7 janvier 2021 Pour obtenir de réels retours sur les investissements dans l'IA et le Machine Learning, les chefs d'entreprise doivent d'abord comprendre les relations de cause à effet ayant un impact sur la performance. Siddharth Mohan, scientifique principal de Data à Artefact Pays-Bas et France, explique comment l'intelligence causale peut stimuler les performances.
5 janvier 2021 Les outils d'attribution marketing, tels que Facebook Attribution, Google Analytics et Adobe Analytics, peuvent aider les responsables marketing à obtenir des informations uniques sur ce que font leurs consommateurs à travers les canaux et les points de contact - mais seulement s'ils les configurent correctement. Katharina Zilke, responsable des médias sociaux chez Artefact Allemagne, décrit les cinq étapes que les responsables marketing peuvent suivre pour se donner les meilleures chances de succès.
14 décembre 2020 Avec l'introduction des permissions opt-in pour les apps, iOS 14 rendra plus difficile pour les marques de cibler les consommateurs à un niveau individuel et de mesurer les résultats des activités marketing. Bobby Gray, responsable de l'analyse et du marketing Data chez Artefact, examine l'impact et explique comment les marques peuvent réagir en utilisant first-party data.
25 novembre 2020 Les spécialistes du marketing souhaitent depuis longtemps être en mesure de savoir quand, où et comment leurs consommateurs interagissent avec leurs marques - en ligne et hors ligne. Des outils tels que Facebook Attribution peuvent aider les marques à franchir une étape décisive dans leur compréhension, explique Arnaud Marro, responsable des médias sociaux chez Artefact France.
25 novembre 2020 Dans cet article, Kasra Mansouri et Camille Le Gonidec, scientifiques principaux de Artefact, expliquent comment créer un produit scientifique data avec des contraintes commerciales élevées et un nombre limité de data. Découvrez comment ils ont réussi à réduire les ruptures de stock dans les hypermarchés grâce à la modélisation des séries temporelles.
25 novembre 2020 Dans cet article, Amale El Hamri, scientifique senior Data à Artefact France, explique comment former un modèle linguistique sans comprendre la langue elle-même. L'article comprend des conseils sur l'origine des data d'entraînement, la quantité de data dont vous avez besoin, le prétraitement de votre data et la manière de trouver une architecture et un ensemble d'hyperparamètres qui conviennent le mieux à votre modèle.
25 novembre 2020 Chez Artefact, nous sommes tellement français que nous avons décidé d'appliquer le Machine Learning aux croissants. Ce premier article sur deux explique comment nous avons décidé d'utiliser Catboost pour prédire les ventes de “viennoiseries”. Les caractéristiques les plus importantes qui influencent les ventes sont les dernières ventes hebdomadaires, le fait que le produit soit en promotion ou non et son prix. Nous vous présenterons quelques caractéristiques techniques intéressantes, notamment la cannibalisation et les raisons pour lesquelles vous devez parfois mettre à jour votre variable cible.
25 novembre 2020 Les conseillers des centres d'appel commencent à voir émerger l'utilisation des NLU dans leur vie quotidienne, ce qui leur permet de répondre plus facilement aux demandes des clients. Pour ce faire, un outil doit être capable de reconnaître en même temps la demande du client et ses caractéristiques, en d'autres termes, une intention et des entités nommées.
24 novembre 2020 En octobre dernier, Artefact a organisé un webinaire avec la société d'assurance habitation HomeServe pour discuter de la façon dont l'analyse vocale aide la société à améliorer son expérience client et à stimuler ses performances commerciales. Dans ces extraits, Mickael Loreau, directeur de l'innovation et des produits chez HomeServe, discute avec Matthieu Myszak, directeur du conseil de Artefact Data, et Hanan Ouazan, directeur - Data Science VP, des progrès qu'ils ont réalisés jusqu'à présent.
