خودکارسازی تولید توضیحات محصول با Amazon Bedrock | خدمات وب آمازون

در دنیای تجارت الکترونیک امروزی که همیشه در حال تحول است، نمی توان تأثیر یک توصیف قانع کننده محصول را نادیده گرفت. این می تواند عامل تعیین کننده ای باشد که یک بازدید کننده بالقوه را به یک مشتری پولی تبدیل می کند یا آنها را با کلیک کردن به سایت رقیب می فرستد. ایجاد دستی این توصیفات در طیف وسیعی از محصولات یک فرآیند کار فشرده است و می تواند سرعت نوآوری جدید را کاهش دهد. اینجاست که بستر آمازون با قابلیت های هوش مصنوعی مولد خود برای تغییر شکل بازی قدم می گذارد. در این پست، ما به چگونگی تغییر فرآیند تولید توضیحات محصول Amazon Bedrock می پردازیم و به خرده فروشان الکترونیکی قدرت می دهد تا به طور کارآمدی کسب و کار خود را مقیاس کنند و در زمان و منابع ارزشمند صرفه جویی کنند.

باز کردن قدرت هوش مصنوعی مولد در خرده فروشی

هوش مصنوعی مولد توجه هیئت‌مدیره‌ها و مدیران عامل در سراسر جهان را به خود جلب کرده است و آنها را بر آن داشته است که بپرسند: "چگونه می‌توانیم از هوش مصنوعی مولد برای تجارت خود استفاده کنیم؟" یکی از امیدوارکننده ترین کاربردهای هوش مصنوعی مولد در تجارت الکترونیک، استفاده از آن برای ایجاد توضیحات محصول است. خرده فروشان و برندها منابع قابل توجهی را برای آزمایش و ارزیابی موثرترین توصیف ها سرمایه گذاری کرده اند و هوش مصنوعی مولد در این زمینه برتری دارد.

ایجاد توضیحات محصول جذاب و آموزنده برای یک کاتالوگ وسیع، یک کار مهم است، به ویژه برای پلتفرم های تجارت الکترونیک جهانی. ترجمه دستی و انطباق توضیحات محصول برای هر بازار زمان و منابع را مصرف می کند. این منجر به توضیحات عمومی یا ناقص می شود که منجر به کاهش فروش و رضایت مشتری می شود.

قدرت Amazon Bedrock: توضیحات محصول تولید شده توسط هوش مصنوعی

Amazon Bedrock یک سرویس کاملاً مدیریت شده است که توسعه هوش مصنوعی مولد را ساده می کند و مدل های پایه (FM) با عملکرد بالا را از شرکت های پیشرو هوش مصنوعی مانند AI21 Labs، Anthropic، Cohere، Meta، Stability AI و Amazon از طریق یک API واحد ارائه می دهد. مجموعه ای جامع از قابلیت ها برای ساخت برنامه های کاربردی هوش مصنوعی مولد و در عین حال تضمین حفظ حریم خصوصی و امنیت فراهم می کند. با Amazon Bedrock، می‌توانید FM‌های مختلف را آزمایش کنید و با استفاده از تکنیک‌هایی مانند تنظیم دقیق و بازیابی نسل افزوده (RAG) آنها را به‌صورت خصوصی شخصی‌سازی کنید. این پلتفرم شما را قادر می‌سازد تا بدون نیاز به کدنویسی، نمایندگان مدیریت شده را برای کارهای پیچیده تجاری ایجاد کنید، مانند رزرو سفر، رسیدگی به ادعاهای بیمه، ایجاد کمپین‌های تبلیغاتی و مدیریت موجودی.

به عنوان مثال، پلتفرم‌های تجارت الکترونیک در ابتدا می‌توانند توضیحات اولیه محصول شامل اندازه، رنگ و قیمت را ایجاد کنند. با این حال، انعطاف‌پذیری Amazon Bedrock اجازه می‌دهد تا این توصیف‌ها به‌خوبی تنظیم شوند تا نظرات مشتریان را در بر بگیرد، زبان برند خاص را ادغام کند، و ویژگی‌های خاص محصول را برجسته کند، و در نتیجه توصیف‌هایی متناسب با مخاطبان هدف ایجاد شود. علاوه بر این، Amazon Bedrock دسترسی به مدل‌های پایه از آمازون و استارت‌آپ‌های پیشرو هوش مصنوعی را از طریق یک API بصری ارائه می‌دهد و کل فرآیند را یکپارچه و کارآمد می‌کند.

استفاده از هوش مصنوعی می‌تواند تأثیرات زیر را بر فرآیند توصیف محصول داشته باشد:

• تاییدیه های سریعتر – فروشندگان یک فرآیند ساده را تجربه می‌کنند، از فهرست محصولات به تأیید در کمتر از یک ساعت می‌رسند و تاخیرهای ناامیدکننده را حذف می‌کنند.
• سرعت لیست محصولات بهبود یافته – هنگامی که به صورت خودکار، بازار تجارت الکترونیک شما افزایشی را در فهرست محصولات مشاهده می کند، به مصرف کنندگان امکان دسترسی به جدیدترین کالاها را تقریباً آنی می دهد.
• آینده نگر – با پذیرش هوش مصنوعی پیشرفته، موقعیت خود را به عنوان یک پلتفرم آینده‌نگر و آماده پاسخگویی به تقاضاهای در حال تحول بازار تضمین می‌کنید.
• ابداع - این راه حل تیم ها را از کارهای پیش پا افتاده رها می کند و به آنها اجازه می دهد تا روی کار با ارزش بالاتر تمرکز کنند و فرهنگ نوآوری را تقویت کنند.

بررسی اجمالی راه حل

قبل از اینکه به جزئیات فنی بپردازیم، بیایید پیش نمایش سطح بالایی از آنچه این راه حل ارائه می دهد را ببینیم. این راه حل به شما امکان می دهد توضیحات محصول را برای پلتفرم تجارت الکترونیک خود ایجاد و مدیریت کنید. این پلتفرم شما را قادر می سازد تا:

• تولید توضیحات از متن – با قدرت هوش مصنوعی مولد، Amazon Bedrock می تواند توضیحات متنی ساده را به توضیحات محصول واضح، آموزنده و جذاب تبدیل کند.
• تصاویر کاردستی - فراتر از متن، همچنین می تواند تصاویری ایجاد کند که کاملاً با توضیحات محصول مطابقت داشته باشند و جذابیت بصری لیست های شما را افزایش دهند.
• تقویت محتوای موجود - آیا توضیحات محصول موجودی دارید که نیاز به دیدگاهی تازه دارد؟ Amazon Bedrock می تواند محتوای فعلی شما را بگیرد و آن را جذاب تر و جذاب تر کند.

این راه حل در دسترس است کتابخانه راه حل های AWS. ما دستورالعمل های دقیق را در همراه ارائه کرده ایم فایل README. فایل README شامل تمام اطلاعاتی است که برای شروع نیاز دارید، از الزامات تا دستورالعمل‌های استقرار.

معماری سیستم شامل چندین جزء اصلی است:

• پورتال رابط کاربری – این رابط کاربری (UI) است که برای فروشندگان طراحی شده است تا تصاویر محصول را آپلود کنند.
• شناسایی آمازون - شناسایی آمازون یک سرویس تجزیه و تحلیل تصویر است که اشیاء، متن و برچسب ها را در تصاویر شناسایی می کند.
• بستر آمازون – مدل های پایه در Amazon Bedrock از برچسب های شناسایی شده توسط Amazon Rekognition برای تولید توضیحات محصول استفاده می کنند.
• AWS لامبدا - AWS لامبدا محاسبات بدون سرور را برای پردازش فراهم می کند.
• پایگاه داده محصول - مخزن مرکزی محصولات فروشنده، تصاویر، برچسب ها و توضیحات تولید شده را ذخیره می کند. این می تواند هر پایگاه داده ای به انتخاب شما باشد. توجه داشته باشید که در این راه حل، تمام فضای ذخیره سازی در UI است.
• پورتال مدیریت - این پورتال نظارت بر سیستم و لیست محصولات را فراهم می کند و عملکرد روان را تضمین می کند. این بخشی از راه حل نیست. ما آن را برای درک اضافه کرده ایم.

نمودار زیر جریان داده ها و تعاملات درون سیستم را نشان می دهد

گردش کار شامل مراحل زیر است:

1. مشتری درخواستی را برای Amazon API Gateway REST API آغاز می کند.
2. Amazon API Gateway درخواست را از طریق یکپارچه سازی پروکسی به AWS Lambda ارسال می کند.
3. هنگام کار بر روی ورودی های تصویر محصول، AWS Lambda با آمازون Rekognition تماس می گیرد تا اشیاء موجود در تصویر را شناسایی کند.
4. AWS Lambda از LLM های میزبانی شده توسط Amazon Bedrock، مانند مدل های زبان آمازون تایتان، برای تولید توضیحات محصول فراخوانی می کند.
5. پاسخ از AWS Lambda به دروازه API آمازون بازگردانده می شود.
6. در نهایت، پاسخ HTTP از دروازه API آمازون به مشتری بازگردانده می شود.

مثال استفاده

تصور کنید یک فروشنده تصویر محصولی از کفش را آپلود می کند و آمازون Rekognition ویژگی های کلیدی مانند "کفش سفید"، "کتانی" و "بادوام" را شناسایی می کند. آمازون Bedrock Titan AI این اطلاعات را می گیرد و شرحی از محصول ایجاد می کند: «در اینجا یک پیش نویس توضیحات محصول برای یک کفش دویدن بوم بر اساس عکس محصول آمده است: معرفی Canvas Runner، کفش ورزشی سبک وزن مناسب برای سبک زندگی فعال شما. این کفش دویدن دارای رویه بوم قابل تنفس با لهجه های چرمی برای ظاهری شیک و کلاسیک است. طراحی توری یک تناسب ایمن را فراهم می کند، در حالی که زبانه و یقه بالشتکی راحتی را به شما می دهد. در داخل، یک کفی متحرک متحرک از پاهای شما حمایت می کند و به آنها آرامش می دهد. زیره میانی EVA با هر مرحله ضربه را جذب می کند و خستگی را کاهش می دهد. شیارهای انعطاف پذیر در زیره لاستیکی انعطاف پذیری و کشش را تضمین می کند. Canvas Runner با سبک ساده و الهام گرفته از یکپارچهسازی با سیستمعامل، به طور یکپارچه از تمرینات به لباس های روزمره تبدیل می شود. چه در حال دویدن در کارها و چه مایل ها باشید، این کفش ورزشی همه کاره شما را با راحتی و استایل حرکت می دهد.

جزئیات طراحی

بیایید اجزاء را با جزئیات بیشتر بررسی کنیم:

• رابط کاربری:
  • پایان جلو - قسمت جلویی پورتال فروشنده به فروشندگان اجازه می دهد تصاویر محصول را آپلود کنند و لیست محصولات را نمایش می دهد.
  • تماس های API - پورتال از طریق APIها با backend برای پردازش تصاویر و تولید توضیحات ارتباط برقرار می کند.
• شناسایی آمازون:
  • تجزیه و تحلیل تصویر – آمازون Rekognition که توسط تماس های API فعال می شود، تصاویر را تجزیه و تحلیل می کند و اشیاء، متن و برچسب ها را تشخیص می دهد.
  • خروجی برچسب - داده های برچسب به دست آمده از تجزیه و تحلیل را خروجی می دهد.
• بستر آمازون:
  • تولید متن NLP – Amazon Bedrock از مدل پردازش زبان طبیعی Amazon Titan (NLP) برای تولید توضیحات متنی استفاده می کند.
  • ادغام برچسب - برچسب های شناسایی شده توسط آمازون Rekognition را به عنوان ورودی برای تولید توضیحات محصول می گیرد.
  • تطبیق سبک – Amazon Bedrock قابلیت های تنظیم دقیق را برای مدل های Amazon Titan فراهم می کند تا اطمینان حاصل شود که توضیحات تولید شده با سبک پلت فرم مطابقت دارند.
• AWS Lambda:
  • پردازش – Lambda تماس‌های API به سرویس‌ها را مدیریت می‌کند.
• پایگاه داده محصول:
  • پایگاه داده انعطاف پذیر – پایگاه داده محصول بر اساس ترجیحات و نیازهای مشتری انتخاب می شود. توجه داشته باشید که این به عنوان بخشی از راه حل ارائه نشده است.

قابلیت های اضافی

این راه حل فراتر از تولید توضیحات محصول است. این دو گزینه باور نکردنی دیگر را ارائه می دهد:

• تولید تصویر و توضیحات از متن – با قدرت هوش مصنوعی مولد، Amazon Bedrock می‌تواند توضیحات متنی بگیرد و تصاویر مربوطه را همراه با توضیحات دقیق محصول ایجاد کند. پتانسیل را در نظر بگیرید:
  • تجسم فوری محصولات از روی متن.
  • ایجاد خودکار تصویر برای کاتالوگ های بزرگ
  • بهبود تجربه مشتری با تصاویری غنی.
  • کاهش زمان و هزینه تولید محتوا.
• بهبود توضیحات - اگر قبلاً توضیحات محصول موجود دارید، Amazon Bedrock می تواند آنها را بهبود بخشد. به سادگی متن و درخواست را ارائه دهید، و Amazon Bedrock به طرز ماهرانه ای محتوا را تقویت و غنی می کند و آن را برای مشتریان شما بسیار جذاب و جذاب می کند.

نتیجه

در دنیای رقابتی شدید تجارت الکترونیک، ماندن در خط مقدم نوآوری ضروری است. Amazon Bedrock یک قابلیت دگرگون کننده برای خرده فروشان الکترونیکی ارائه می دهد که به دنبال ارتقای محتوای محصول خود، بهینه سازی فرآیند فهرست بندی و افزایش فروش هستند. با قدرت توصیفات محصول تولید شده توسط هوش مصنوعی، کسب و کارها می توانند محتوای قانع کننده، آموزنده و فرهنگی ایجاد کنند که عمیقاً در بین مشتریان طنین انداز شود. آینده تجارت الکترونیک فرا رسیده است و با یادگیری ماشینی با Amazon Bedrock هدایت می شود.

آیا آماده باز کردن پتانسیل کامل توضیحات محصول مبتنی بر هوش مصنوعی هستید؟ قدم بعدی را در ایجاد تحول در پلتفرم تجارت الکترونیک خود بردارید. بازدید کنید کتابخانه راه حل های AWS و کشف کنید که چگونه Amazon Bedrock می تواند توضیحات محصول شما را تغییر دهد، فرآیندهای شما را ساده کند و فروش شما را افزایش دهد. زمان آن رسیده است که تجارت الکترونیک خود را با آمازون بستر افزایش دهید!

---

درباره نویسنده

داوال شاه یک معمار ارشد راه حل در AWS، متخصص در یادگیری ماشین است. او با تمرکز قوی بر کسب‌وکارهای بومی دیجیتال، مشتریان را قادر می‌سازد تا از AWS استفاده کنند و رشد کسب‌وکار خود را هدایت کنند. داوال به‌عنوان یک علاقه‌مند به ML، با اشتیاق خود برای ایجاد راه‌حل‌های تأثیرگذار که تغییرات مثبت را به همراه دارد، هدایت می‌شود. او در اوقات فراغت به عشق سفر می پردازد و لحظات باکیفیتی را در کنار خانواده اش رقم می زند.

داگ تیفان رئیس استراتژی راه حل جهانی مد و پوشاک در AWS است. داگ در نقش خود با مدیران مد و پوشاک همکاری می کند تا اهداف آنها را درک کند و با آنها در بهترین راه حل ها هماهنگ شود. داگ بیش از 30 سال تجربه در خرده فروشی دارد و چندین نقش رهبری در تجارت و فناوری را بر عهده دارد. داگ دارای مدرک BBA از دانشگاه A&M تگزاس است و در هیوستون، تگزاس مستقر است.

نیکل شارما یک رهبر معماری راه حل ها در خدمات وب آمازون (AWS) است که در آن او و تیم معماران راه حل به مشتریان AWS کمک می کنند تا چالش های مهم تجاری را با استفاده از فناوری ها و خدمات ابری AWS حل کنند.

کوین بل یک معمار Sr. Solutions در AWS مستقر در سیاتل است. او حدود 10 سال است که چیزهایی را در ابر می سازد. می توانید او را به صورت آنلاین با نام @bellkev در GitHub پیدا کنید.

نیپون چاگاری یک معمار اصلی راه حل مستقر در منطقه خلیج، کالیفرنیا است. نیپون مشتاق کمک به مشتریان برای پذیرش فناوری بدون سرور برای مدرن کردن برنامه‌ها و دستیابی به اهداف تجاری خود است. تمرکز اخیر او بر کمک به سازمان‌ها در اتخاذ فناوری‌های مدرن برای ایجاد تحول دیجیتال بوده است. نیپون جدا از کار، از بازی والیبال، آشپزی و مسافرت با خانواده اش لذت می برد.

مارشال باچ یک معمار راه حل در AWS است که به مشتریان آمریکای شمالی کمک می کند تا حجم کاری امن، مقیاس پذیر و مقرون به صرفه را در فضای ابری طراحی کنند. اشتیاق او در حل مشکلات قدیمی تجاری است که در آن داده ها و جدیدترین فناوری ها راه حل های بدیع را امکان پذیر می کنند. مارشال فراتر از فعالیت های حرفه ای خود، از پیاده روی و کمپینگ در کوه های راکی ​​زیبای کلرادو لذت می برد.

الطاف داوودجی یک رهبر معمار راه حل است که از مشتریان AdTech در بخش تجارت بومی دیجیتال (DNB) در وب سرویس آمازون (AWS) پشتیبانی می کند. او بیش از 20 سال تجربه در فناوری دارد و تخصص عمیقی در تجزیه و تحلیل دارد. او مشتاق کمک به کسب نتایج موفق تجاری برای مشتریانش است که از ابر AWS استفاده می کنند.

اسکات بل یک رهبر پویا و مبتکر با بیش از 25 سال تجربه مدیریت فناوری است. او مشتاق رهبری و توسعه تیم ها در ارائه فناوری برای رویارویی با چالش های کاربران و مشاغل جهانی است. او تجربه گسترده‌ای در تیم‌های فناوری پیشرو دارد که راه‌حل‌های فناوری جهانی را با پشتیبانی از بیش از ۳۵ زبان ارائه می‌کنند. او همچنین به روشی که هوش مصنوعی و هوش مصنوعی مولد کسب‌وکارها را متحول می‌کنند و روشی که آنها از نیازهای برآورده نشده فعلی مشتری پشتیبانی می‌کنند، علاقه دارد.

ساچین شتی مدیر راه حل اصلی مشتری در AWS است. او مشتاق کمک به شرکت‌ها برای موفقیت و درک مزایای قابل‌توجه از پذیرش ابر است، که همه چیز را از مهاجرت اولیه گرفته تا تحول ابر در مقیاس بزرگ در بین افراد، فرآیندها و فناوری هدایت می‌کند. قبل از پیوستن به AWS، ساچین بیش از 12 سال به عنوان یک توسعه‌دهنده نرم‌افزار کار می‌کرد و چندین مقام رهبری ارشد را بر عهده داشت که منجر به ارائه و تحول فناوری در مراقبت‌های بهداشتی، خدمات مالی، خرده‌فروشی و بیمه شد. او دارای MBA اجرایی و لیسانس مهندسی مکانیک است.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/