Automatisering af produktbeskrivelsesgenerering med Amazon Bedrock | Amazon Web Services

I dagens stadigt udviklende verden af ​​e-handel kan indflydelsen af ​​en overbevisende produktbeskrivelse ikke overvurderes. Det kan være den afgørende faktor, der gør en potentiel besøgende til en betalende kunde eller får dem til at klikke sig videre til en konkurrents side. Den manuelle oprettelse af disse beskrivelser på tværs af en bred vifte af produkter er en arbejdsintensiv proces, og den kan bremse hastigheden af ​​ny innovation. Det er her Amazonas grundfjeld med sine generative AI-egenskaber træder ind for at omforme spillet. I dette indlæg dykker vi ned i, hvordan Amazon Bedrock transformerer processen til generering af produktbeskrivelser og giver e-detailhandlere mulighed for effektivt at skalere deres virksomheder, mens de sparer værdifuld tid og ressourcer.

Frigør kraften ved generativ AI i detailhandlen

Generativ AI har fanget opmærksomheden hos bestyrelser og administrerende direktører verden over, hvilket har fået dem til at spørge: "Hvordan kan vi udnytte generativ AI til vores virksomhed?" En af de mest lovende anvendelser af generativ kunstig intelligens i e-handel er at bruge den til at lave produktbeskrivelser. Detailhandlere og brands har investeret betydelige ressourcer i at teste og evaluere de mest effektive beskrivelser, og generativ AI udmærker sig på dette område.

At skabe engagerende og informative produktbeskrivelser til et stort katalog er en monumental opgave, især for globale e-handelsplatforme. Manuel oversættelse og tilpasning af produktbeskrivelser for hvert marked kræver tid og ressourcer. Dette resulterer i generiske eller ufuldstændige beskrivelser, hvilket fører til reduceret salg og kundetilfredshed.

Power of Amazon Bedrock: AI-genererede produktbeskrivelser

Amazon Bedrock er en fuldt administreret tjeneste, der forenkler generativ AI-udvikling og tilbyder højtydende fundamentmodeller (FM'er) fra førende AI-virksomheder som AI21 Labs, Anthropic, Cohere, Meta, Stability AI og Amazon gennem en enkelt API. Det giver et omfattende sæt af muligheder til at bygge generative AI-applikationer, samtidig med at privatlivets fred og sikkerhed bevares. Med Amazon Bedrock kan du eksperimentere med forskellige FM'er og tilpasse dem privat ved hjælp af teknikker som finjustering og Retrieval Augmented Generation (RAG). Platformen giver dig mulighed for at oprette administrerede agenter til komplekse forretningsopgaver uden behov for kodning, såsom booking af rejser, behandling af forsikringskrav, oprettelse af annoncekampagner og håndtering af beholdning.

For eksempel kan e-handelsplatforme i starten generere grundlæggende produktbeskrivelser, der inkluderer størrelse, farve og pris. Amazon Bedrocks fleksibilitet gør det dog muligt at finjustere disse beskrivelser til at inkorporere kundeanmeldelser, integrere mærkespecifikt sprog og fremhæve specifikke produktfunktioner, hvilket resulterer i skræddersyede beskrivelser, der giver genlyd hos målgruppen. Desuden tilbyder Amazon Bedrock adgang til fundamentmodeller fra Amazon og førende AI-startups gennem en intuitiv API, hvilket gør hele processen sømløs og effektiv.

Brug af kunstig intelligens kan have følgende indflydelse på produktbeskrivelsesprocessen:

• Hurtigere godkendelser – Leverandører oplever en strømlinet proces, der går fra produktliste til godkendelse på under en time, hvilket eliminerer frustrerende forsinkelser
• Forbedret produktlistehastighed - Når den er automatiseret, oplever din e-handelsmarked en stigning i produktfortegnelser, hvilket giver forbrugerne adgang til de nyeste varer næsten øjeblikkeligt
• Fremtidssikring – Ved at omfavne banebrydende AI sikrer du din position som en fremadskuende platform klar til at imødekomme skiftende markedskrav
• Innovation – Denne løsning frigør teams fra hverdagslige opgaver, og giver dem mulighed for at fokusere på arbejde af højere værdi og fremme en innovationskultur

Løsningsoversigt

Før vi dykker ned i de tekniske detaljer, lad os se forhåndsvisningen på højt niveau af, hvad denne løsning tilbyder. Denne løsning giver dig mulighed for at oprette og administrere produktbeskrivelser til din e-handelsplatform. Det giver din platform mulighed for at:

• Generer beskrivelser fra tekst – Med kraften fra generativ AI kan Amazon Bedrock konvertere almindelig tekstbeskrivelser til levende, informative og fængslende produktbeskrivelser.
• Håndværksbilleder – Ud over tekst kan den også lave billeder, der passer perfekt til produktbeskrivelserne, hvilket forbedrer den visuelle appel af dine annoncer.
• Forbedre eksisterende indhold – Har du eksisterende produktbeskrivelser, der trænger til et nyt perspektiv? Amazon Bedrock kan tage dit nuværende indhold og gøre det endnu mere overbevisende og engagerende.

Denne løsning er tilgængelig i AWS Solutions Library. Vi har givet detaljerede instruktioner i den medfølgende README-fil. README-filen indeholder alle de oplysninger, du har brug for for at komme i gang, fra krav til implementeringsvejledninger.

Systemarkitekturen består af flere kernekomponenter:

• UI portal – Dette er brugergrænsefladen (UI) designet til leverandører til at uploade produktbilleder.
• Amazon-anerkendelse - Amazon-anerkendelse er en billedanalysetjeneste, der registrerer objekter, tekst og etiketter i billeder.
• Amazonas grundfjeld – Fundamentmodeller i Amazon Bedrock bruger de etiketter, der er registreret af Amazon Rekognition, til at generere produktbeskrivelser.
• AWS Lambda - AWS Lambda giver serverløs databehandling til behandling.
• Produktdatabase – Det centrale lager gemmer leverandørprodukter, billeder, etiketter og genererede beskrivelser. Dette kan være en hvilken som helst database efter eget valg. Bemærk, at i denne løsning er alt lager i brugergrænsefladen.
• Admin portal – Denne portal giver overblik over systemet og produktlister, hvilket sikrer problemfri drift. Dette er ikke en del af løsningen; vi har tilføjet det for at forstå.

Følgende diagram illustrerer strømmen af ​​data og interaktioner i systemet

Arbejdsgangen omfatter følgende trin:

1. Klienten initierer en anmodning til Amazon API Gateway REST API.
2. Amazon API Gateway sender anmodningen til AWS Lambda gennem en proxy-integration.
3. Når AWS Lambda opererer på produktbillede input, kalder AWS Lambda Amazon Rekognition for at detektere objekter i billedet.
4. AWS Lambda kalder LLM'er hostet af Amazon Bedrock, såsom Amazon Titan-sprogmodellerne, for at generere produktbeskrivelser.
5. Svaret sendes tilbage fra AWS Lambda til Amazon API Gateway.
6. Til sidst returneres HTTP-svar fra Amazon API Gateway til klienten.

Eksempel på use case

Forestil dig, at en leverandør uploader et produktbillede af sko, og Amazon Rekognition identificerer nøgleegenskaber som "hvide sko", "sneaker" og "holdbar". Amazon Bedrock Titan AI tager disse oplysninger og genererer en produktbeskrivelse som: "Her er et udkast til produktbeskrivelse for en canvas-løbesko baseret på produktbilledet: Vi introducerer Canvas Runner, den perfekte letvægtssneaker til din aktive livsstil. Denne løbesko har en åndbar kanvasoverdel med læderaccenter for et stilfuldt, klassisk look. Snøredesignet giver en sikker pasform, mens den polstrede pløs og krave tilføjer komfort. Indvendigt støtter en udtagelig polstret indersål og trøster dine fødder. EVA-mellemsålen absorberer stød med hvert trin, hvilket reducerer træthed. Flexriller i gummiydersålen sikrer fleksibilitet og trækkraft. Med sin enkle, retro-inspirerede stil skifter Canvas Runner problemfrit fra træning til hverdagsbrug. Uanset om du løber ærinder eller løber miles, vil denne alsidige sneaker holde dig i bevægelse med komfort og stil."

Design detaljer

Lad os udforske komponenterne mere detaljeret:

• Brugergrænseflade:
  • forreste ende – Forsiden af ​​leverandørportalen gør det muligt for leverandører at uploade produktbilleder og vise produktlister.
  • API-opkald – Portalen kommunikerer med backend gennem API'er for at behandle billeder og generere beskrivelser.
• Amazon-anerkendelse:
  • Billedanalyse – Udløst af API-kald analyserer Amazon Rekognition billeder og registrerer objekter, tekst og etiketter.
  • Etiket output – Den udsender etiketdata, der stammer fra analysen.
• Amazonas grundfjeld:
  • NLP-tekstgenerering – Amazon Bedrock bruger Amazon Titans naturlige sprogbehandlingsmodel (NLP) til at generere tekstbeskrivelser.
  • Etiket integration – Det tager de etiketter, der er registreret af Amazon Rekognition, som input til at generere produktbeskrivelser.
  • Stil matchende – Amazon Bedrock giver finjusteringsmuligheder for Amazon Titan-modeller for at sikre, at de genererede beskrivelser matcher platformens stil.
• AWS Lambda:
  • Behandles – Lambda håndterer API-kaldene til tjenester.
• Produktdatabase:
  • Fleksibel database – Produktdatabasen er valgt ud fra kundernes præferencer og krav. Bemærk, at dette ikke er en del af løsningen.

Yderligere muligheder

Denne løsning går ud over blot at generere produktbeskrivelser. Det tilbyder yderligere to utrolige muligheder:

• Billed- og beskrivelsesgenerering fra tekst – Med kraften fra generativ AI kan Amazon Bedrock tage tekstbeskrivelser og skabe tilsvarende billeder sammen med detaljerede produktbeskrivelser. Overvej potentialet:
  • Øjeblikkelig visualisering af produkter fra tekst.
  • Automatisering af billedoprettelse til store kataloger.
  • Forbedring af kundeoplevelsen med rige billeder.
  • Reducerer tid og omkostninger til oprettelse af indhold.
• Beskrivelse forbedring – Hvis du allerede har eksisterende produktbeskrivelser, kan Amazon Bedrock forbedre dem. Du skal blot levere teksten og prompten, og Amazon Bedrock vil dygtigt forbedre og berige indholdet, hvilket gør det yderst fængslende og engagerende for dine kunder.

Konklusion

I den hårdt konkurrenceprægede verden af ​​e-handel er det bydende nødvendigt at forblive på forkant med innovation. Amazon Bedrock tilbyder en transformativ kapacitet til e-detailhandlere, der ønsker at forbedre deres produktindhold, optimere deres noteringsproces og øge salget. Med kraften fra AI-genererede produktbeskrivelser kan virksomheder skabe overbevisende, informativt og kulturelt relevant indhold, der giver dyb genklang hos kunderne. Fremtiden for e-handel er ankommet, og den er drevet af maskinlæring med Amazon Bedrock.

Er du klar til at frigøre det fulde potentiale af AI-drevne produktbeskrivelser? Tag det næste skridt i at revolutionere din e-handelsplatform. Besøg AWS Solutions Library og udforsk, hvordan Amazon Bedrock kan transformere dine produktbeskrivelser, strømline dine processer og booste dit salg. Det er tid til at superlade din e-handel med Amazon Bedrock!

---

Om forfatterne

Dhaval Shah er Senior Solutions Architect hos AWS med speciale i Machine Learning. Med et stærkt fokus på digitale indfødte virksomheder giver han kunderne mulighed for at udnytte AWS og drive deres virksomhedsvækst. Som ML-entusiast er Dhaval drevet af sin passion for at skabe effektfulde løsninger, der bringer positiv forandring. I sin fritid hengiver han sig til sin kærlighed til rejser og værner om kvalitetsøjeblikke med sin familie.

Doug Tiffan er leder af World Wide Solution Strategy for Fashion & Apparel hos AWS. I sin rolle arbejder Doug med mode- og beklædningsledere for at forstå deres mål og tilpasse sig de bedste løsninger. Doug har over 30 års erfaring inden for detailhandel og har haft flere lederroller inden for merchandising og teknologi. Doug har en BBA fra Texas A&M University og er baseret i Houston, Texas.

Nikhil Sharma er Solutions Architecture Leader hos Amazon Web Services (AWS), hvor han og hans team af Solutions Architects hjælper AWS-kunder med at løse kritiske forretningsudfordringer ved hjælp af AWS cloud-teknologier og -tjenester.

Kevin Bell er Sr. Solutions Architect hos AWS med base i Seattle. Han har bygget ting i skyen i omkring 10 år. Du kan finde ham online som @bellkev på GitHub.

Nipun Chagari er en Principal Solutions Architect baseret i Bay Area, CA. Nipun brænder for at hjælpe kunder med at anvende serverløs teknologi for at modernisere applikationer og nå deres forretningsmål. Hans seneste fokus har været på at hjælpe organisationer med at tage moderne teknologier i brug for at muliggøre digital transformation. Udover arbejde finder Nipun glæde ved at spille volleyball, lave mad og rejse med sin familie.

Marshall Bunch er Solutions Architect hos AWS, der hjælper nordamerikanske kunder med at designe sikre, skalerbare og omkostningseffektive arbejdsbelastninger i skyen. Hans passion ligger i at løse ældgamle forretningsproblemer, hvor data og de nyeste teknologier muliggør nye løsninger. Ud over sine professionelle sysler nyder Marshall at vandre og campere i Colorados smukke Rocky Mountains.

Altaaf Dawoodjee er en Solutions Architect Leader, der understøtter AdTech-kunder i Digital Native Business (DNB) segmentet hos Amazon Web Service (AWS). Han har over 20 års erfaring inden for teknologi og har dyb ekspertise i Analytics. Han brænder for at hjælpe med at skabe succesfulde forretningsresultater for sine kunder ved at udnytte AWS-skyen.

Scott Bell er en dynamisk leder og innovator med 25+ års erfaring med teknologiledelse. Han brænder for at lede og udvikle teams i at levere teknologi til at imødekomme udfordringerne fra globale brugere og virksomheder. Han har stor erfaring i at lede teknologiteams, der leverer globale teknologiløsninger, der understøtter 35+ sprog. Han brænder også for den måde, AI og Generative AI transformerer virksomheder og den måde, de understøtter kundernes nuværende udækkede behov.

Sachin Shetti er Principal Customer Solution Manager hos AWS. Han brænder for at hjælpe virksomheder med at få succes og realisere betydelige fordele ved cloud-adoption, hvilket driver alt fra grundlæggende migrering til storstilet cloud-transformation på tværs af mennesker, processer og teknologi. Før han kom til AWS, arbejdede Sachin som softwareudvikler i over 12 år og havde flere seniorlederstillinger, der førte teknologilevering og transformation inden for sundhedspleje, finansielle tjenesteydelser, detailhandel og forsikring. Han har en Executive MBA og en bachelorgrad i maskinteknik.

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
• PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
• PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
• PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
• Kilde: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/