti
le citazioni sono molto molto breve di come a
il quarto modello casuale funziona così da prendere
il tuo set di dati di milioni di
transazioni e il modello prenderà un
campionare da questo set di dati e a
macella il campione e forma un albero decisionale
e in ogni nodo ne sceglie a caso alcuni
delle tue caratteristiche e vedi bene quale
darebbe il massimo a quella decisione
albero se lo uso e lo fa in
tutto di loro è un pacchetto di modelli
esempio e disegnare il nuovo campione c’è
un nuovo albero e lo fa tutte le volte
come vuoi che il modello a
costruisci gli alberi questa raccolta di tutti
gli alberi decisionali sono la foresta casuale
modello e così quando arriva il mio acquisto
vogliamo predire che i dati delle domande siano
attraversa ogni albero a cui arriva ogni albero
votare su quale promosso ti crede
voglio pagare con e l’output del
il modello è la previsione combinata così
prende tutti i voti e tu ottieni il mio
previsione e questo è l’output del
run and forth model quindi ora abbiamo a
modello e cosa vogliamo fare con esso
bene tu vuoi dare ai clienti il
esperienza con un clic, quindi vogliamo essere
in grado di utilizzare questo per ottimizzare il
controlla ma per farlo dobbiamo farlo
per ogni transazione ogni volta che tu
entra nel checkout di cui abbiamo bisogno per gestire il nostro
modello e questo è abbastanza difficile che abbiamo
circa 1,2 milioni di chiamate al nostro sistema
ogni giorno per essere in grado di offrire il
metodi di pagamento e noi vogliamo fare
questo rapidamente perché non lo farai
aspetta cinque secondi per noi per eseguire il nostro
modelli e abbiamo bisogno di ottimizzare su
conversione e se non pensi se tu
prendi la ruota che gira
abbandonare probabilmente siamo anche durante il
tempo abbiamo bisogno di competere con la corsa
modelli di frode modelli di rischio di credito e
insieme a noi e in precedenza noi
non aveva eseguito alcun modello di apprendimento automatico
nella vita quindi quello che dovevamo fare era
creare un servizio di punteggio per questo a
essere in grado di eseguire i modelli di foresta casuali
e producilo in tempo reale ed è così
anche quando costruisci un modello e ci provi
per costruire il miglior modello possibile che puoi
con quanti più alberi puoi e il
gli alberi sono così profondi come noi
li costruiamo ma anche questo richiederà
molto tempo per correre nella vita, quindi prima essere
in grado di dispiegare questo vivo abbiamo bisogno di
ridimensionarlo per capire quanto può essere piccolo
essere e quanto è buono in una posizione
perline per essere in grado di utilizzare questo in
vita così quando rispondi al check out
oggi diciamo che sono la mia visione è è
sta entrando nel check out eseguiamo il
acquistare tramite il nostro servizio di punteggio e
attraverso il modello casuale della foresta
mostra la tua forma preferita di questo
viene inviato al client che è quindi
predice questo metodo di pagamento e le mosse
fino in cima in modo da ottenere un
esperienza con un clic e lo facciamo per
tutti i metodi di pagamento o i modelli possono
prevedere tutti i parametri quindi anche se
vuoi pagare alla fine di marzo
come Alexander vuole fare e lo farai
prendi i biglietti gratuiti e vai in cima
e così avremo X con questo
prova di apprendimento automatico guidato dai dati
ottimizzare un check out in modo che sia entrambi
ottimizza per la soddisfazione del cliente
e per le conversioni e questo è
quindi stiamo per prendere domande da
nella stanza qualcuno ha una domanda
lì proveremo qualcosa
pericoloso oggi sì, dovrei
butta questo, ma mi sento male, quindi lo sono
andrò molto vicino qui vai
ok grazie e fai qualche cliente
campioni di indagini per eseguire il backup di ciò che
trovato per verificare parlando con reale
la gente sì, lo facciamo in molti
diversi modi in cui siamo inviati
sondaggi dopo che hai fatto acquisti con noi
raccogliere come è il tuo cliente
soddisfazione ma quelli sono sempre molto
orientato verso le persone che davvero
odiarci rispondere a quelli e nessun altro
le piacerebbe davvero rispondere?
quelli ma possiamo provare a fare un sacco di utenti
test quindi invitiamo le persone qui e proviamo
vedere bene come stanno interagendo
con un check out chiamiamo anche noi
perché abbiamo un cliente interno
servizio che è molto interessante per sedersi
in e qui piace e fare alcune domande
ma cosa hai capito?
e quello, ma l’utente prova, penso
dà il massimo di essere lì e
vedere come interagire con il controllo
fuori perché anche se proviamo a costruire
molte delle variabili attraverso come
stai interagendo con il check-out
sempre bello vedere cosa sono
davvero pensando hai capito cosa tu
stavano raccogliendo o ti sei appena mosso più velocemente
qualcosa da pensare se stanno cliccando
attraverso di esso veloce è incredibile ma
a volte in realtà significa che loro
non ho idea di dove sia ma ci proviamo
lavora sempre con Aaron, quindi siamo noi
è il modo migliore per sapere che qualcosa
non funziona è vedere cosa
i clienti ci chiamano e
lamentarsi di ulteriori domande
qui
In realtà avevo due domande ma lo farò
mantieni quello per ora così nella decisione
albero quando tu quando la macchina fa il
selezione del passato che sai fare
lo fai selezionare tu che hai parlato
sul set di funzionalità e, lo sai
quali sono le caratteristiche importanti in realtà
quindi come si inserisce tutto il
variabili che hai in tutti i tuoi dati
nella sezione delle caratteristiche o o nella
albero decisionale dal set di funzionalità o fare
fai una specie di fare una selezione manualmente
prima e noi, dall’inizio, mettiamo
tutto dentro e poi guardi il
variabile importante dire come quello che è
ticchettando e cosa non è e
perché ci vorrà del tempo
noi per calcolare tutte le variabili se
qualcosa non è utile come la misura della scarpa
e non vogliamo dire che i dati o
averlo nel sistema in tempo reale così noi
guarda ancora ok, dà qualcosa
rimuovere il fondo non è importante
variabili e se il modello non sta ottenendo
peggio la situazione non peggiora
che rimuoverà le parti ma il bene
cosa è la corsa per i modelli è
che non hai bisogno di prenderlo così tanto
se è inutile non lo userà
ma ovviamente se lo fai in realtà
tempo se c’è una variabile che voglio comprare
o qualcosa che sarà necessario in realtà
Metti un numero su quanto è importante farlo
vogliamo comprare dati meteo per questo
modello o no, quindi posso prendere una combinazione
solo un triste è il tipo di follow-up
domanda, abbiamo tempo sì, grazie
tu devo collezionarmi così quando tu
so che ci tornerò perché io
okay, vai bene, grazie
domande facili mi stavo chiedendo perché
scegli il metodo predefinito come
fattura ho sempre avuto problemi e io
sempre meglio l’elettrone extra così è
intenzionale probabilmente sei molto difficile
prevedili se non sappiamo cosa cosa
famoso questo
non può essere troppo sicuro in che modo
che vuoi che ti prevediamo la fattura
voglio dire, hai un precedente studio
per questo e poi scegli il default
il metodo sarebbe la fattura in entrata
spuntare tutto bene che cosa hai?
qualsiasi studio precedente per quello e poi tu
ha deciso che sarebbe stato il default
metodo se hai usato la fattura Oh
No s-scuse saggi ora è la fattura
il metodo principale che usiamo per separare
l’acquisto e il rosa quindi se si sceglie
fattura puoi ancora entrare in un portale
e acquistarlo o convertirlo in una parte
piano di pagamento o si desidera pagare con
qualcos’altro quindi lo vediamo sempre così
il divisorio tra l’acquisto e
il pagamento quindi è per questo che siamo ancora pre
fai clic quando non lo sappiamo perché
allora puoi darti 14 giorni
amico, allora puoi capire cosa tu
voglio fare in seguito solo un altro e
perché pensi che questa foresta casuale
si seleziona qui e quale altro
alternativa dove potresti farlo
rendi la tua previsione migliore
esperienza che abbiamo esaminato in più
aumentare insieme con una coppia più in classifica
modelli perché in questo momento prevediamo il tuo
termine preferito finito ma il resto
non è una previsione, quindi stiamo cercando
in più modelli di classifica per essere in grado di
classifica tutto sotto di esso nel tuo
preferenza grazie vicenda sei
interessante c’era una domanda finita
qui no, prendi questo così che tipo di
cambiare al tasso di conversione hai fatto
vedi quando lo presenti non lo faccio
penso di poter dire che non sono molto sicuro
lavori a clonus, posso dirlo
dopo si yeah hai citato un po ‘
di cose all’inizio ci sono solo
curioso di come distribuisci la varianza
è il suo brandon la mia storia facendo di più
modo intelligente di classificare questo è un
facciamo un test a / b per il mio
la donna lo sappiamo la prossima volta che pensiamo che sia
una donna prendiamo la variante migliore e
quindi quando lo abbiamo fatto dall’inizio
non ha avuto ipotesi su chi vogliamo fare
questo per e quindi siamo appena stati eletti
tutto ma più tardi quando si tenta di
diverso pre ticking noi abbiamo il
la logica di queste persone pensiamo e noi a
un po ‘come la metà di ciò che prevediamo in
ne vale la pena prima
metà di loro ala piuttosto bella carta chiave
vedere come va bene se avessimo
proteggere e parlare come si farebbe una conversione
è stato e cosa avrebbe scelto e
ora la carta ripetuta su di loro lo abbiamo fatto
un buon lavoro o non solo per vedere come va bene
i modelli prevedono che pensiamo che tu voglia
questo ma cosa sarebbe successo se noi
non è carino avrebbe scelto la carta
comunque come abbiamo fatto meglio così
questa due parti la sta rendendo di più
facile da comprare ma uno è fatto
in realtà prevedere qualcosa che pensiamo
vuoi così sì a seconda di quale cosa
vogliamo testarlo è diverso allora
se abbiamo tempo per un altro paio
domande ma cerca di tenerlo corto
gentiluomo e blu dietro em e cosa
era il più grande ostacolo tra il
momento in cui hai ipotesi e il
momento si verifica per la produzione e puoi
convalidare qualcosa che è il più grande
richiederebbe la maggior parte del tempo um
questo direi che è la caratteristica
costruire ci vuole un sacco di tempo solo
trovare i dati che prendono i dati da
dati grezzi nella costruzione delle funzionalità e
anche ottenendo le funzionalità in cui lo facciamo
la vita è uno dei problemi che noi
avere in prima con questo non abbiamo eseguito
modelli di apprendimento automatico e nella nostra vita
sistemi quindi si doveva costruire il tutto
servizio di punteggio è il più grande e
anche sì, il modello è buono
abbastanza ma abbastanza veloce direi
uno dei Hartford una domanda quanto
tempo hai investito per ottenere il
modello di punteggio non sono sicuro che sia andato molto
molto veloce penso che fossero forse due
mesi che vuoi forse sì intorno alle due
mesi penso che ci sono voluti per il punteggio
servizio dall’idea a essere in libertà vigilata
si ok grazie grazie domani
tu
mi senti, sì ciao ciao a tutti
il nome è Somalia e io lavoro qui a
Florida e oggi parlerò a
un po ‘su come siamo ciò che abbiamo finito
personalizza il nostro checkout e quindi prima di
tutti quelli che sono II lavorano come dati sul tuo ex
scienziato quello che io e il mio team siamo noi
cerca di capire se è un cliente migliore
comportamenti attraverso la modellazione e principalmente
attraverso modelli statistici per provare a
prevedere diversi tipi di clienti
comportamenti per migliorare i nostri processi
migliorare l’offerta ai nostri clienti
migliorare i nostri dubbi esco a tutti
di voi per fare acquisti con noi e potrebbe essere necessario
personalizzare la tua esperienza del cliente e
Ho lavorato qui per due anni e mezzo
e prima mi sono diplomato a lgh
Inghilterra e dove ho studiato finanziario
statistiche quindi oggi vi presenterò
tu come esploriamo e io ho ottimizzato
l’esperienza di pagamento attraverso
personalizzazione quindi prima di tutto un po ‘
uno sfondo quindi qual è il clone Nick in
checkout quindi se vai da un mercante
online e tu stai facendo shopping e tu metti
qualcosa nel tuo cestino e tu premi
da voi vieni al nostro check out dove noi
voglio renderlo semplice per te
completa il tuo acquisto con il team
con essa che si desidera vogliamo rendere
così semplice per te in modo da poter completare
l’acquisto che ricorda che ti vogliamo
per convertire e un checkout angolo era
lanciato nel duemiladodici
sarna ha avuto una grande idea rivoluzionaria
che l’acquisto non ha bisogno di essere
sia l’acquisto che il dolore che possiamo dividere
l’esperienza di acquisto dal re così
quando arrivi alla cassa puoi
compra ciò che vuoi comprare, pagheremo
i mercanti e poi aspetteremo
tu a
si e lo facciamo offrendoti 14
credito gratuito di giorni che è molto molto buono
per la conversione, quindi se stai andando a
il tuo treno e vuoi voler comprare
il treno per arrivare il più velocemente possibile
prima di entrare nel treno tu solo
voglio comprarlo ora e poi puoi
decidere come pagare in seguito quando sei
sul treno o la settimana dopo qualunque cosa
lo vuoi fare questo lo proviamo e
siamo riusciti a sederci ed è stato davvero davvero
bene ha migliorato molto la conversione
per molti molti molti clienti ma vogliamo
per sapere ancora ne abbiamo due diversi
salsa quando mostreremo tutti i pagamenti
è per te e uno che è un clic
esperienza quale si converte per quale
tipo di transazione per cui i clienti
e per imparare il nostro prodotto è fondamentale noi
voglio migliorare la nostra conversione perché
Sarna sta vendendo ai mercanti su
la conversione è ciò che è voluto
è perché perché facciamo arrivare i clienti
facilmente convertire il tuo acquisto che tu
voglio così quando quando lo facciamo vogliamo
vedere bene quale tipo di gruppo di persone
possiamo sommare a un controllo o l’altro
ora a quel tempo non avevamo davvero
qualsiasi ipotesi su quali transazioni o
quali clienti pensavamo potessero convertire
meglio con la lezione di pagamento uno o
l’uno clic uno, quindi abbiamo iniziato giusto
qualcosa di casuale a entrambi i galleggianti
solo allora guarda i dati e dì ok
cosa possiamo vedere da questo che possiamo
invia a quale flusso e per vedere anche cosa
diverse opportunità possiamo vedere quando
quando lo facciamo vogliamo anche saperlo
quando si sta testando si fa un cambiamento e
allora ne hai anche l’ effetto
voglio imparare quali comportamenti siamo noi
cambiando quando lo facciamo vogliamo sapere
ciò che il cliente quali comportamenti del
il cliente è cambiato quando facciamo l’uno
fare clic su acquisto o se ne abbiamo abbastanza
tutti i metodi di pagamento quindi c’erano a
molte delle diverse tendenze che abbiamo visto quando
facendo questo, ma due dei principali
le cose principali che abbiamo visto quando quando loro
testare questo o quando campionamento casuale
era con la famosa conferenza dove noi
mostra tutti i metodi di pagamento disponibili
le persone che hanno completato con quel flusso
piuttosto che il flusso con un clic abbiamo visto a
valore di ordine medio molto più alto in modo che
significa persone che stanno acquistando qualcosa
costoso non vogliono completare il
acquisto quando gli diamo questo facile
flusso di un clic che preferirebbero essere
molto più probabilità di loro
convertirà se ti mostriamo tutto il
pagamenti e che avrebbe senso se
stai comprando qualcosa di veramente piccolo e
a buon mercato vuoi avere il one-click
esperienza perché è abbastanza facile
non hai bisogno di pensarlo molto meglio
ma se stai comprando qualcosa che è
costoso a cui probabilmente hai pensato
questo molto lo comprerai
divano quindi non vuoi separare il
comprando dal dolore hai pensato
a questo proposito molto e si sa che si desidera
paga questo ora così poi potremmo trovare
un gruppo di quelli alti che
mandiamo a quello con un famoso
liquore un’altra cosa che abbiamo visto così
anche se in entrambe le casse
ti offriamo gli stessi metodi di pagamento
e quindi in teoria dovremmo avere il
stesso mix di pagamenti e in entrambi i nostri
cassa ma quello non era il caso quando
abbiamo guardato i dati così per quando noi
mostra tutti i selettori di pagamento o
tutti i pagamenti sono nella lezione precedente
abbiamo visto che abbiamo una quota molto più alta
dei tribunali allora quando ti diamo
il flusso con un clic quindi abbiamo diviso
i dati in I clienti che hanno
usato pagamento parte con noi prima e il
quelli che non ce l’hanno e l’abbiamo visto bene
se tu come supporti il pagamento prima
sei molto più propenso a convertirci se noi
mostrarti tutti gli stessi incentivi e il
il ragionamento dietro è perché quando quando
vieni alla cassa e tu
probabilmente non hanno soldi per pagarci
entro 14 giorni se ti inviamo a quello
flusso di torta quando ti diamo una fattura
che tu puoi pagare con una parte
pagamento non leggi davvero tutto il
testo che abbiamo scritto anche se noi
darti una fattura ora che puoi mano
cambiarlo in un piano di pagamento portuale così noi
vedi che i clienti non lo facciamo noi
quello che scriviamo nel check out è così
meglio per inviare questo tipo difficile per
la gente a quella dove tu solo
presenta tutti i sollevatori di pagamenti e
quella conversione aumentata per quello
gruppo ma vogliamo anche vederlo bene così
perché quando il check out è simile
questo quando presentiamo tutto il pagamento
membri a voi questo converte peggio di
quando ti mostriamo quello veloce veloce così
uno dei motivi è che abbiamo mostrato esattamente
gli stessi vestiti che ognuno ottiene
fattura pre biglietti in alto e in anche
se non è quello che stai cercando
potrebbe essere abbastanza difficile per te andare
attraverso tutte le nostre medicine per il dolore e la Svezia
Penso che abbiamo circa nove dita
metodi quindi è molto difficile non andare
uno leggerà tutti i nove dieci minuti
e avere l’energia per attraversarli
quindi il flusso in un clic che vogliamo
migliorare ma l’esperienza con un clic in
questo perché non vogliamo forzare
a chiunque di ottenere una fattura se non lo fanno
voglio qualsiasi voce per esempio l’alta
biglietti uno così erano loro l’aereo del parco
voglio scegliere i pagamenti e ha detto
non vogliono che scegliamo la fattura
loro e poi possono cambiarlo
qualcos’altro ma anche noi stiamo vendendo
il check out in alta conversione quindi noi
non possiamo perdere la conversione che non possiamo spostare
a tutti così così abbiamo pensato ok
quindi se potessimo fare questo un clic
flusso possiamo ottenere la conversione ma a
facciamo quello che dobbiamo sapere cosa cliccare
Moelis e quindi cosa vuoi chiedere
vuoi comprare con quando vieni a
check out vuoi pagare in auto
vuoi pagare con un account vocale come
sappiamo cosa amis Tim vuoi
utilizzare quando si entra nel checkout così uno
cosa molto semplice da controllare è ok quindi cosa
metodo di pagamento l’hai usato l’ultima volta
hai sparato a questo allora non lo faremo
ottimizzare qualsiasi cosa per i nuovi clienti ma
almeno potremmo essere in grado di ottimizzare
per i clienti di ritorno ma
sfortunatamente guardando i dati che vediamo
che solo il venticinque per cento circa
restano fuori i clienti di ritorno
con il metodo di pagamento usano il
l’ultima volta quindi non sarà così
abbastanza sufficiente quindi cosa facciamo?
ovviamente non c’è un cliente
preferenza per te quindi non possiamo solo o a
metodo di pagamento preferito per un cliente
purtroppo che l’avrebbe fatto
molto facile, quindi cos’è allora?
transazione saggio guardando il
dati con
sembra che tu sia un famoso maestro
a seconda di cosa stai comprando come
costoso è se stai comprando
qualcosa di molto costoso vediamo che il
conto e rata di pagamento parziale
i piani sono molto più popolari anche guardando
okay, cos’è che stai comprando?
guardando i segmenti mercantili quelli
che sono nei problemi di chiusura che vediamo
là fuori abbiamo molto di più
fattura e abbiamo in uno degli altri
segmenti che avrebbero senso perché
potresti comprare qualcosa in tre
diverse dimensioni e cosa provi tu
voglio rimandare due di loro e poi
dì uno che non vogliono pagare per tutti
tre perché sai che non stai andando
per salvare tutti e tre alla fine in modo che
okay quindi forse possiamo prendere la fattura
per questo segmento o anche guardando
l’età vediamo che i giovani tendono a farlo
usa la carta più tutte le persone come la
trasferimento bancario uno e forse possiamo guardare
a età e lo vediamo anche più giovane
la gente usa tanto i nostri nuovi impegni
largo più spesso rispetto al vecchio
popolazione, ma allora questo sta per essere
una logica molto molto semplice non lo è
il tasso di successo attualmente non sarà
quella buona conversione non sarà
abbastanza buono quindi non è abbastanza buono
per noi quindi cosa possiamo fare noi abbiamo un
il lusso di avere una merda del
battere qui a Lourinha ogni giorno che otteniamo
quattrocentomila acquisti attraverso
il nostro sistema che significa che potremmo fare
molto meglio che guardare questi tre
piccole variabili per essere in grado di prevedere
quello che vuoi quindi quello che abbiamo fatto noi
costruito un modello di apprendimento automatico per essere
in grado di prevedere quale metodo di pagamento tu
voglio quando stai entrando nel biglietto così
probabilmente tutti notate, ma ciò che è
machine learning bene è il campo di
studio che dà ai computer l’abilità
imparare senza essere esplicitamente
programmato così
abbiamo diviso la modellazione in tre parti
uno sta determinando il problema, quindi cosa?
è che vogliamo fare bene, vogliamo farlo
sapere quale metodo di pagamento si desidera
scegli ogni volta che entri nel nostro check-out
ogni volta che stai comprando qualcosa, noi
vuole prevedere in tempo reale cosa
personaggio vuoi usare così è a
problema di classificazione o regressione
problema bene una classificazione è quando
stai prevedendo un discreto o un
variabile categoriale e regressione
il modello è quando prevedi un vero
numero o continua numero così per
esempio se prevedessimo la sessione
lunghezza o qualcosa del genere ma come noi
stanno prevedendo quali metodi di pagamento tu
voglio è una variabile categoriale quindi noi
costruirà un modello di classificazione il
il prossimo passo è il più importante e il
parte più divertente dell’intera modellazione
che sta costruendo le caratteristiche questo è
molto molto importante anche per il modello
se modifichiamo tutte le parti più piccole del
il modello e la parte caratteristica è la più
importante come diceva Pietro Domingos
il progetto di machine learning ha successo e
un po ‘equo ciò che fa la differenza e
facilmente il fattore più importante è il
ti mostra così stiamo guardando ok così
quali dati abbiamo che abbiamo così tanto
dati che usiamo per prevederlo se lo sei
un affido o no abbiamo così tanti dati
che usiamo per prevedere o di credito
degno o no e tanti dati in giro
gli stessi allenatori cosa possiamo usare e
anche quello che conta c’è qualche altro dato
che possiamo comprare in quello che daremmo
per esempio, per questo modello
potrebbe dire qualcosa sul tempo
metodo di pagamento che vuoi se tu
voglio usare forse se fuori c’è il sole
se è divertente tendi ad essere il
la probabilità che tu sia fuori è
più alto se sei fuori e lo hai
il tuo portafoglio vicino a te e poi a te
potrebbe voler pagare con la carta più spesso
ed era nuvoloso potresti essere dentro
il tuo portafoglio è nel corridoio non lo fai
vuoi andare a prenderlo sei sotto il
coperta e basta scegliere la fattura
perché è molto facile, proviamo
forse la misura della scarpa è qualcosa su
sei tuo
metodo di pagamento preferito è probabilmente
non lo farà e cerchiamo sempre di pensare quando
utilizzando diverse funzionalità nel modello
che il modello riprenda è importante per te
voglio provare a fare il backup con una storia
perché sta prendendo questa variabile del perché
potrebbe essere importante quando si preannuncia
diverse premesse quindi se le dimensioni della scarpa lo farebbero
essere importante come forse se si divide
tra le dimensioni più piccole e quelle più grandi
le taglie stanno cercando di trovare il genere in questo
e Pyramus disse per qualche ragione il
frigo tra genere ma poi genere
una variabile migliore da usare, quindi cerco sempre
pensare se una variabile viene rilevata da un
modello che è quello che è importante perché cosa
sta facendo è qualcosa di sbagliato
i dati o dovrebbero effettivamente essere
raccogliendo questa variabile in modo che quando guardiamo
le nostre funzionalità li abbiamo divisi in tre
gruppi così le caratteristiche che sono
collegato per l’acquisto, ad esempio
abbiamo visto che la quantità dell’ordine era
molto importante dove i tuoi acquisti cosa
tipo di oggetto è se forse e
altre variabili a cui possiamo pensare
che sono intorno all’acquisto allora noi
hanno le variabili che sono connessi
il cliente quindi per esempio l’età e noi
la sega è la differenza tra qualche età
gruppi che il pagamento è più
forse preferito numero di scarpe proviamo esso
e vedi cosa succede e poi abbiamo a
molti dati sul tuo comportamento di acquisto
da allora, per esempio, il
pagamento che usi l’ultima volta
probabilmente sarà abbastanza importante in
prevedendo ciò che si desidera acquistare con
questa volta anche cercando di costruire il
variabili in modo che il modello possa trovare
l’ultima volta che hai usato la fattura e il tempo
prima hai usato la carta di credito
era diverso l’importo in cui acquisti
cercando di trovare un aiuto per trovare il modello
ciò che è diverso tra questi e
cercando di trovare i modelli tra questo
è un tipico acquisto di carta per te
persone della tua età per le persone che sono
fare shopping con nella tua città e provare a farlo
differire tra il diverso pagamento di
uso
e la terza e ultima parte è il modello
quindi abbiamo scelto di andare con una foresta casuale
modello che è uno dei più utili
modelli di machine learning lo abbiamo scelto
perché è che è molto facile da usare voi
non c’è bisogno di fare molto del pre-lavoro
se hai un sacco di variabili
potrebbe essere correlato il diverso il
il modello è molto bravo a non sovralimentare
i tuoi modelli ed è un buon modello per
usa come tuoi primi passi solo per vedere
possiamo prevedere questo o non alcuni rimpianti
le citazioni sono molto molto breve di come a
il quarto modello casuale funziona così da prendere
il tuo set di dati di milioni di
transazioni e il modello prenderà un
campionare da questo set di dati e a
macella il campione e forma un albero decisionale
e in ogni nodo ne sceglie a caso alcuni
delle tue caratteristiche e vedi bene quale
darebbe il massimo a quella decisione
albero se lo uso e lo fa in
tutto di loro è un pacchetto di modelli
esempio e disegnare il nuovo campione c’è
un nuovo albero e lo fa tutte le volte
come vuoi che il modello a
costruisci gli alberi questa raccolta di tutti
gli alberi decisionali sono la foresta casuale
modello e così quando arriva il mio acquisto
vogliamo predire che i dati delle domande siano
attraversa ogni albero a cui arriva ogni albero
votare su quale promosso ti crede
voglio pagare con e l’output del
il modello è la previsione combinata così
prende tutti i voti e tu ottieni il mio
previsione e questo è l’output del
run and forth model quindi ora abbiamo a
modello e cosa vogliamo fare con esso
bene tu vuoi dare ai clienti il
esperienza con un clic, quindi vogliamo essere
in grado di utilizzare questo per ottimizzare il
controlla ma per farlo dobbiamo farlo
per ogni transazione ogni volta che tu
entra nel checkout di cui abbiamo bisogno per gestire il nostro
modello e questo è abbastanza difficile che abbiamo
circa 1,2 milioni di chiamate al nostro sistema
ogni giorno per essere in grado di offrire il
metodi di pagamento e noi vogliamo fare
questo rapidamente perché non lo farai
aspetta cinque secondi per noi per eseguire il nostro
modelli e abbiamo bisogno di ottimizzare su
conversione e se non pensi se tu
prendi la ruota che gira
abbandonare probabilmente siamo anche durante il
tempo abbiamo bisogno di competere con la corsa
modelli di frode modelli di rischio di credito e
insieme a noi e in precedenza noi
non aveva eseguito alcun modello di apprendimento automatico
nella vita quindi quello che dovevamo fare era
creare un servizio di punteggio per questo a
essere in grado di eseguire i modelli di foresta casuali
e producilo in tempo reale ed è così
anche quando costruisci un modello e ci provi
per costruire il miglior modello possibile che puoi
con quanti più alberi puoi e il
gli alberi sono così profondi come noi
li costruiamo ma anche questo richiederà
molto tempo per correre nella vita, quindi prima essere
in grado di dispiegare questo vivo abbiamo bisogno di
ridimensionarlo per capire quanto può essere piccolo
essere e quanto è buono in una posizione
perline per essere in grado di utilizzare questo in
vita così quando rispondi al check out
oggi diciamo che sono la mia visione è è
sta entrando nel check out eseguiamo il
acquistare tramite il nostro servizio di punteggio e
attraverso il modello casuale della foresta
mostra la tua forma preferita di questo
viene inviato al client che è quindi
predice questo metodo di pagamento e le mosse
fino in cima in modo da ottenere un
esperienza con un clic e lo facciamo per
tutti i metodi di pagamento o i modelli possono
prevedere tutti i parametri quindi anche se
vuoi pagare alla fine di marzo
come Alexander vuole fare e lo farai
prendi i biglietti gratuiti e vai in cima
e così avremo X con questo
prova di apprendimento automatico guidato dai dati
ottimizzare un check out in modo che sia entrambi
ottimizza per la soddisfazione del cliente
e per le conversioni e questo è
quindi stiamo per prendere domande da
nella stanza qualcuno ha una domanda
lì proveremo qualcosa
pericoloso oggi sì, dovrei
butta questo, ma mi sento male, quindi lo sono
andrò molto vicino qui vai
ok grazie e fai qualche cliente
campioni di indagini per eseguire il backup di ciò che
trovato per verificare parlando con reale
la gente sì, lo facciamo in molti
diversi modi in cui siamo inviati
sondaggi dopo che hai fatto acquisti con noi
raccogliere come è il tuo cliente
soddisfazione ma quelli sono sempre molto
orientato verso le persone che davvero
odiarci rispondere a quelli e nessun altro
le piacerebbe davvero rispondere?
quelli ma possiamo provare a fare un sacco di utenti
test quindi invitiamo le persone qui e proviamo
vedere bene come stanno interagendo
con un check out chiamiamo anche noi
perché abbiamo un cliente interno
servizio che è molto interessante per sedersi
in e qui piace e fare alcune domande
ma cosa hai capito?
e quello, ma l’utente prova, penso
dà il massimo di essere lì e
vedere come interagire con il controllo
fuori perché anche se proviamo a costruire
molte delle variabili attraverso come
stai interagendo con il check-out
sempre bello vedere cosa sono
davvero pensando hai capito cosa tu
stavano raccogliendo o ti sei appena mosso più velocemente
qualcosa da pensare se stanno cliccando
attraverso di esso veloce è incredibile ma
a volte in realtà significa che loro
non ho idea di dove sia ma ci proviamo
lavora sempre con Aaron, quindi siamo noi
è il modo migliore per sapere che qualcosa
non funziona è vedere cosa
i clienti ci chiamano e
lamentarsi di ulteriori domande
qui
In realtà avevo due domande ma lo farò
mantieni quello per ora così nella decisione
albero quando tu quando la macchina fa il
selezione del passato che sai fare
lo fai selezionare tu che hai parlato
sul set di funzionalità e, lo sai
quali sono le caratteristiche importanti in realtà
quindi come si inserisce tutto il
variabili che hai in tutti i tuoi dati
nella sezione delle caratteristiche o o nella
albero decisionale dal set di funzionalità o fare
fai una specie di fare una selezione manualmente
prima e noi, dall’inizio, mettiamo
tutto dentro e poi guardi il
variabile importante dire come quello che è
ticchettando e cosa non è e
perché ci vorrà del tempo
noi per calcolare tutte le variabili se
qualcosa non è utile come la misura della scarpa
e non vogliamo dire che i dati o
averlo nel sistema in tempo reale così noi
guarda ancora ok, dà qualcosa
rimuovere il fondo non è importante
variabili e se il modello non sta ottenendo
peggio la situazione non peggiora
che rimuoverà le parti ma il bene
cosa è la corsa per i modelli è
che non hai bisogno di prenderlo così tanto
se è inutile non lo userà
ma ovviamente se lo fai in realtà
tempo se c’è una variabile che voglio comprare
o qualcosa che sarà necessario in realtà
Metti un numero su quanto è importante farlo
vogliamo comprare dati meteo per questo
modello o no, quindi posso prendere una combinazione
solo un triste è il tipo di follow-up
domanda, abbiamo tempo sì, grazie
tu devo collezionarmi così quando tu
so che ci tornerò perché io
okay, vai bene, grazie
domande facili mi stavo chiedendo perché
scegli il metodo predefinito come
fattura ho sempre avuto problemi e io
sempre meglio l’elettrone extra così è
intenzionale probabilmente sei molto difficile
prevedili se non sappiamo cosa cosa
famoso questo
non può essere troppo sicuro in che modo
che vuoi che ti prevediamo la fattura
voglio dire, hai un precedente studio
per questo e poi scegli il default
il metodo sarebbe la fattura in entrata
spuntare tutto bene che cosa hai?
qualsiasi studio precedente per quello e poi tu
ha deciso che sarebbe stato il default
metodo se hai usato la fattura Oh
No s-scuse saggi ora è la fattura
il metodo principale che usiamo per separare
l’acquisto e il rosa quindi se si sceglie
fattura puoi ancora entrare in un portale
e acquistarlo o convertirlo in una parte
piano di pagamento o si desidera pagare con
qualcos’altro quindi lo vediamo sempre così
il divisorio tra l’acquisto e
il pagamento quindi è per questo che siamo ancora pre
fai clic quando non lo sappiamo perché
allora puoi darti 14 giorni
amico, allora puoi capire cosa tu
voglio fare in seguito solo un altro e
perché pensi che questa foresta casuale
si seleziona qui e quale altro
alternativa dove potresti farlo
rendi la tua previsione migliore
esperienza che abbiamo esaminato in più
aumentare insieme con una coppia più in classifica
modelli perché in questo momento prevediamo il tuo
termine preferito finito ma il resto
non è una previsione, quindi stiamo cercando
in più modelli di classifica per essere in grado di
classifica tutto sotto di esso nel tuo
preferenza grazie vicenda sei
interessante c’era una domanda finita
qui no, prendi questo così che tipo di
cambiare al tasso di conversione hai fatto
vedi quando lo presenti non lo faccio
penso di poter dire che non sono molto sicuro
lavori a clonus, posso dirlo
dopo si yeah hai citato un po ‘
di cose all’inizio ci sono solo
curioso di come distribuisci la varianza
è il suo brandon la mia storia facendo di più
modo intelligente di classificare questo è un
facciamo un test a / b per il mio
la donna lo sappiamo la prossima volta che pensiamo che sia
una donna prendiamo la variante migliore e
quindi quando lo abbiamo fatto dall’inizio
non ha avuto ipotesi su chi vogliamo fare
questo per e quindi siamo appena stati eletti
tutto ma più tardi quando si tenta di
diverso pre ticking noi abbiamo il
la logica di queste persone pensiamo e noi a
un po ‘come la metà di ciò che prevediamo in
ne vale la pena prima
metà di loro ala piuttosto bella carta chiave
vedere come va bene se avessimo
proteggere e parlare come si farebbe una conversione
è stato e cosa avrebbe scelto e
ora la carta ripetuta su di loro lo abbiamo fatto
un buon lavoro o non solo per vedere come va bene
i modelli prevedono che pensiamo che tu voglia
questo ma cosa sarebbe successo se noi
non è carino avrebbe scelto la carta
comunque come abbiamo fatto meglio così
questa due parti la sta rendendo di più
facile da comprare ma uno è fatto
in realtà prevedere qualcosa che pensiamo
vuoi così sì a seconda di quale cosa
vogliamo testarlo è diverso allora
se abbiamo tempo per un altro paio
domande ma cerca di tenerlo corto
gentiluomo e blu dietro em e cosa
era il più grande ostacolo tra il
momento in cui hai ipotesi e il
momento si verifica per la produzione e puoi
convalidare qualcosa che è il più grande
richiederebbe la maggior parte del tempo um
questo direi che è la caratteristica
costruire ci vuole un sacco di tempo solo
trovare i dati che prendono i dati da
dati grezzi nella costruzione delle funzionalità e
anche ottenendo le funzionalità in cui lo facciamo
la vita è uno dei problemi che noi
avere in prima con questo non abbiamo eseguito
modelli di apprendimento automatico e nella nostra vita
sistemi quindi si doveva costruire il tutto
servizio di punteggio è il più grande e
anche sì, il modello è buono
abbastanza ma abbastanza veloce direi
uno dei Hartford una domanda quanto
tempo hai investito per ottenere il
modello di punteggio non sono sicuro che sia andato molto
molto veloce penso che fossero forse due
mesi che vuoi forse sì intorno alle due
mesi penso che ci sono voluti per il punteggio
servizio dall’idea a essere in libertà vigilata
si ok grazie grazie domani
tu
Please follow and like us: