Kontynuując temat rozpoczęty w poprzednim artykule, chciałbym dziś omówić kilka potencjalnych zastosowań omówionych metod wspomagających podejmowanie decyzji. Ze względu na swoją charakterystykę logika rozmyta wydaje się być odpowiednią do wdrażania w wielu dziedzinach naszego życia, w których mamy do czynienia z niepewnością, brakiem informacji bądź brakiem precyzji. Techniki bazujące na logice rozmytej mają szerokie zastosowanie wszędzie tam gdzie nie istnieje możliwość użycia logiki klasycznej bądź jej użycie sprawia trudność ze względu na zapis matematyczny. Nowoczesne metody oparte m.in. o zbiory rozmyte i zbiory przybliżone są z powodzeniem używane w rozwoju inteligentnych systemów decyzyjnych, identyfikacji czy też optymalizacji i kontroli.
- Modele satysfakcji klienta
Satysfakcja klienta jest jednym z kluczowych celów działalności przedsiębiorstw. Odzwierciedla ona zadowolenie klienta w stosunku do produktu i przekłada się bezpośrednio na sposób postrzegania firmy. Satysfakcja klienta jest skrupulatnie mierzona przez wszystkie duże firmy w oparciu o dane pozyskane od klientów. Firmy zajmują się analizowaniem satysfakcji klienta z zastosowaniem logiki rozmytej w celu określenia, które cechy klientów mają największy wpływ na poziom zadowolenia. Dzięki temu możliwe jest dokładniejsze adresowanie produktów i reklam do odpowiedniej grupy odbiorców. - Wyznaczanie rekomendacji, VOD i Smart TV
Logika rozmyta i metody wspomagające podejmowanie decyzji mają szerokie zastosowanie w różnego rodzaju systemach rekomendujących począwszy od rekomendowania produktów aż po rekomendacje filmów i programów telewizyjnych. Dziś powszechnie się mówi o zanikaniu tradycyjnej telewizji, którą zastępuje tzw. Smart TV czyli telewizja inteligentna w której widz ogląda programy specjalnie dopasowane do jego gustu. Algorytm opiera się o oceny filmów i programów już obejrzanych i ocenionych korelując je z ocenami innych widzów (tzw. collaborative filtering) bądź/i powiązaniami i podobieństwem pomiędzy filmami (tzw. content based filtering).
Szczególnie duże zastosowanie systemów rekomendujących jest widoczne w kontekście VOD (ang. Video on Demand), czyli wideo na żądanie. VOD obchodzi ograniczenie tradycyjnej telewizji, w której algorytm rekomendujący musi się ograniczać do listy filmów i programów, które są w ramach programu telewizyjnego. W VOD ograniczeniem jest jedynie wielkość bazy filmów, zatem rekomendacje mogą być jeszcze trafniejsze, a zadowolenie widza większe, co z kolei przełoży się na wielkość sprzedaży.
Kolejnym ważnym zastosowaniem systemów rekomendujących w oparciu o logikę rozmytą są reklamy. O ile w przypadku klasycznej telewizji te same reklamy są kierowane do wszystkich odbiorców to w przypadku serwisów VOD są one dobierane indywidualnie w oparciu o preferencje danego widza. Chętniej oglądamy reklamy, których treść nas interesuje, co potwierdzają badania. Joseph P. Clayton prezes zarządu firmy Dish Network, jednej z największych platform cyfrowych twierdzi, iż jedna dobrze dopasowana reklama posiada większą wartość niż pięć reklam niespersonalizowanych. Spersonalizowane reklamy są więc korzyścią dla obu stron: dla widza oznaczałoby to krótszy czas oczekiwania i ciekawszą treść reklam, dla firmy streamingowej większe zainteresowanie reklamami przełożyłoby się na większą liczbę odbiorców a więc i zwiększony zysk.
Systemy rekomendujące nie muszą ograniczać się jedynie do telewizji i serwisów VOD. Algorytmy rekomendujące wykorzystywane są również przez sieci kin, które starają się zwiększyć zainteresowanie widzów filmami aktualnie dostępnymi w kinie. Do widzów zapisanych do listy mailingowej wysyłane są informacje o interesujących premierach. Dla sieci kin oznacza to wzrost zaangażowania użytkowników o 3-5%, co w sposób bezpośredni przekłada się na zarobki. W ostatnich dwóch latach dużą popularnością cieszyły się również serwisy rekomendujące treści z najpopularniejszych stron informacyjnych. Działają one dokładnie tak systemy VOD. Po przeczytaniu kolejnego artykułu algorytm uczy się preferencji użytkownika by rekomendować treści z jeszcze większą dokładnością.
Niezwykle ciekawy jest fakt, iż systemy wyznaczające rekomendacje wpływają pozytywnie na zainteresowanie użytkowników daną usługą. Prezes największego w Polsce serwisu internetowego poświęconego filmom – Filmweb Artur Gortych w wypowiedzi opublikowanej na portalu Filmweb.pl potwierdził, iż rok po wprowadzeniu funkcji Gustomierz liczba głosów oddanych na filmy wzrosła pięciokrotnie. Gustomierz jest autorskim systemem rekomendujących serwisu Filmweb.pl generującym ponad 11 miliardów rekomendacji w oparciu o 130 milionów oddanych przez użytkowników głosów. Dane zbierane przez polską firmę Filmaster pokazują, iż treści rekomendowane cieszyły się dwukrotnie większą aktywnością użytkowników. O tym jak dynamicznie zmieniają się preferencje użytkowników w kwestii kina i telewizji może świadczyć dynamiczny rozwój platformy Netflix. Netflix jest platformą oferującą dostęp do bazy filmów za stałą miesięczną opłatą. W Stanach Zjednoczonych w 2013 roku wyprzedził on pod względem popularności HBO. Według danych z września 2013 roku z Netflix korzystało 30 mln użytkowników przy 28,7 mln abonentów HBO. Główną przewagą, jaką ma Netflix nad konkurencją jest bardzo dokładny system rekomendacji. Algorytm użyty w systemie rekomendującym jest nieustannie ulepszany. W 2006 roku serwis Netflix ogłosił konkurs „Netflix Prize” na poprawienie silnika rekomendacji. Dla zwycięzcy, który poprawi dokładność silnika o 10% zaoferowano nagrodę 1 mln dolarów. W rok od ogłoszenia konkursu zwycięzca poprawił algorytm jedynie o 8,43 %. Sztuka ulepszenia silnika rekomendacji o ponad 10% udała się dopiero w czwartej edycji konkursu w roku 2009. - Wyszukiwanie informacji w bazie danych
Rozmyte zapytania aproksymacyjne stanowią jedną z grup zapytań wykorzystywanych przy wyszukiwaniu informacji w bazach danych. Szczególnie ważna jest tu metoda zbiorów rozmytych, która umożliwia przeszukiwanie tabel bazy danych w oparciu o stopień zgodności obiektu z kryteriami zapytania.W praktycznych zastosowaniach możliwe jest użycie FSQL – języka zapytań używanego do modyfikacji oraz pobierania danych z bazy danych w oparciu o zbiory rozmyte. Przy wyszukiwaniu informacji zamiast wartości liczbowych można używa zmiennych lingwistycznych, które są odzwierciedleniem wartości liczbowych. - Bankowość
Bankowość jest jedną z dziedzin, w której nieustająco borykamy się z ryzykiem. Logika rozmyta służy tu zarówno klientom (np. przy wybieraniu inwestycji bankowych) jak i pracownikom banków (np. przy ubezpieczeniach). Ocena ryzyka kredytowego jest również z punktu widzenia banku bardzo istotną kwestią. Dzięki zastosowaniu logiki rozmytej, w wyniku działania zaimplementowanego algorytmu na podstawie analizy dostępnych danych dotyczących danego klienta pracownik banku otrzymuje informacje wedle której jest w stanie ocenić czy jest on dobrym kredytobiorcą. Tego typu decyzje mogą przekładać się w sposób bezpośredni na kondycję finansową danej placówki bankowej. - Inne
Logika rozmyta i systemy wspomagające podejmowanie decyzji mają bardzo szerokie zastosowanie. Prócz wymienionych przykładów systemy wspomagające podejmowanie decyzji są również używane w następujących dziedzinach:
– Sterowniki w urządzeniach codziennego użytku – logika rozmyta z powodzeniem jest używana w różnego rodzaju sterownikach pracujących w urządzeniach codziennego użytku, takich jak: pralki, lodówki, aparaty fotograficzne, windy;
– Kontrolery służące do sterowania ruchem ulicznym;
– Systemy rozpoznające twarze, mowę itp.;
– Bankowość;
– Sklepy internetowe np. amazon.com, który rekomenduje kolejne produkty bazując na stronach produktów, które użytkownik odwiedził;
– Strony internetowe z filmami wideo np. youtube.com.
Dodaj komentarz