DoorDash внедряет генеративные модели на основе LLM для улучшения персонализации на своей платформе. Это новшество позволяет создавать адаптивные профили пользователей и контентные планы, оперативно реагирующие на изменения их предпочтений в момент покупки.
Контекст и конкурентная среда
Динамичная персонализация становится важным элементом в борьбе за внимание клиентов на рынке доставки. Ранее платформы использовали статичный подход к рекомендациям, что ограничивало их эффективность. Теперь же, с ростом числа пользователей и предложений (в DoorDash более 500 000 наименований товаров), вопрос о том, как выбрать именно то, что нужно в конкретный момент, становится на первом месте.
Sudeep Das, руководитель отдела машинного обучения в DoorDash, отмечает, что пользователи становятся более требовательными к скорости и точности рекомендаций. Новый подход включает использование LLM для интерпретации потребительских интересов на лету, учитывая, например, что после вечернего просмотра фильма люди могут захотеть заказать еду.
Инновационные технологии и подход
Система, созданная DoorDash, сочетает в себе технологии LLM и традиционные подходы глубокого обучения для обработки данных о пользовательских предпочтениях. Результат — более точные рекомендации, которые адаптируются под конкретные «моменты» — ситуации, когда пользователю особенно важно получить нужный товар. Например, это может быть поздний вечер или сезонные распродажи.
При этом, использование глубоких нейросетей позволяет не только рекомендовать продукты, но и различать запросы пользователей в зависимости от времени суток и их текущего настроения. Этот подход значительно помогает повысить уровень удовлетворенности клиентов и, в конечном итоге, увеличивает выручку компании.
Что это значит для рынка
Для разработчиков в сфере AI и е-commerce это сигнал о дальнейшем развитии персонализации. Подобные технологии не только открывают возможности для более глубокого понимания потребностей клиентов, но и могут привести к исчезновению традиционных методов рекомендаций на основе статических данных. Рынку необходимо адаптироваться к новым условиям и включать подобные подходы в свои бизнес-стратегии.
Следующий шаг для DoorDash — это улучшение системы глубокого обучения, что позволит ещё лучше сегментировать пользователей и предлагать более персонализированный сервис.