Réseau complexe d’Amazon de systèmes de science des données cachées
Avant même qu’Amazon vous oblige à acheter un produit, il a signé des accords avec des auteurs, des éditeurs, des réseaux de vendeurs et des affiliés pour la priorisation sur leur plate-forme. Lorsque Amazon a mis en œuvre son puissant algorithme de recommandation dans presque toutes les étapes du processus d’achat, la société a annoncé une augmentation de ses ventes de 29% à 12,83 milliards de dollars au cours de son deuxième exercice. L’algorithme de recommandation est l’une des applications les plus évidentes de la science des données, qui apparaît non seulement sur le site mais également dans les déploiements d’e-mails, qui se sont avérés significativement plus efficaces dans les tests d’Amazon que les recommandations sur site. En combinant l’algorithme avec des tiers payant de lourdes priorités, Amazon a déjà mis en place deux boosters de revenus très solides.
Les prix des produits d’Amazon sont soigneusement optimisés sur la base d’un modèle prédictif qui détermine le meilleur prix afin que les utilisateurs augmentent leur valeur et ne refusent pas de l’acheter en fonction du prix. Ce n’est pas un simple problème de «trouver le point de basculement» dans lequel le prix est augmenté d’un cent de moins qu’un prix auquel le client serait refusé, car des prix généralement plus élevés sont en corrélation avec des chiffres d’achat généralement bas. Un modèle déterminant le prix d’un produit doit non seulement tenir compte de la probabilité qu’un client l’achète, mais aussi de la manière dont son prix, combiné aux prix de nombreux autres produits, affectera les habitudes d’achat futures du client.
Avant de décider de chaque produit, vous pouvez jeter un rapide coup d’œil à la note cinq étoiles du produit, mais obtenir le plus d’informations des avis d’utilisateurs. En général, la section d’avis de tout produit est en proie à des biais – les gens écrivent généralement des avis uniquement pour des avis excessivement grands ou extrêmement négatifs, tandis que la plupart des gens se contentent d’une note rapide à 5 étoiles. En raison des critiques extrêmement polarisées et de l’écart entre la notation à 5 étoiles et la section des critiques, les clients peuvent simplement décider de ne pas acheter du tout.
Fournir des informations précises aux clients est toujours dans le meilleur intérêt d’Amazon. Si Amazon tente de truquer les avis de manière à ce que tous les produits soient bien classés, la croissance à court terme pourrait exploser, mais l’image de marque de l’entreprise et la confiance des clients seront gâchées. D’un autre côté, Amazon souhaite informer les utilisateurs sur les produits qui sont vraiment géniaux mais qui ont une image ternie en raison de critiques biaisées. En effet, les faux avis sont une activité lucrative, dans laquelle des entreprises de faux comptes peuvent être embauchées pour écrire des commentaires froids ou pessimistes et froids de centaines de comptes pour augmenter l’image de votre produit et éliminer les concurrents. Amazon a résolu ce problème en partie en montrant des acheteurs vérifiés et en déployant des modèles qui déterminent la fiabilité d’un compte et l’utilité d’un examen, qui détermine l’ordre dans lequel il est affiché.
Lorsque vous avez acheté votre produit, vous étiez probablement membre d’Amazon Prime. Le produit par abonnement s’est avéré précieux pour Amazon, devenant l’un de ses principaux flux de revenus. Afin de promouvoir le service attractif et de grande valeur, Amazon utilise l’analyse des données pour déterminer et cibler leurs segments de clientèle avec des annonces spécifiques. Une des principales raisons pour lesquelles Amazon a pu se développer si rapidement est parce qu’elle a répondu à l’engouement pour le client de l’ère numérique – au lieu d’utiliser des approches marketing traditionnelles à taille unique, « vaporisez et priez », Amazon adapte leur message selon l’efficacité qu’ils pensent que ce sera pour vous.
Peut-être que les modèles d’Amazon déterminent que vous aimez lire des livres (peut-être avec des informations de Goodreads, qu’il a acquises), et soulignent qu’avec Prime, vous pouvez lire un nombre illimité de livres gratuits sur Kindle. (Amazon suit et stocke également le texte mis en évidence par les utilisateurs sur Kindle pour faire des recommandations de livres.) Si vous n’êtes pas encore membre Prime mais que vous payez régulièrement pour que votre produit soit expédié dans la journée ou quelques heures, le modèle d’Amazon peut le mentionner avec Prime , de nombreuses vitesses d’expédition sont gratuites. L’entreprise utilise constamment des tests A / B pour ajuster sa méthode publicitaire afin d’acquérir de nouveaux clients.
Lors de votre achat, Amazon exécute des algorithmes de détection de fraude pour les transactions par carte de crédit, qui peuvent prendre en compte un comportement d’achat irrégulier. Ces modèles prédictifs peuvent détecter les intrusions dans le système et les tentatives de piratage, empêchant le vol de données d’éléments tels que les données de carte de crédit ou l’ID d’employé.
Après avoir acheté un produit, Amazon doit trouver un moyen de transporter ce produit à travers les quatre étapes du produit: l’entrepôt, l’avion cargo, le transport par camion de livraison du «dernier kilomètre» et votre maison.
En s’appuyant sur les 90 entrepôts d’Amazon, 50 avions de fret et des centaines de milliers de camions de livraison, les algorithmes de science des données doivent planifier le fonctionnement logistique optimal:
- Supposons un avion cargo chargé à 75% de sa capacité, dans lequel tous ces articles sont livrés en un jour, ce qui signifie que l’avion doit partir dans une heure pour être à l’heure. La cargaison restante est en retard et arrivera dans huit heures. L’avion part-il ou non? L’algorithme de science des données doit chiffrer la valeur que les clients perdront si la garantie d’un jour est rompue et la comparer aux frais de voyage pour prendre une décision.
- Le modèle d’expédition anticipée d’Amazon utilise vos données d’achat pour prédire quels produits vous êtes susceptible d’acheter, quand vous pouvez les acheter et où vous en aurez besoin. Combiné avec les préférences de ceux qui vivent près de chez vous, Amazon envoie des produits qu’il est sûr que vous achèterez à un centre de distribution près de chez vous afin qu’il puisse être prêt lorsque vous en avez besoin.
- Comment planifiez-vous l’itinéraire optimal des camions de livraison dans une ville, en tenant compte des conditions météorologiques, de la circulation intense ou d’un événement imprévu, ainsi qu’en minimisant les coûts de distribution et en optimisant les coûts et les emplacements d’achat de gaz? À grande échelle, Amazon ne peut pas sacrifier les centaines de millisecondes nécessaires pour consulter une API Google Maps; au lieu de cela, il doit créer son propre système d’optimisation d’itinéraire basé sur la prévision du trafic. C’est l’une des tâches les plus difficiles en science des données (théorie des graphes).
- De nombreux clients d’Amazon se contentent d’un délai de livraison plus long de 4 à 5 jours (soit parce qu’ils ne sont pas Prime, soit parce qu’ils reçoivent une certaine forme de compensation pour l’attente). Amazon déploie des modèles de prévision des stocks pour déterminer combien d’exemplaires de chaque produit doivent être conservés à tout moment dans n’importe quel entrepôt de sorte que lorsque la fenêtre de livraison de 4 à 5 jours approche de sa fin, le produit reste disponible, tout en minimisant les coûts de transport et la dégradation du produit .
- Au sein de l’entrepôt, Amazon remplace les travailleurs par des robots, qui peuvent fonctionner sans interruption, qui correspondent au modèle commercial 24/7 de l’entreprise, peuvent travailler plus rapidement et n’ont pas besoin d’être payés. Au sein de chaque centre de traitement des entrepôts, les robots d’entrepôt d’Amazon tracent l’itinéraire le plus rapide pour atteindre les articles qui lui sont attribués, en étant conscients des itinéraires des autres robots. Pour créer une armée de robots intelligents qui ne suivent pas naïvement un chemin de moindre distance euclidienne mais prennent en compte les intentions des autres, les robots d’entrepôt sont formés à l’aide de procédures d’apprentissage par renforcement. Ce domaine d’apprentissage automatique cherche à former continuellement le modèle, en utilisant la rétroaction de l’environnement externe pour le rendre meilleur et plus adaptatif, même s’il est en service. Ces robots d’entrepôt améliorent considérablement l’efficacité des produits d’Amazon.
