Ön itt áll: PályázóknakPályázatokTámogatott projektekEredményes projektek
Valós idejű webes ajánlórendszereket fejlesztünk
Valós idejű webes ajánlórendszereket fejlesztünk
2018. június 12.
Utolsó módosítás: 2018. július 16.
Olvasási idő: 6 perc

A Gravity R&D Zrt. internetes ajánlórendszereket fejleszt, a Netflix versenye adta a kezdeti lökést, aztán kutatási támogatást is kaptak. Ügyfeleik fele külföldi, fele magyar, algoritmusaikat senki nem tudja megverni a piacon. Akkor is elég jól tudják, mit szeretnénk, ha most járunk először egy weboldalon.  2017-ben duplázták bevételeiket.

Tikk Domonkos

Tikk Domonkos ügyvezető, Gravity R&D


Ajánlórendszerek különböző formáival ma már mindenütt találkozunk: webáruházak, zenei és filmes streamingszolgáltatók vagy közösségimédia-felületek mind alkalmaznak valamilyen algoritmust, amelyek igyekeznek különböző információk alapján a felhasználóknak minél érdekesebb, relevánsabb további termékeket, szolgáltatásokat ajánlani. Az ilyen rendszerekben rejlő potenciált ismerte fel hamar egy, a Budapesti Műszaki és Gazdaságtudományi Egyetem berkeiben összeállt csapat, akik először a 2006-ban, az akkor az Amerikai Egyesült Államokban már viszonylag népszerű, de Magyarországon még alig ismert Netflix egy millió dolláros fődíjú versenyén indultak el. A feladat a cég ajánlórendszerének felülmúlása volt, a csapat pedig holtversenyben első helyezést ért el.

„A kezdeti négyfős alapítói csapatból három ma is aktív a cégben, jelenleg pedig negyvennél is többen dolgozunk itt” – kezdi felidézni a múltat Tikk Domonkos budapesti irodájukban: a céget a verseny után alapították. A kutatás iránti elkötelezettség a kezdetek óta megvan a cégben, például kulcsszerepet töltöttek be a CrowdRec névű ajánlórendszerek fejlesztését célzó nemzetközi projektben, amelyre EU-s forrásból, a technológiafejlesztési Hetedik Keretprogramból (Seventh Framework Programme, röviden FP7) nyertek el jelentős támogatást, több akadémiai és iparági partnerükkel együtt. A 2013-ban induló és 2016 őszéig tartó projektre összesen több mint 300 ezer eurós EU-s forráshoz jutottak. „A pénz a kutatás és a kutatók finanszírozására, valamint hardverekre költöttük, hiszen jelentős anyagi ráfordítás kellett ahhoz, hogy a rendkívül értékes tudással bíró szakembereket, kutatókat itthon tudjuk tartani.”

A komoly kutatói munkát igénylő projekt célja az volt, hogy olyan ajánlórendszer algoritmust fejlesszenek ki, amely valós időben is képes alkalmazkodni a felhasználó látogatásának céljához. A gyakorlatban ez azt jelenti, hogy a rendszer a felhasználó aktuális viselkedése – elsősorban a kattintásainak sorozata – és az egyéb elérhető információk (használt eszköz, böngésző típusa, hely) alapján ajánl termékeket. Az újdonságot a valós idejű, az aktuális klikkelési szekvenciát figyelembe vevő eljárás, hiszen a korábbi ajánlórendszerek csak historikus adatokból dolgoztak, azaz múltbéli viselkedés alapján próbálták megjósolni, kitalálni, mire lehet szüksége a felhasználónak.

A Gravity által kifejlesztett deep learning (magyarul: mélyhálós) technológián alapuló algoritmuscsalád ezt emeli új szintre, amikor az adott munkamenet alatt kínál megfelelő alternatívákat. „Ez többek között az úgynevezett hideg indításnál jön jól, amikor vagy a termék, vagy a felhasználó új, azaz nincsenek historikus adatok.” A projekt első felében az ehhez szükséges alapkutatásokat végezték el, hogy a deep learning technológia megfelelő implementálásával sikeresen létrehozzák GRU4Rec nevű ajánlórendszeres feladatra specializált mélyhálós algoritmust.

A kutatás második fele az algoritmus tesztelése, mérése és finomhangolása volt különböző referencia-adathalmazokon, azaz megnézték hogyan teljesít majd a rendszer éles helyzetekben. A technológia egyébként komoly számítási teljesítményt igényel: az algoritmus a számítógépek grafikus processzorának (GPU) képességeit használja az ajánlások készítésekor. „Nagyon sok vektor- és mátrixműveletet kell ilyenkor végrehajtani, amelyre architektúrájából adódóan a GPU-k sokkal inkább alkalmasak, mint a CPU-k” – mondja Hidasi Balázs, a Gravity vezető kutatója.

 

Önműködő szoftver

Jelenleg is dolgoznak olyan üzleti modellen, amely azon ügyfelek számára is win-win megoldást nyújt, , ahol nagy számítási kapacitásra van szükség: ezt a kapacitást a Gravity bocsátja rendelkezésre külső felhős erőforrásokkal, nem mindegy, hogy az adott ügyfélnek mekkora kapacitásra van szüksége, és ez mennyibe kerül.

A Gravity egyébként a kutatás mellett már kész szolgáltatással is 2010 óta a piacon van, a Yusp névre keresztelt ajánlórendszerüket számos kisebb-nagyobb cégek alkalmazzák a világ 25 országában. A különböző megmérettetéseken, tendereken rendre kimagaslóan szerepelnek, Tikk Domonkos büszkén meséli, hogy még egyetlen A/B tesztelésen (ilyenkor különböző megoldásokat hasonlítanak össze) sem maradtak alul egyik konkurenciájukkal vagy ügyfelük belső rendszerével szemben sem. Új ügyfél érkezésekor elkezdődik az első, betanítási szakasz, amikor feltöltik a rendszert a rendelkezésre álló információkkal, adatokkal, amelyet az ügyfél biztosít. A szoftver ezután teljesen önműködő, de szükség esetén finomhangolható, egyedi események idején módosítható: akciók, készletkisöprés, Black Friday – mind olyan alkalom, amikor a rendszer működésébe bele lehet nyúlni az egyedi célok hatékony elérése érdekében. Egy vezérlőpulton keresztül alkalmazhatók a különféle beállítások, az pedig az ügyfeleken múlik, hogy maguk intézik, vagy a Gravity szakembereire bízzák módosítások elvégzését.

A szolgáltatás díjszabása kétféle lehet: legtöbb esetben egy forgalommal arányos megoldást alkalmaznak, ami az alapján változik, hogy hány ajánlást ad a rendszer, de olykor teljesítményfüggő díjazásban egyeznek meg a vevővel, ahol a szolgáltatás ára a megtermelt bevételnövekménytől is függ.

Bár az ügyfeleik között fele-fele arányban vannak hazai és nemzetközi vállalatok, a bevételeik túlnyomó részét utóbbiak adják. Tikk Domonkos szerint nagyjából 95 százalékos a külföldi vállalatok részesedése a bevételükből, és azt is elárulja, hogy 2017-ben nagyon sikeres évet zártak: megduplázták az előző évi (632 milliós) bevételüket és ezt a fejlődési pályát igyekeznek a következő években is követni. A kutatási tevékenységüket azonban a jövőben sem tervezik háttérbe szorítani, hiszen ez az egyetlen lehetőség, hogy továbbra is egy lépéssel a konkurencia előtt tudjanak járni egy ilyen dinamikusan fejlődő piacon.

 

Tikk_Domonkos

 

Számos hazai fejlesztési támogatás elnyerése mellett a Gravity az Európai Unió Horizont 2020 programjából is sikeresen pályázott támogatásért. A projektet az Európai Bizottság Innovation Radar Díjának 2017-es seregszemléjén a legjobb pályázatok közé válogatták be. A pályázatot az NKFI Hivatalban működő Nemzeti Kapcsolattartói Hálózat szakemberei segítették.

A Gravity fejlesztésének kidolgozásához több versenypályázati konstrukcióban részesült a Nemzeti Kutatási, Fejlesztési és Innovációs Alap, illetve jogelőd finanszírozók támogatásában:

 

5LET_08-5LET_08_2-2009-0029 

Ajánlórendszer-algoritmus fejlesztése kulturális fogyasztási cikkek és kulturális események ajánlására. A fogyasztási cikkek esetében a cél a weblogok adatbányászata alapján a felhasználó böngészési szokásainak kinyerése, majd a termék- és felhasználó metaadatok felhasználása ajánló algoritmusokban, végül tanulóalgoritmus kidolgozása a paraméterek, illetve az algoritmuskomponensek optimális beállítására. A rendezvények ajánlásánál az ajánlóalgoritmus egyrészt a rendezvény metaadat és -leírások adatbányászatával másrészt a címkefelhők adatbányászatával valósul meg.

 

EUREKA_HU_12-1-2012-0008

Szemantikai alapú intelligens szórakozási és szabadidős tevékenység tervező rendszer (MAGICIAN projekt)

Elnyert támogatás: 32 895 386 Ft

Megvalósítás:

  • kulturális események besorolása, strukturális leírás és címkézése;
  • adatbázis létrehozása felhasználók személyes profiljára;
  • algoritmuscsalád fejlesztése;
  • MAGICIAN applikáció.

 

EU_KP_12-1-2013-0032

A "CrowdRec: digitális médiatartalmak személyre szabása crowdsourcing alapú ajánlórendszerrel közösségi hálózatok számára" projekt előkészítése

Elnyert támogatás: 3 588 260 Ft

A projekt eredménye: „CrowdRec - Crowd-powered recommendation for continuous digital media access and exchange in social networks” című projekt előkészítése és beadása az FP7-ICT-2013-10 számú nemzetközi felhívásra.

Utolsó módosítás: 2018. július 16.
Tetszett a cikk? Mondja el véleményét!
Ha hozzá kíván szólni cikkünkhöz, kérjük írjon nekünk!
Visszajelzés
Hasznos volt az oldal információtartalma az Ön számára?