Jarvis ML يتقطب 16 مليون دولار لمساعدة الشركات على تخصيص منتجاتها

Jarvis ML يتقطب 16 مليون دولار لمساعدة الشركات على تخصيص منتجاتها


أعلنت Jarvis ML ، وهي منصة تقدم محركًا تخصيصًا يعمل بمنظمة العفو الدولية للعلامات التجارية التي تبيع المنتجات والخدمات والخبرات ، اليوم أنها جمعت 16 مليون دولار في جولة بذرة بقيادة Dell Technologies Capital. في مقابلة مع TechCrunch ، قال الرئيس التنفيذي Rakesh Yadav إنه سيتم استخدام رأس المال الجديد لتنمية فريق Jarvis ML وفرق المبيعات والتسويق لتسريع تطوير المنتجات واختراق السوق. أو إنشاء من نقطة الصفر - على الإنترنت ، أصبحت قيمة التخصيص في التركيز الحاد. اعتادت على توصيات المنتجات المصممة على شبيهة Netflix- و Amazon ، بدأ العملاء في المطالبة بنفس الشيء من الشركات من جميع الأحجام. وفقًا لـ McKinsey ، يتوقع 71 ٪ من المتسوقين الآن أن تقدم الشركات تفاعلات شخصية ، في حين أن 76 ٪ يشعرون بالإحباط عندما لا يحدث هذا.

استثمار جدير بالاهتمام. قال أربعون في المائة من المستهلكين الذين يستجيبون لمسح واحد إنهم اشتروا شيئًا أغلى من المخطط له بسبب التجارب الشخصية. لكن إنشاء هذا النوع من التخصيص يمكن أن يكون تحديًا من وجهة نظر فنية.

ولهذا السبب أسس ياداف جارفيس إم إل وإعلانات Google ، سعت Yadav إلى إنشاء منتج يمكن أن يمكّن الشركات من تحويل البيانات إلى ارتباطات العلامات التجارية ، مثل حملات التسويق أو تجارب الويب المخصصة.

قام الوباء بتسريع التحول في اتجاهات شراء المستهلكين على الإنترنت. هذا يعني أيضًا أن استراتيجيات التوصية عبر الإنترنت مهمة مهمة للمؤسسات للتكيف مع نموذج المستهلك المتغير هذا ، كما أخبر Yadav TechCrunch عبر البريد الإلكتروني. تستخدم شركات التكنولوجيا العملاقة مثل Amazon و Airbnb و Google و Facebook التعلم الآلي لإسعاد المستهلكين وتقييد استقلال شركات النمو في مرحلة النمو والمتوسطة التي تنتهي إلى أدوار الموردين أو الوفاء في النظم الإيكولوجية للتكنولوجيا العملاقة. يمكّن Jarvis ML هذه الشركات من الاستفادة من البيانات التي يتعين عليهم بالفعل تقليل الاعتماد على عمالقة التكنولوجيا أثناء التحجيم بشكل مستدام.

لقطة شاشة لموقع Jarvis ML. حل التعلم كخدمة مصمم للسماح للشركات بنشر محرك التخصيص بسرعة لمنتجاتها. تقوم المنصة بتعزيز الخوارزميات لتعلم أنماط المبيعات والمخزون في البيانات التي تتغذى عليها الشركات ، وكذلك بناء نماذج التنبؤ والتسعير والترويج التي تمكن تلك الشركات من تخصيص مواقعها الإلكترونية والتطبيقات والإعلانات وكذلك خدمات الكونسيرج وخدمة العملاء.

تم العثور على التحيزات من جميع الأنواع لتنشأ من محركات التخصيص. في كثير من الأحيان ، يكونون نتيجة لخلل البيانات - تم تمثيل مجموعة من العملاء في البيانات المستخدمة لتطوير المحرك. في العام الماضي ، قالت LinkedIn إنها أصلحت مشكلة تسببت في أن تصبح اقتراحات اتصالها أقل دقة للأشخاص الذين استخدموا الخدمة أقل من غيرهم. اقترحت أبحاث أخرى أنه على مواقع التجارة الإلكترونية ، يمكن أن أنظمة التوصية أن تعامل العملاء المحرومين اقتصاديًا بشكل غير عادل مقارنة بالعملاء الذين يقومون بالكثير من عمليات الشراء. يمتلك العملاء بياناتهم وأن المنصة تعمل على تحسين إيراداتها عبر قيم وتفضيلات وأذواقها الخاصة بالمتسوقين. تجارب ، أوضح ياداف. من خلال تحديد ملفات التوصيف من العملاء ... يمكن لـ Jarvis ML توفير المنتجات والخدمات والخبرات الموصى بها للغاية لزيادة المبيعات. يقوم نظامنا باختيار أفضل الطرز من مجموعة من هذه النماذج القائمة على الذوق ويختار أفضل نموذج يؤدي لـ OU

اخلاء مسؤولية! هذا المقال لا يعبر بالضرورة عن رأي جامعة الرازي