Hur pandemin förberedde Alibabas AI för världens största shoppingdag

VCG / Stringer via Getty

Nyheterna: Medan USA har fastnat för sitt val, har Kina shoppat. Från 1 till 11 november genererade landets främsta e-handelsjättar, Alibaba och JD, 115 miljarder dollar i försäljning som en del av deras årliga shoppingbonanza för Singles’ Day. Alibaba, som startade festivalen 2009, stod för 74,1 miljarder dollar av denna försäljning, en ökning med 26 % jämfört med förra året. Som jämförelse, Amazons 48-timmars Prime Day-försäljning passerade bara 10 miljarder dollar i år.

Pandemiskt stresstest: Händelsens omfattning gör det till något av ett logistiskt mirakel. För att lyckas med bedriften investerar Alibaba och JD kraftigt i AI-modeller och annan teknologisk infrastruktur för att förutsäga efterfrågan på köp, optimera den globala distributionen av varor över lager och effektivisera leveranser över hela världen. Systemen testas och förfinas vanligtvis under hela året innan de tänjs ut till sina gränser under själva evenemanget. I år stod dock båda företagen inför en komplikation: redovisning förändringar i shoppingbeteende på grund av pandemin .

Trasiga modeller: Under de första veckorna efter coronavirusutbrottet såg båda företagen sina AI-modeller bete sig konstigt. Eftersom pandemin slog till under det kinesiska nyåret köpte hundratals miljoner människor som annars skulle ha shoppat på helgerna istället förnödenheter för låsning. Detta beteende gjorde det omöjligt att förlita sig på historiska data. Alla våra prognoser stämde inte längre, säger Andrew Huang, chef för den inhemska försörjningskedjan på Cainiao, Alibabas logistikdivision.

Människor köpte också saker av olika anledningar, vilket flög i ansiktet med plattformarnas produktrekommendationer. Till exempel antog JD:s algoritm att människor som köpte masker var sjuka och rekommenderade därför medicin, när det kanske var mer meningsfullt att rekommendera handsprit.

Changing tack: Nedbrytningen av deras modeller tvingade båda företagen att bli kreativa. Alibaba fördubblade sin kortsiktiga prognosstrategi. Istället för att projektera shoppingmönster baserat på säsong, till exempel, förfinade Cainiao sina modeller för att ta hänsyn till mer omedelbara variabler som föregående veckas försäljning som ledde fram till stora kampanjevenemang, eller externa data som antalet fall av covid i varje provins, säger Huang . Som livestreamad e-handel (visa upp produkter i realtid och svara på frågor från köpare) exploderade i popularitet under karantänen, företagets logistikarm byggde också en ny prognosmodell för att projicera vad som händer när populära livestream-influencers marknadsför olika produkter.

Och JD omarbetade sina algoritmer för att överväga fler externa och realtidsdatasignaler, som covid-fallsladdningar, nyhetsartiklar och offentliga känslor på sociala medier.

Oväntad välsignelse: Att lägga till dessa nya datakällor i sina modeller verkar ha fungerat. Cainiaos nya AI-modell för livestreaming, till exempel, slutade med att spela en stor roll i att prognostisera försäljning efter att Alibaba gjort livestreaming till en central del av sin Singles' Day-strategi. För JD kan dess uppdateringar också ha ökat den totala försäljningen. Företaget säger att det såg en 3% ökning av klickfrekvensen på sina produktrekommendationer efter att det rullade ut sin förbättrade algoritm, ett mönster som höll i sig under Singles' Day.

Förstå sammanhang: Båda företagen har lärt sig av erfarenheten. Till exempel säger Huang att hans team lärde sig att varje livestream-influencer mobiliserar sin fanbas för att uppvisa olika köpbeteenden, så det kommer att fortsätta att skapa skräddarsydda förutsägelsemodeller för var och en av sina främsta influencers. Samtidigt säger JD att de har insett hur mycket nyheter och aktuella händelser påverkar e-handelsmönster och kommer att fortsätta att justera sin produktrekommendationsalgoritm därefter.

Uppdatering: Relationen mellan Alibaba och Cainiao har klargjorts.

Dölj