9. ROI probado
Transformar la
experiencia del cliente
rinde frutos
Source: McKinsey, Microsoft Services
Before After
Incrementa
Satisfacción del
Cliente por un
20 %
Before After
Incrementa el
Crecimiento de
Ingresos por un
10-15 %
Before After
Disminuye el
Costo de Servicio
por un
15 a 20 %
Las marcas que se destacan en la personalización ofrecen
entre 5 y 8 veces más el ROI de marketing e incrementan sus
ventas por más de 10% sobre compañías que no personalizan
10. Xbox Home
RESULTADOS
+40% aumento en la intereacción con los artículos
+2.5% incremento en interacción mezclada
MSN News
RESULTADOS
+25% mejora en clicks de Noticias
Personalización: contenido de
noticias en la parte superior de la
página en MSN.com
Qué se recompensa: haga clic en
el contenido en el primer espacio
Modelo actualizado cada 5
minutos
Personalizado: tipo
de contenido en
posición de héroe, un
premio en un lugar
secundario.
Recompensa: clic e
interacción
Experiencia y Resultados de Microsoft
11. Personaliza experiencias
Campañas de Correo Contenido Creativo,
Diseño del Contenido
Sugerencias del Menú
Alertas, Listas de
reproducción,
Contenidos
(artículos, tips, publicaciones de blog...)
Sugerencias de
Contenido
13. Cognitive Services
• La Cognición es la habilidad para reconocer cosas
que no son puramente lógicas, pero que a
menudo son obvias para los humanos.
• “Las cosas en las que las computadoras no son
buenas tradicionalmente”
• Azure Cognitive Services son un conjunto de
servicios basados en Inteligencia Artificial, que
están expuestos a través de APIs REST simples,
las cuales permiten a los desarrolladores agregar
cognición a las aplicaciones.
14. Varias Categorías de Servicios
• Decisión: Detectar anomalías, personalización, moderación de
contenido,…
• Lenguaje: Comprensión del lenguaje, analíticas, traductor,…
• Voz: Reconocimiento de voz, síntesis, traducción,…
• Visión: Todos los servicios relacionados con la visión por computadora
• Búsqueda Web: Varios servicios de búsqueda (con tecnología de Bing).
15. Decisión
• Anomaly Detector – identifica problemas potenciales en tus datos.
• Content Moderator – detecta contenido potencialmente ofensivo o
no deseado.
• Personalizer – crea experiencias enriquecidas y personalizadas para
cada usuario.
17. Reinforcement Learning
• RL se refiere a una rama de IA / ML, que están
dirigidas a problemas orientados a objetivos.
• Los algoritmos RL pueden lograr objetivos
complejos maximizando una función de
recompensa en muchos pasos, por ejemplo, los
puntos ganados en un juego de muchos pasos.
• La función de recompensa funciona de manera
similar a incentivar a un niño con dulces y golpes,
de modo que el algoritmo se penaliza cuando toma
una decisión incorrecta y se recompensa cuando
toma la correcta; esto es un refuerzo.
18. Reinforcement Learning en Sistemas de
Recomendación
• Recomendadores: dado un perfil de usuario y
contenido categorizado, el sistema hace una
recomendación basada en popularidad, intereses,
demografía, frecuencia y otras características.
• El aspecto de refuerzo de RL le permite adaptarse más
rápidamente a los cambios en tiempo real en el
sentimiento y el perfil del usuario, sin necesidad de
(re) entrenamiento explícito.
• La adopción empresarial también parece estar
ganando impulso con la reciente disponibilidad de
APIs de nube como Azure Personalizer y RecSim de
Google.
Azure Personalizer
19. Formulación en Reinforcement Learning
• Recompensa (𝑟): se refiere a la retroalimentación mediante la cual medimos el éxito o el fracaso de
la acción recomendada por un agente.
• Política (𝜋): es la estrategia que emplea el agente para seleccionar la siguiente mejor acción.
20. Ejemplo de Arquitectura de una aplicación
con refuerzo
• Recomendador + Chatbots: una aplicación envía notificaciones push a los usuarios, en las que se
envían recomendaciones personalizadas relacionadas con la salud, el estado físico, la actividad, etc.
así como chats interactivos donde la aplicación reacciona en respuesta a la consulta de un usuario.
• Canal de retroalimentación múltiple, con retroalimentación capturada desde dispositivos o
sensores del teléfono/tablet que aloja la aplicación del usuario (cámara web, termostato, reloj
inteligente, micrófonos, acelerómetros).
• Por ejemplo, se captura la expresión facial del usuario por medio de la cámara junto con una respuesta de texto del
usuario para calcular el sentimiento del usuario sobre una acción recomendada.
21. Ejemplo de Implementación
Múltiples canales de comentarios: corresponden a una
transmisión de video en vivo y la interacción del usuario
con un artículo.
Dada una fotografía del usuario, la puntuación de
opinión se calcula mediante la API de Azure Face.
Por ejemplo, artículos trágicos, tristes, deprimentes,
etc., no se muestran a menos que el usuario esté "feliz".
24. Azure Personalizer
• Microsoft es la primera empresa que convierte el uso empresarial del aprendizaje de
refuerzo en una posibilidad gracias a Personalizer.
• Su ciclo de aprendizaje se ejecuta a una velocidad digital y aprende de una puntuación de
compensación sencilla que se optimiza para alcanzar sus objetivos empresariales.
• Ofrezca experiencias más inteligentes para cada usuario que mejoren con el tiempo.
• A diferencia de los motores de recomendaciones que adoptan algunas características y
recomiendan elementos de un amplio catálogo, Personalizer adopta algunos elementos con
características sofisticadas y predice el mejor resultado para el usuario específico en ese
dispositivo y en ese mismo momento.
25. ¿Cómo funciona?
Have Fun!
…
We think you’ll like
?
Watch
Play
Join
Personalizer
Watch Action 2 Info
Action 3 Info
User & Context
Info
Action 1 info
Your Users
Your business
logic observing &
evaluating user
behavior
Reward Score
Reward(r)
Personalizer
Service
Rank(..)
Join
Play
Join
Watch
Play
Join
27. Typical training now has new patterns
Ranking
Aprovecha los datos del motor de recomendaciones
existente, los perfiles del usuario aprobado o fuentes de
datos de contexto
Efecto de Retroalimentación
Descubra nuevos patrones y vuelva a entrenar en modelos
existentes, mejorar los frameworks con el tiempo
Product /
Media Catalog
e.g. 500,000 items
User
30 Items
Personalizer
Top contextual &
personalized
products
Recommendation Engine
Existing Personalization
Existing Segmentation,
Collaborative Filtering, Etc.
Editorial Team
Editorial Team creates content
Typical training now has new patterns
29. • Envía información (funciones) sobre tus usuarios y el contenido (acciones) a personalizar.
• Personalizer responde con la acción superior.
• Enviar comentarios al Personalizer sobre qué tan bien funcionó la clasificación (un valor entre 0 y
1).
32. Personalizer SDK
• Microsoft.Azure.CognitiveServices.Personalizer (Nuget Package)
• APIs:
• Rank API – Elige el mejor item (desde las acciones) basada en información en
tiempo real, proporcionando contenido y context
• Reward API – Determina el puntaje basado en tus necesidades de negocio y
envía esta retroalimentación a Personalizer (1 – bien, 0 – mal)
40. ¿Dónde usar Personalizer?
• Personaliza qué artículo(s) se destaca(n) en un sitio web de noticias.
• Determina cuál artículo recomendado debe aparecerle al usuario en
una tienda en línea.
• Sugiere elementos de la interfaz de usuario, como filtros, para aplicar
a una foto.
43. Nivel gratuito por 12 meses
• El nivel gratis es ideal para empezar a utilizar el servicio y
para aprender a usarlo en su aplicación.
• Una transacción es una solicitud para crear una
clasificación de elementos personalizada. En términos de
interacciones con la API, esto puede suponer desde cero
hasta varias llamadas HTTP para enviar las recompenzas a
la IA.
• La característica del modo aprendiz no tiene ningún costo
adicional en la versión Preview. El precio se actualizará
cuando el modo aprendiz esté disponible con carácter
general.