聊城做网站的公司平台今日国内重大新闻事件

这几年，伴随着ChatGPT开始的AI浪潮席卷全球，从聊天场景逐步向多场景扩散，形成了广泛开花的现象。至今，虽然在部分场景的进展已经略显疲态，但当前的这种趋势仍然还在不断的扩展。不少公司，甚至有不少大型电商公司都将AI作为未来的重要方向。本文以电商中的部分AI应用做一定总结。
其实，在电商中应用AI技术，已经具有非常久远的历史了，那么之前的应用和现在的有哪些区别呢？

ChatGPT之前

原先的应用，是以人工智能技术（AI技术），包括线性回归、NPL、决策树、深度学习等众多技术来在各个场景进行尝试性探索。举几个具体的例子：

预测

预测是AI技术应用的典型场合，它是通过对历史和当前的各类数据进行分析，结合各种信息对未来进行预测的一种方法。在具体应用上，又可以分为多个粒度、多个场景。以电商平台大促的销量预测举例：

• 逻辑预测视角，高层要对平台总成交（GMV）做预测，各个事业部要进行拆解（各个行业、品类等），对应到具体品牌商、运营人员，则要进一步在各自的范围内进行预测，最终还要拆分到商品一级，才能进行大促的生产备料备货。这是从粗到细的虚拟结构逐层预测的，而且多层之间还要报纸内在的一致性。
• 物理预测视角，大促除了销量高，另一个至关重要的因素就是物流运力。与线上成交额不同，上亿、上十亿的物流包裹是需要线下的仓库存储的、每一单都需要物流快递人员真实操作的。因此还需要从仓储能力、运输能力、配送能力等进行预估，而这时可能就需要从物理层次上进行预测，华东、华南等地如何，还要具体到仓库布局、到省到市到仓等。
• 预测技术，在预测技术中，既可能采用移动平均、指数平滑等技术，也会采用诸如决策树、随机森林、深度学习等AI技术进行预测。
• 数据处理技术，这一部分在数据处理中是至关重要的一环，没有良好的数据基础，是跑不出泛化能力强的模型的。

推荐

推荐是电商平台最典型的应用，相比于线下零售，电商平台掌握了更多数据，能够更好的挖掘人们的偏好，从而比消费者还懂消费者的给出最匹配推荐。AI技术中的数据挖掘、自然语言处理（NLP）就是推荐场景下的最好武器。当然，现在推荐已经广泛地使用在新闻、视频等各种咨询平台上了。

机器人客服

说到电商，就不能不说服务。电商平台以物美价廉服务好来打造口碑。针对服务，电商平台也推出并标准化了不少模式，比如7天无理由、仅退款、送货上门、送装一体等。另外，电商平台的交流是隔着网线的，往往没有线下交流方便，沟通成本会高很多，因此，很多电商平台和第三方公司，会努力研发机器人客服，力图降低低价值、重复性的远程沟通。
在ChatGPT之前，聊天机器人主要还是使用专家系统的方式来进行，需要努力的将自身或者行业的知识库进行整理，设置关键字，通过用户提问的关键字匹配出设置好的答案。效果是有，但是感觉不是特别智能，有一种呆呆的感觉。

ChatGPT之后

ChatGPT出现之后，极高的聊天准确率给了人们非常大的震撼，也引起了巨大的行业动作，人们从惊叹、质疑慢慢了到了理解和接受，在这近两年的时间里，感触最深的是如下几点：

• 思维的变化：从AI是被动工具慢慢转向AI的主动创造。通过大量的、不断优化的提示词，AI可以进行与人类类似的思维、编码、写作和艺术创作了。
• AI工具的进化：从单独的、特定场景的AI慢慢进化到完成整件事了。通过多Agent、工作流等方式，AI除了解决特定技术，已经可以处理流程了。
• AI的未来仍然待定义：当前的很多AI仍然在重复已有的事情，仍然是在用新工具重做现有的事情，AI如何定义AI的事情，还需要继续探讨。

在ChatGPT之后，上述的几种场景也发生了一些变化。

预测

预测技术流里，很大一派就是深度学习流派，这一排更加发扬光大了。

推荐

推荐主要基于历史和关系，找出新的兴趣点。因此，在对上下文、关联关系理解的更准确之后，推荐的效果也体现了一些变化。但感性上看，没有机器人客服的感受明显。

机器人客服

这个是表现最明显的，毕竟掀起这次浪潮开端的ChatGPT就是以聊天的方式进入人们视野的。
在这里，主要体现在以下几个点的变化：

• 对问题的匹配率变得更高了，理解的更准了。
• 支持多轮对话，可以理解上下文。
• 回答更加人性化了，机器人除了像机器，也有点像人了。