কিভাবে Prodege কম-কোড কম্পিউটার ভিশন AI ব্যবহার করে বার্ষিক মানব পর্যালোচনা খরচে $1.5 মিলিয়ন বাঁচিয়েছে

এই পোস্টটির সহ-লেখক অরুণ গুপ্ত, প্রোডেজ, এলএলসি-এর বিজনেস ইন্টেলিজেন্স ডিরেক্টর।

Prodege হল একটি ডেটা-চালিত বিপণন এবং ভোক্তা অন্তর্দৃষ্টি প্ল্যাটফর্ম যা ভোক্তা ব্র্যান্ডগুলি নিয়ে গঠিত—Swagbucks, MyPoints, Tada, ySense, InboxDollars, InboxPounds, DailyRewards, PollFish, এবং Upromise-এর সাথে বিপণনকারী এবং গবেষকদের জন্য ব্যবসায়িক সমাধানের একটি পরিপূরক স্যুট। Prodege এর 120 মিলিয়ন ব্যবহারকারী রয়েছে এবং 2.1 সাল থেকে $2005 বিলিয়ন পুরষ্কার প্রদান করেছে। 2021 সালে, Prodege ম্যাজিক রসিদ চালু করেছে, এটির ব্যবহারকারীদের জন্য নগদ অর্থ উপার্জন এবং উপহার কার্ড রিডিম করার একটি নতুন উপায়, শুধুমাত্র তাদের প্রিয় খুচরা বিক্রেতাদের কাছে দোকানে কেনাকাটা করে, এবং একটি রসিদ আপলোড করা হচ্ছে।

গ্রাহক সন্তুষ্টির কাটিয়া প্রান্তে থাকার জন্য ধ্রুবক ফোকাস এবং উদ্ভাবন প্রয়োজন।

স্ক্র্যাচ থেকে একটি ডেটা সায়েন্স টিম তৈরি করা একটি দুর্দান্ত বিনিয়োগ, তবে সময় লাগে এবং প্রায়শই AWS AI পরিষেবাগুলির সাথে তাত্ক্ষণিক ব্যবসায়িক প্রভাব তৈরি করার সুযোগ থাকে৷ অনুসারে গার্টনার, 2024 সালের শেষ নাগাদ, 75% এন্টারপ্রাইজ পাইলটিং থেকে AI চালু করবে। AI এবং মেশিন লার্নিং (ML) এর নাগালের সাথে সাথে, দলগুলিকে কীভাবে একটি কম খরচে, উচ্চ-প্রভাবিত সমাধান তৈরি করা যায় যা একটি সংস্থা সহজেই গ্রহণ করতে পারে তার উপর ফোকাস করতে হবে।

এই পোস্টে, আমরা শেয়ার করি কিভাবে Prodege তাদের ব্যবসায় AI এবং ML যোগ করে তাদের গ্রাহক অভিজ্ঞতা উন্নত করেছে। Prodege তার গ্রাহকদের তাদের রসিদ আপলোড করার পরে দ্রুত পুরস্কৃত করার একটি উপায় খুঁজে পেতে চেয়েছিল। রিবেট ইস্যু করার আগে অসঙ্গতিগুলির জন্য রসিদগুলি চাক্ষুষভাবে পরিদর্শন করার জন্য তাদের কাছে একটি স্বয়ংক্রিয় উপায় ছিল না। যেহেতু প্রাপ্তির পরিমাণ প্রতি সপ্তাহে কয়েক হাজারের মধ্যে ছিল, অসঙ্গতিগুলি সনাক্ত করার ম্যানুয়াল প্রক্রিয়াটি মাপযোগ্য ছিল না।

Amazon Recognition কাস্টম লেবেল ব্যবহার করে, Prodege তাদের গ্রাহকদের রসিদ আপলোড করার পরে 5 গুণ দ্রুত পুরস্কৃত করেছে, অস্বাভাবিক প্রাপ্তির সঠিক শ্রেণীবিভাগ 70% থেকে 99% পর্যন্ত বাড়িয়েছে, এবং বার্ষিক মানব পর্যালোচনা খরচে $1.5 মিলিয়ন বাঁচিয়েছে।

চ্যালেঞ্জ: প্রাপ্তিগুলির মধ্যে অসঙ্গতিগুলি দ্রুত এবং সঠিকভাবে স্কেলে সনাক্ত করা

শীর্ষ-স্তরের গ্রাহক অভিজ্ঞতার প্রতি প্রডিজের প্রতিশ্রুতিতে গ্রাহকরা এর ব্যাপক জনপ্রিয় ম্যাজিক রসিদ পণ্যের জন্য যে গতিতে পুরষ্কার পান তা বৃদ্ধির প্রয়োজন। এটি করার জন্য, Prodege রসিদ অসঙ্গতিগুলি দ্রুত সনাক্ত করতে হবে। Prodege কেরাস ব্যবহার করে তাদের নিজস্ব গভীর শিক্ষার মডেল তৈরির তদন্ত করেছে। এই সমাধানটি দীর্ঘমেয়াদে প্রতিশ্রুতিশীল ছিল, কিন্তু নিম্নলিখিত কারণে প্রোডিজের পছন্দসই গতিতে প্রয়োগ করা যায়নি:

• একটি বড় ডেটাসেট প্রয়োজন৷ - প্রোডিজ বুঝতে পেরেছিল যে মডেলটি প্রশিক্ষণের জন্য তাদের কতগুলি চিত্রের প্রয়োজন হবে তা কয়েক হাজারের মধ্যে হবে এবং মডেলটি প্রশিক্ষণের জন্য তাদের GPU সহ ভারী কম্পিউট শক্তিরও প্রয়োজন হবে।
• সময় সাপেক্ষ এবং ব্যয়বহুল - প্রোডিজের শত শত মানব-লেবেলযুক্ত বৈধ এবং অস্বাভাবিক রসিদ ছিল এবং অসামঞ্জস্যগুলি সমস্ত দৃশ্যমান ছিল। অতিরিক্ত লেবেলযুক্ত ছবি যোগ করার ফলে অপারেশনাল খরচ তৈরি হয় এবং শুধুমাত্র স্বাভাবিক ব্যবসায়িক সময়ের মধ্যে কাজ করতে পারে।
• প্রয়োজনীয় কাস্টম কোড এবং উচ্চ রক্ষণাবেক্ষণ - প্রডিজকে কাস্টম মডেল প্রশিক্ষিত ও স্থাপন করতে এবং এর জীবনচক্র বজায় রাখার জন্য কাস্টম কোড বিকাশ করতে হবে।

সমাধানের ওভারভিউ: স্বীকৃতি কাস্টম লেবেল

Prodege AWS অ্যাকাউন্ট টিমের সাথে কাজ করে প্রথমে ব্যবসায়িক ব্যবহারের ক্ষেত্রে একটি স্বয়ংক্রিয় উপায়ে রসিদগুলিকে দক্ষতার সাথে প্রক্রিয়া করতে সক্ষম হওয়ার জন্য শনাক্ত করতে যাতে তাদের ব্যবসা শুধুমাত্র বৈধ রসিদগুলিতে ছাড় প্রদান করে। প্রোজেজ ডেটা সায়েন্স টিম এমন একটি সমাধান চেয়েছিল যা শুরু করার জন্য একটি ছোট ডেটাসেট প্রয়োজন, তাৎক্ষণিক ব্যবসায়িক প্রভাব তৈরি করতে পারে এবং ন্যূনতম কোড এবং কম রক্ষণাবেক্ষণের প্রয়োজন।

এই ইনপুটগুলির উপর ভিত্তি করে, অ্যাকাউন্ট টিম স্বীকৃতি কাস্টম লেবেলগুলিকে একটি মডেলকে প্রশিক্ষণ দেওয়ার জন্য একটি সম্ভাব্য সমাধান হিসাবে চিহ্নিত করেছে যেগুলি কোন রসিদগুলি বৈধ এবং কোনটিতে অসঙ্গতি রয়েছে৷ রিকগনিশন কাস্টম লেবেলগুলি আপলোড করা লেবেলযুক্ত ডেটার কয়েকশো ছবি সহ মডেলগুলিকে স্বয়ংক্রিয়ভাবে প্রশিক্ষণ এবং স্থাপন করতে একটি ভিজ্যুয়াল ইন্টারফেসের সাথে একটি কম্পিউটার দৃষ্টি AI ক্ষমতা প্রদান করে৷

প্রথম পদক্ষেপটি ছিল প্রোডিজ থেকে লেবেলযুক্ত রসিদগুলি ব্যবহার করে একটি মডেলকে প্রশিক্ষণ দেওয়া। প্রাপ্তিগুলি দুটি লেবেলে শ্রেণীবদ্ধ করা হয়েছিল: বৈধ এবং অস্বাভাবিক৷ প্রতিটি ধরণের আনুমানিক একশত রসিদ যত্ন সহকারে প্রোডিজ ব্যবসায়িক দল দ্বারা নির্বাচন করা হয়েছিল, যাদের অসঙ্গতি সম্পর্কে জ্ঞান ছিল। স্বীকৃতি কাস্টম লেবেলগুলির একটি ভাল মডেলের চাবিকাঠি হল সঠিক প্রশিক্ষণ ডেটা থাকা৷ পরবর্তী ধাপ সেট আপ ছিল মডেলের প্রশিক্ষণ স্বীকৃতি কাস্টম লেবেল কনসোলে কয়েকটি ক্লিকের মাধ্যমে। F1 স্কোর, যা মডেলের নির্ভুলতা এবং গুণমান পরিমাপ করতে ব্যবহৃত হয়, 97% এ এসেছে। এটি প্রোডিজকে তাদের স্যান্ডবক্সে কিছু অতিরিক্ত পরীক্ষা করতে এবং নতুন রসিদগুলি বৈধ বা অসঙ্গতি আছে কিনা তা অনুমান করতে প্রশিক্ষিত মডেল ব্যবহার করতে উত্সাহিত করেছিল। অনুমান সেট আপ করা হচ্ছে স্বীকৃতির সাথে কাস্টম লেবেলগুলি হল একটি সহজ এক-ক্লিক প্রক্রিয়া, এবং এটি প্রোগ্রাম্যাটিক ইনফারেন্স সেট আপ করার জন্য নমুনা কোড প্রদান করে।

মডেলের নির্ভুলতা দ্বারা উত্সাহিত, Prodege একটি পাইলট ব্যাচ অনুমান পাইপলাইন সেট আপ. পাইপলাইন মডেলটি শুরু করবে, মডেলের বিপরীতে শত শত রসিদ চালাবে, ফলাফল সংরক্ষণ করবে এবং তারপর প্রতি সপ্তাহে মডেলটি বন্ধ করবে। সম্মতি দল তারপর নির্ভুলতা পরীক্ষা করার জন্য রসিদগুলি মূল্যায়ন করবে। প্রাথমিক পরীক্ষার সময় পাইলটের জন্য যথার্থতা ততটাই বেশি ছিল। মডেলের নির্ভুলতা বজায় রাখতে এবং উন্নত করার জন্য প্রোডিজ দল নতুন প্রাপ্তি প্রশিক্ষণের জন্য একটি পাইপলাইনও স্থাপন করেছে।

অবশেষে, প্রোডিজ বিজনেস ইন্টেলিজেন্স টিম অ্যাপ্লিকেশন টিমের সাথে কাজ করেছে এবং AWS অ্যাকাউন্ট এবং প্রোডাক্ট টিমের সহায়তায় একটি ইনফারেন্স এন্ডপয়েন্ট সেট আপ করেছে যা তাদের অ্যাপ্লিকেশনের সাথে কাজ করবে রিয়েল টাইমে আপলোড করা রসিদগুলির বৈধতা ভবিষ্যদ্বাণী করতে এবং এর ব্যবহারকারীদের একটি সেরা- ইন-ক্লাস ভোক্তা পুরস্কার অভিজ্ঞতা. সমাধানটি নিম্নলিখিত চিত্রে তুলে ধরা হয়েছে। স্বীকৃতি কাস্টম লেবেল থেকে ভবিষ্যদ্বাণী এবং আত্মবিশ্বাসের স্কোরের উপর ভিত্তি করে, Prodege ব্যবসায়িক গোয়েন্দা দল ব্যবসায়িক যুক্তি প্রয়োগ করে হয় এটিকে প্রক্রিয়াজাত করতে বা অতিরিক্ত যাচাই-বাছাই করে। লুপে একজন মানুষকে পরিচয় করিয়ে দিয়ে, Prodege ভবিষ্যদ্বাণীর গুণমান নিরীক্ষণ করতে এবং প্রয়োজন অনুসারে মডেলটিকে পুনরায় প্রশিক্ষণ দিতে সক্ষম।

ফলাফল

রেকগনিশন কাস্টম লেবেলগুলির সাথে, প্রোডিজ অস্বাভাবিক প্রাপ্তির সঠিক শ্রেণীবিভাগকে 70% থেকে 99% পর্যন্ত বাড়িয়েছে এবং বার্ষিক মানব পর্যালোচনা খরচে $1.5 মিলিয়ন বাঁচিয়েছে। এটি Prodege তাদের গ্রাহকদের তাদের রসিদ আপলোড করার পরে 5 গুণ দ্রুত পুরস্কৃত করতে দেয়। স্বীকৃতি কাস্টম লেবেলগুলির সর্বোত্তম অংশটি ছিল যে এটি সেট আপ করা সহজ ছিল এবং উচ্চ আত্মবিশ্বাসের চিত্র সনাক্তকরণের জন্য এমএল মডেলকে প্রশিক্ষণ দেওয়ার জন্য প্রাক-শ্রেণীবদ্ধ চিত্রগুলির একটি ছোট সেট প্রয়োজন (প্রায় 200টি চিত্র বনাম। ) মডেলের শেষ পয়েন্টগুলি API ব্যবহার করে সহজেই অ্যাক্সেস করা যেতে পারে। স্বীকৃতি কাস্টম লেবেলগুলি Prodege-এর জন্য তাদের বৈধ প্রাপ্তি স্ক্যানিং পণ্যের মসৃণ কার্যকারিতা সক্ষম করার জন্য একটি অত্যন্ত কার্যকর সমাধান, এবং Prodege-কে ম্যানুয়াল সনাক্তকরণ সম্পাদন করে অনেক সময় এবং সংস্থান বাঁচাতে সাহায্য করেছে।

উপসংহার

গ্রাহকের সন্তুষ্টির অগ্রগতি বজায় রাখার জন্য ধ্রুবক ফোকাস এবং উদ্ভাবন প্রয়োজন, এবং এটি আজ ব্যবসার জন্য একটি কৌশলগত লক্ষ্য। AWS কম্পিউটার ভিশন পরিষেবাগুলি Prodege-কে কম খরচে এবং কম-কোড সমাধানের সাথে তাত্ক্ষণিক ব্যবসায়িক প্রভাব তৈরি করতে দেয়। AWS-এর সাথে অংশীদারিত্বে, Prodege উদ্ভাবন চালিয়ে যাচ্ছে এবং গ্রাহক সন্তুষ্টির অগ্রগতিতে রয়েছে। আপনি আজ দিয়ে শুরু করতে পারেন কাস্টম লেবেল স্বীকৃতি এবং আপনার ব্যবসার ফলাফল উন্নত করুন।

লেখক সম্পর্কে

অরুণ গুপ্ত Prodege LLC এ ব্যবসায়িক বুদ্ধিমত্তার পরিচালক। তিনি বিভিন্ন ব্যবসায়িক সমস্যার কার্যকর সমাধান প্রদানের জন্য মেশিন লার্নিং প্রযুক্তি প্রয়োগের বিষয়ে উত্সাহী।

প্রশান্ত গণপতি AWS-এ ছোট মাঝারি ব্যবসায় (SMB) সেগমেন্টের একজন সিনিয়র সলিউশন আর্কিটেক্ট। তিনি AWS AI/ML পরিষেবাগুলি সম্পর্কে শিখতে এবং গ্রাহকদের তাদের জন্য সমাধান তৈরি করে তাদের ব্যবসায়িক ফলাফল পূরণে সহায়তা করতে উপভোগ করেন। কাজের বাইরে, প্রশান্ত ফটোগ্রাফি, ভ্রমণ এবং বিভিন্ন খাবারের চেষ্টা করে উপভোগ করেন।

অমিত গুপ্ত AWS-এর একজন এআই সার্ভিসেস সলিউশন আর্কিটেক্ট। তিনি স্কেলে ভাল আর্কিটেক্টেড মেশিন লার্নিং সমাধানগুলির সাথে গ্রাহকদের সক্ষম করার বিষয়ে উত্সাহী।

শুভক্ষণ রামোস AWS-এর একজন সিনিয়র অ্যাকাউন্ট ম্যানেজার। তিনি গ্রাহকদের তাদের সবচেয়ে জটিল ব্যবসায়িক চ্যালেঞ্জগুলি সমাধান করতে, গ্রাহকদের ব্যবসায় এআই/এমএল যোগ করতে এবং গ্রাহকদের শীর্ষ-লাইন আয় বৃদ্ধিতে সহায়তা করার বিষয়ে উত্সাহী।