Page 31 - 6.Machine Learning for Data Science
P. 31

หลักสูตรการวิเคราะหอินเทอรเน็ตของทุกสรรพสิ่งเบื้องตนดวย Hadoop  |  30




                  การเสนอโฆษณาตรงกลุมเปาหมาย

                         การเก็บรวบรวมขอมูลของผูใชเปนวิธีการที่ Google และ Facebook กระทำมาโดยตลอดขอมูลเหลานั้นจะถูก

                  นำมาวิเคราะหเพื่อนำเสนอโฆษณาที่สอดคลองกับความตองการของบุคคลได เชน การแสดงโฆษณาของบริษัทแชมพูแหงหนึ่ง
                  ที่เลือกโฆษณาขายแชมพูเพื่อผมนุงตรง จัดทรงงาย (anti-frizz ใหกับลูกคาที่อยูในบริเว ณที่อากาศชื้น โดยอาศัยขอมูลรูปแบบ

                  พฤติกรรมของผูใชโทรศัพทมือถือจาก 3 ลานแหงบนโลก แลวนำมาประกอบกับขอมูลพยากรณอากาศจากแอปพลิเคชัน

                  พยากรณสภาพอากาศ The Weather Channel
                  การคนหาขอมูลตรงเปาหมาย (Semantic Search

                         การคนหาขอมูลตรงเปา เปนวิธีการคนหาขอมูลรูปแบบหนึ่งที่จะสรางการเปลี่ยนแปลงครั้งใหญโดย Google ได
                  นำเอารูปแบบการคนหาขอมูลแบบตรงเปามาใชงาน โดยในอดีตเมื่อตองการคนหาขอมูลดวย Google จะตองพิมพคำสำคัญที่

                  ตองการคนหาแตในอนาคตจะสามารถคนหาขอมูลไดโดยการพิมพขอความในรูปแบบภาษาพูดทั่วไป และ Google จะสามารถ

                  ตอบคำถามไดตรงกับสิ่งที่ตองการคนหา ซึ่งการคนหาขอมูลในลักษณะนี้นำเอาการเรียนรูของเครื่องจักรรวมกับขอมูลขนาด
                  ใหญมาใชงานรวมกัน และนอกจากจะทำใหผูใชคนหาขอมูลไดงายขึ้นจากระบบที่เขาใจอยางแทจริงวาผูใชตองการอะไรแลว

                  ยังชวยใหนักการตลาดพัฒนาความพึงพอใจของผูใชที่เขาใชเว็บไซตไดงายขึ้นดวยตัวอยางเชน

                         Walmart บริษัทที่มีมูลคาการขายสูงหลายพันลานบาท ก็นำการวิเคราะหคำและการเรียนรูของเครื่องจักรมาใชเพื่อ
                  เพิ่มความแมนยำใหกับการคนหา โดย Walmart พบวาการนำการคนหาแบบตรงเปามาใช สามารถเพิ่มจำนวนการซื้อสินคาใน

                  เว็บไซตจากผูเขาชมเว็บไซตเพิ่มมากขึ้นไดถึง 10-15% และยังชวยประหยัดเวลาในการแกไขปญหาหรือตอบคำถามทางธุรกิจ

                  ที่ซับซอนไดอีกดวย
                         Netflix เปนบริการดานความบันเทิงที่มีผูใชงานจำนวนมากเนื่องจาก Netflix สามารถสรางรายชื่อภาพยนตร

                  แนะนำที่ตรงใจลูกคาแตละคน (personalize ได  โดยการใชการประมวลผลขอมูลขนาดใหญในการเขาถึงความตองการของ

                  ลูกคา
                         รูปแบบของ Netflix ยังชวยใหผูผลิตสื่อและเนื้อหาตางๆ ก็สามารถนำเสนอขอมูลที่ตรงใจผูอานไดโดยการวิเคราะห

                  วาผูคนกำลังสนใจที่จะอานเรื่องใดมากที่สุด ผูผลิตสื่อจะพยายามเขียนเรื่องราวใหตรงกับความสนใจที่สุด นอกจากนี้นักการ

                  ตลาดสายดิจิตอลสามารถนำขอมูลจากเว็บไซตมาใชประโยชน เชน นำขอมูลที่อยู (location ขอมูล  demographics เชน

                  อายุ เพศ ของผูที่เขาชมเว็บไซตมาพัฒนาเพื่อใหเขาถึงกลุมเปาหมายไดมากขึ้น ดังที่ไดกลาวไปขางตน Netflix ใชวิธีการเก็บ
                  ขอมูลผูชมภาพยนตรและประมวลผลขอมูล จนสามารถพัฒนาเนื้อหารายการใหมๆที่นาจะถูกใจผูชม และสามารถแนะนำ

                  รายการที่นาสนใจสำหรับแตละบุคคลได

                         สิ่งตอไปที่ Netflix กำลังทดลองทำ คือ การเลือกแบนเนอรกราฟกที่นาสนใจสำหรับแตละบุคคล ในอนาคตจึงมี
                  ความเปนไปไดที่ผูใชจะเห็นแบนเนอรภาพยนตรที่แตกตางกันตามภาพฉากการกระทำของตัวละครที่นาจะตรงใจ หรือภาพ

                  นักแสดงภาพยนตรที่คุนตาซึ่งทั้งหมดนี้ก็มาจากการประมวลผลขอมูลขนาดใหญ





                   INTRODUCTION TO IOT ANALYTICS USING HADOOP                                        สถาบันสหวิทยาการดิจิทัลและหุนยนต มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร
   26   27   28   29   30   31   32   33   34   35   36