Inhaltsverzeichnis
GenAI hat sowohl Vorteile als auch Einschränkungen und kann einen Mehrwert für die bestehende E-Commerce-Technologie schaffen
GenAI verbessert das Benutzererlebnis durch die Förderung von Kreativität, Erkenntnissen, personalisierten Erlebnissen und der Konversations-Benutzeroberfläche.
GenAI kann als virtueller Mitarbeiterassistent verwendet werden, um die Mitarbeiterproduktivität zu verbessern.
Heim Technologie-Peripheriegeräte KI Gartner: Drei Möglichkeiten, generative KI zu nutzen, um den digitalen Handel zu verbessern

Gartner: Drei Möglichkeiten, generative KI zu nutzen, um den digitalen Handel zu verbessern

Jan 23, 2024 am 11:12 AM
人工智能 生成式人工智能 genai

Generative künstliche Intelligenz (GenAI) ist eine aufstrebende Technologie, die einen disruptiven Einfluss auf die Inhaltsgenerierung und Konversationsbenutzeroberflächen hat. In vielen Bereichen wie dem digitalen Handel hat GenAI großartige Geschäfts- und Anwendungsaussichten gezeigt. Laut der Gartner Marketing Technology Survey 2023 haben 14 % der Befragten bereits in GenAI investiert, um ihre Marketingstrategien zu unterstützen, während 63 % planen, dasselbe in den nächsten 24 Monaten zu tun. Es zeigt sich, dass Unternehmen schnell daran arbeiten, das Potenzial und den Wert von GenAI zu erkennen.

Gartner: Drei Möglichkeiten, generative KI zu nutzen, um den digitalen Handel zu verbessern

In den letzten Monaten haben Anwendungsleiter ein gewisses Verständnis für GenAI gewonnen, müssen aber noch zwei Schlüsselfragen beantworten: Welche Rolle kann GenAI spielen und wie kann es mit bestehenden Technologien kombiniert werden, insbesondere ist es eine spezifische Anwendung im E-Commerce und anderen Bereichen. Die Rolle und Hauptauswirkungen von GenAI im E-Commerce-Bereich umfassen hauptsächlich die folgenden drei Aspekte (siehe Abbildung 1).

Gartner: Drei Möglichkeiten, generative KI zu nutzen, um den digitalen Handel zu verbessern

Abbildung 1: Drei Möglichkeiten, wie generative künstliche Intelligenz den digitalen Handel verbessert

GenAI hat sowohl Vorteile als auch Einschränkungen und kann einen Mehrwert für die bestehende E-Commerce-Technologie schaffen

Die starke Stärke von GenAI hat bei den Menschen für Verwirrung gesorgt. Das heißt, ob die Technologie die bestehende Technologie oder sogar das Entwicklungsteam ersetzen wird. Einige Gartner-Kunden möchten beispielsweise wissen, ob GenAI zum Erstellen von E-Commerce-Websites verwendet werden kann, um so die Notwendigkeit zu vermeiden, in teure Anwendungen und Implementierungen zu investieren. Tatsache ist jedoch, dass GenAI zwar bei der Erstellung einiger grundlegender Websites helfen kann, seine Funktionen jedoch noch nicht ausgereift sind und die komplexen Kundenerlebnis- und Verwaltungsfunktionen, die Unternehmenskunden benötigen, nicht vollständig erfüllen können. Daher wird GenAI Synergien mit bestehenden E-Commerce-Technologien schaffen, anstatt diese zu ersetzen. Darüber hinaus wird GenAI auch mit diskriminierender KI (der KI-Technologie, die derzeit in den meisten E-Commerce-Anwendungen verwendet wird) arbeiten, um Funktionen wie Suche und Personalisierung zu unterstützen.

Normalerweise müssen Unternehmen GenAI in Verbindung mit diskriminierender KI und anderen Technologien wie Suchmaschinen, digitalen Assets, Wissensdatenbanken, Analysetools und Regelmaschinen verwenden, um relevante Ergebnisse zu erhalten. GenAI kann eine Aufgabe selten alleine bewältigen, daher haben viele Technologieanbieter GenAI-Funktionen in ihre Lösungen integriert. Dies ist für Unternehmen die einfachste und kostengünstigste Möglichkeit, GenAI zu nutzen.

GenAI verbessert das Benutzererlebnis durch die Förderung von Kreativität, Erkenntnissen, personalisierten Erlebnissen und der Konversations-Benutzeroberfläche.

E-Commerce-Anwendungen und diskriminierende KI sind zu leistungsstarken Werkzeugen für die Verwaltung verschiedener Elemente eines Unternehmens geworden, wie z. B. Produkte, Kunden, Preise und Regeln. Diese Elemente bilden die Datengrundlage, auf die sich GenAI stützt, um bestehende Funktionen zu verbessern oder neue bereitzustellen. Beispielsweise kann diskriminierende KI Produktattribute extrahieren, indem sie Textbeschreibungen und Bilder bestehender Produkte analysiert. Basierend auf diesen Attributen, kombiniert mit dem Produkt selbst und der Markenpositionierung, kann GenAI dann völlig neue Produktbeschreibungen und Bilder erstellen. Diese Kombination von Technologien bringt Unternehmen mehr Innovation und Wettbewerbsvorteile.

GenAI kann das E-Commerce-Benutzererlebnis auf folgende Weise verbessern:

  • Kreativität verbessern: GenAI kann den Horizont menschlicher Designer erweitern, neue Ideen inspirieren und Produkt- und Designinnovationen fördern.
  • Erkenntnisse entdecken: eine große Menge der E-Commerce-Daten und -Einblicke sind über unterschiedliche Systeme verteilt, was es für Geschäftsanwender schwierig macht, sie zu finden und zu nutzen. Mit der Leistungsfähigkeit von Prompt Engineering und Suchmaschinen kann GenAI in Daten verborgene Signale und Muster entdecken, um Geschäftsanwendern schnell Unterstützung zu bieten.
  • Personalisierte Erfahrung: Erstellen Sie personalisierte Kommunikationsnachrichten und Inhalte auf der Grundlage relevanter Kundendaten und Situationsinformationen, um den Kunden zu verbessern Engagement, einschließlich Nachrichtenöffnungsraten, Klickraten und Konversionsraten;
  • Konversationsbenutzererlebnis: GenAI ist gut in der Verarbeitung und Generierung natürlicher Sprache, was das Konversationserlebnis von Kunden und Mitarbeitern verbessern kann.

GenAI kann als virtueller Mitarbeiterassistent verwendet werden, um die Mitarbeiterproduktivität zu verbessern.

GenAI zeichnet sich durch die Bewältigung mehrerer Aufgaben aus, insbesondere bei Aufgaben im Zusammenhang mit der Inhaltsgenerierung und der Aggregation von Erkenntnissen. Es kann als virtueller Assistent dienen und Mitarbeiter bei der Erledigung von Arbeitsaufgaben unterstützen. Allerdings verfügt GenAI nicht über die Möglichkeit, Unteraufgaben zu definieren. Unteraufgaben müssen durch Workflows oder entsprechende Paketanwendungen definiert werden, und dann kann GenAI diese Unteraufgaben jeweils abschließen, um das Gesamtziel zu erreichen. E-Commerce-Workflows sind in der Regel sehr komplex und beinhalten unternehmensspezifische Daten, Systeme und Prozesse. Daher müssen Organisationen die Kontrolle über ihre Arbeitsabläufe behalten und dürfen die Kontrolle nicht an GenAI abgeben.

Unternehmen sollten:

  • Ein Technologieportfolio aufbauen, das alle Arten von KI-Technologien abdeckt, und die Vorteile verschiedener KI-Technologien voll ausschöpfen. Beispielsweise wird GenAI verwendet, um neue Inhalte zu generieren und Konversationsbenutzeroberflächen (UI) zu erstellen, und diskriminierende KI wird zur Klassifizierung und Vorhersage verwendet.
  • Ermöglichen Sie die Interaktion zwischen E-Commerce-Anwendungen und GenAI und versorgen Sie letztere über erstere mit den notwendigen Daten (wie Produkt-, Kunden- und Bestelldaten), um eine optimale Leistung zu erzielen.
  • Identifizieren Sie E-Commerce-Workflow-Aufgaben (z. B. Verkaufszyklus, Verkaufsplanung), die mithilfe von GenAI automatisiert werden können und einen Mehrwert schaffen, insbesondere solche, die die Erstellung neuer Inhalte und die Aggregation von Erkenntnissen betreffen.

Das obige ist der detaillierte Inhalt vonGartner: Drei Möglichkeiten, generative KI zu nutzen, um den digitalen Handel zu verbessern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles