Salesforce正在向自己的Commerce Cloud中注入更多的人工智能特性。
Salesforce今天推出了两个面向其电子商务自动化平台新的AI服务,旨在帮助零售商更有效定位在线购物者。这两个服务都采用了Einstein(Salesforce核心服务的机器学习层),并公开了应用编程接口以便让企业将其嵌入到自己的服务中。
这次推出的第一项服务名为Einstein Recommendations API,它采用人工智能生成量身定制的购物推荐,让零售商能够将网站上显示同类型的个性化产品建议推送到数字渠道中。该服务还可以通过移动应用、店内系统和语音助理(如Amazon的Alexa)提供产品。
另一项服务名为Einstein Visual Search,让购物者能够通过他们关注的特定商品的照片,更快地搜索零售商的在线目录。该服务采用的机器学习算法可以分析图像以识别匹配的产品,如果没有完全匹配则找出最相似的产品。
除了这两项服务之外,Salesforce还将推出第三款产品,名为Commerce API Explorer,它与Einstein Visual Search的角色类似,但是面向开发者的。Commerce API Explorer,是一个门户网站,旨在让应用团队更容易浏览和对比各种API选项。
另外Salesforce还更新了High-scale Inventory Availability Service,让零售商们可以向在线买家展示拥有所需库存产品的最近门店,并通过外部服务(如乘车应用)显示产品供货信息。
Commerce Cloud是Salesforce业务中规模相对较小但增长迅速的一项业务。Salesforce在最近一次财报电话会议上称,Commerce Cloud和Marketing Cloud的总收入同比增长了37%,达到4.89亿美元。随着传统零售商增加技术投资以应对亚马逊的快速扩张,这一增长势头将继续下去。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。