कैसे Prodege ने कम-कोड कंप्यूटर दृष्टि AI का उपयोग करके वार्षिक मानव समीक्षा लागत में $1.5 मिलियन की बचत की

इस पोस्ट के सह-लेखक अरुण गुप्ता हैं, जो प्रोडेज, एलएलसी में बिजनेस इंटेलिजेंस के निदेशक हैं।

Prodege एक डेटा-संचालित मार्केटिंग और उपभोक्ता अंतर्दृष्टि प्लेटफ़ॉर्म है जिसमें उपभोक्ता ब्रांड- Swagbucks, MyPoints, Tada, ySense, InboxDollars, InboxPounds, DailyRewards, PollFish, और Upromise शामिल हैं- साथ ही मार्केटर्स और शोधकर्ताओं के लिए व्यावसायिक समाधानों के पूरक सूट के साथ। प्रोडेज के 120 मिलियन उपयोगकर्ता हैं और 2.1 से अब तक 2005 बिलियन डॉलर के पुरस्कारों का भुगतान कर चुके हैं। 2021 में, प्रोडेज ने मैजिक रिसीप्ट्स लॉन्च किया, जो अपने उपयोगकर्ताओं के लिए अपने पसंदीदा खुदरा विक्रेताओं से इन-स्टोर खरीदारी करके नकद वापस अर्जित करने और उपहार कार्ड रिडीम करने का एक नया तरीका है, और रसीद अपलोड कर रहा है।

ग्राहकों की संतुष्टि के शीर्ष पर बने रहने के लिए निरंतर ध्यान और नवीनता की आवश्यकता होती है।

खरोंच से डेटा विज्ञान टीम बनाना एक महान निवेश है, लेकिन इसमें समय लगता है, और अक्सर एडब्ल्यूएस एआई सेवाओं के साथ तत्काल व्यावसायिक प्रभाव पैदा करने के अवसर होते हैं। के अनुसार गार्टनर, 2024 के अंत तक, 75% उद्यम पायलटिंग से एआई के संचालन में स्थानांतरित हो जाएंगे। एआई और मशीन लर्निंग (एमएल) की बढ़ती पहुंच के साथ, टीमों को इस बात पर ध्यान केंद्रित करने की आवश्यकता है कि कम लागत वाला, उच्च प्रभाव वाला समाधान कैसे बनाया जाए जिसे किसी संगठन द्वारा आसानी से अपनाया जा सके।

इस पोस्ट में, हम साझा करते हैं कि कैसे Prodege ने AI और ML को अपने व्यवसाय में शामिल करके अपने ग्राहक अनुभव को बेहतर बनाया। प्रोडगे अपने ग्राहकों को उनकी रसीदें अपलोड करने के बाद तेजी से पुरस्कृत करने का एक तरीका खोजना चाहता था। उनके पास छूट जारी करने से पहले विसंगतियों के लिए प्राप्तियों का निरीक्षण करने का स्वचालित तरीका नहीं था। चूंकि प्राप्तियों की मात्रा प्रति सप्ताह हजारों में थी, इसलिए विसंगतियों की पहचान करने की मैन्युअल प्रक्रिया मापनीय नहीं थी।

Amazon रिकॉग्निशन कस्टम लेबल्स का उपयोग करते हुए, Prodege ने अपने ग्राहकों को रसीदें अपलोड करने के बाद 5 गुना तेज़ी से पुरस्कृत किया, विषम रसीदों के सही वर्गीकरण को 70% से बढ़ाकर 99% कर दिया, और वार्षिक मानव समीक्षा लागत में $1.5 मिलियन की बचत की।

चुनौती: बड़े पैमाने पर जल्दी और सही तरीके से प्राप्तियों में विसंगतियों का पता लगाना

शीर्ष स्तरीय ग्राहक अनुभव के लिए प्रोडेज की प्रतिबद्धता के लिए उस गति में वृद्धि की आवश्यकता है जिस पर ग्राहकों को इसके व्यापक रूप से लोकप्रिय मैजिक रिसीप्ट्स उत्पाद के लिए पुरस्कार प्राप्त होते हैं। ऐसा करने के लिए, प्रोडेज को रसीद विसंगतियों का तेजी से पता लगाने की आवश्यकता थी। प्रोडेज ने केरस का उपयोग करके अपने स्वयं के गहन शिक्षण मॉडल के निर्माण की जांच की। यह समाधान लंबी अवधि में आशाजनक था, लेकिन निम्नलिखित कारणों से प्रोडगे की वांछित गति पर लागू नहीं किया जा सका:

• एक बड़े डेटासेट की आवश्यकता है - प्रोडेज ने महसूस किया कि मॉडल को प्रशिक्षित करने के लिए उन्हें हजारों छवियों की आवश्यकता होगी, और उन्हें मॉडल को प्रशिक्षित करने के लिए GPU के साथ भारी गणना शक्ति की भी आवश्यकता होगी।
• समय लेने वाला और महंगा - प्रोडगे के पास सैकड़ों मानव-लेबल वाली वैध और विषम रसीदें थीं, और विसंगतियाँ सभी दृश्य थीं। अतिरिक्त लेबल वाली छवियों को जोड़ने से परिचालन व्यय उत्पन्न हुआ और यह केवल सामान्य व्यावसायिक घंटों के दौरान ही कार्य कर सका।
• आवश्यक कस्टम कोड और उच्च रखरखाव - प्रोडेज को कस्टम मॉडल को प्रशिक्षित करने और तैनात करने और अपने जीवनचक्र को बनाए रखने के लिए कस्टम कोड विकसित करना होगा।

समाधान का अवलोकन: पहचान कस्टम लेबल

प्रोडगे ने एडब्ल्यूएस खाता टीम के साथ काम किया ताकि पहले व्यावसायिक उपयोग के मामले की पहचान स्वचालित तरीके से प्राप्तियों को कुशलतापूर्वक संसाधित करने में सक्षम हो ताकि उनका व्यवसाय केवल वैध प्राप्तियों के लिए छूट जारी कर रहा हो। प्रोडेज डेटा साइंस टीम एक ऐसा समाधान चाहती थी जिसे शुरू करने के लिए एक छोटे डेटासेट की आवश्यकता हो, तत्काल व्यावसायिक प्रभाव पैदा कर सके, और न्यूनतम कोड और कम रखरखाव की आवश्यकता हो।

इन सूचनाओं के आधार पर, खाता टीम ने पहचान के कस्टम लेबल की पहचान एक मॉडल को प्रशिक्षित करने के लिए एक संभावित समाधान के रूप में की ताकि यह पता लगाया जा सके कि कौन सी रसीदें वैध हैं और किनमें विसंगतियां हैं। रिकॉग्निशन कस्टम लेबल्स एक कंप्यूटर विज़न AI क्षमता प्रदान करता है जिसमें विज़ुअल इंटरफ़ेस के साथ अपलोड किए गए लेबल किए गए डेटा की कुछ सौ छवियों के साथ मॉडल को स्वचालित रूप से प्रशिक्षित और तैनात किया जाता है।

पहला कदम प्रोडेज से लेबल की गई रसीदों का उपयोग करके एक मॉडल को प्रशिक्षित करना था। प्राप्तियों को दो लेबलों में वर्गीकृत किया गया था: वैध और विषम। प्रत्येक प्रकार की लगभग सौ प्राप्तियों को प्रोडेज बिजनेस टीम द्वारा सावधानीपूर्वक चुना गया था, जिन्हें विसंगतियों का ज्ञान था। रिकॉग्निशन कस्टम लेबल में एक अच्छे मॉडल की कुंजी सटीक प्रशिक्षण डेटा है। अगला कदम स्थापित करना था मॉडल का प्रशिक्षण रिकॉग्निशन कस्टम लेबल कंसोल पर कुछ क्लिक के साथ। मॉडल की सटीकता और गुणवत्ता को मापने के लिए उपयोग किया जाने वाला F1 स्कोर 97% पर आया। इसने प्रोडेज को अपने सैंडबॉक्स में कुछ अतिरिक्त परीक्षण करने के लिए प्रोत्साहित किया और यह पता लगाने के लिए प्रशिक्षित मॉडल का उपयोग किया कि क्या नई रसीदें वैध थीं या उनमें विसंगतियाँ थीं। अनुमान स्थापित करना पहचान के साथ कस्टम लेबल एक आसान एक-क्लिक प्रक्रिया है, और यह प्रोग्रामेटिक अनुमान को भी सेट करने के लिए नमूना कोड प्रदान करता है।

मॉडल की सटीकता से उत्साहित होकर, प्रोडेज ने एक पायलट बैच इंट्रेंस पाइपलाइन की स्थापना की। पाइपलाइन मॉडल शुरू करेगी, मॉडल के खिलाफ सैकड़ों रसीदें चलाएगी, परिणामों को संग्रहीत करेगी, और फिर हर हफ्ते मॉडल को बंद कर देगी। इसके बाद अनुपालन टीम सटीकता की जांच के लिए रसीदों का मूल्यांकन करेगी। पायलट के लिए सटीकता उतनी ही अधिक रही जितनी प्रारंभिक परीक्षण के दौरान थी। मॉडल की सटीकता को बनाए रखने और सुधारने के लिए प्रोडेज टीम ने नई प्राप्तियों को प्रशिक्षित करने के लिए एक पाइपलाइन भी स्थापित की।

अंत में, प्रोडेज बिजनेस इंटेलिजेंस टीम ने एक अनुमान समापन बिंदु स्थापित करने के लिए एडब्ल्यूएस खाते और उत्पाद टीम से एप्लिकेशन टीम और समर्थन के साथ काम किया जो वास्तविक समय में अपलोड की गई रसीदों की वैधता की भविष्यवाणी करने के लिए उनके आवेदन के साथ काम करेगा और अपने उपयोगकर्ताओं को सर्वोत्तम प्रदान करेगा- इन-क्लास उपभोक्ता पुरस्कार अनुभव। समाधान निम्न आकृति में हाइलाइट किया गया है। रिकॉग्निशन कस्टम लेबल्स के पूर्वानुमान और विश्वास स्कोर के आधार पर, प्रोडेज बिजनेस इंटेलिजेंस टीम ने इसे संसाधित करने या अतिरिक्त जांच से गुजरने के लिए व्यावसायिक तर्क को लागू किया। मानव को लूप में पेश करके, प्रोडेज भविष्यवाणियों की गुणवत्ता की निगरानी करने और आवश्यकतानुसार मॉडल को फिर से प्रशिक्षित करने में सक्षम है।

परिणाम

रिकॉग्निशन कस्टम लेबल के साथ, प्रोडेज ने विसंगतिपूर्ण प्राप्तियों के सही वर्गीकरण को 70% से बढ़ाकर 99% कर दिया और वार्षिक मानव समीक्षा लागत में $1.5 मिलियन की बचत की। इसने प्रोडगे को अपनी रसीदें अपलोड करने के बाद अपने ग्राहकों को 5 गुना तेजी से पुरस्कृत करने की अनुमति दी। रिकॉग्निशन कस्टम लेबल का सबसे अच्छा हिस्सा यह था कि इसे स्थापित करना आसान था और उच्च आत्मविश्वास वाली छवि पहचान के लिए एमएल मॉडल को प्रशिक्षित करने के लिए पूर्व-वर्गीकृत छवियों के केवल एक छोटे से सेट की आवश्यकता थी (लगभग 200 छवियों बनाम 50,000 एक मॉडल को खरोंच से प्रशिक्षित करने के लिए आवश्यक) ) मॉडल के एंडपॉइंट्स को एपीआई का उपयोग करके आसानी से एक्सेस किया जा सकता है। रिकॉग्निशन कस्टम लेबल प्रोडेज के लिए उनके मान्य रसीद स्कैनिंग उत्पाद के सुचारू कामकाज को सक्षम करने के लिए एक अत्यंत प्रभावी समाधान रहा है, और प्रोडगे को मैन्युअल पहचान करने में बहुत समय और संसाधनों को बचाने में मदद मिली है।

निष्कर्ष

ग्राहकों की संतुष्टि के शीर्ष पर बने रहने के लिए निरंतर ध्यान और नवाचार की आवश्यकता होती है, और यह आज व्यवसायों के लिए एक रणनीतिक लक्ष्य है। AWS कंप्यूटर विज़न सेवाओं ने Prodge को कम लागत और कम कोड समाधान के साथ तत्काल व्यावसायिक प्रभाव बनाने की अनुमति दी। AWS के साथ साझेदारी में, Prodege लगातार नवाचार कर रहा है और ग्राहकों की संतुष्टि के लिए अग्रणी बना हुआ है। आप आज से शुरू कर सकते हैं मान्यता कस्टम लेबल और अपने व्यावसायिक परिणामों में सुधार करें।

लेखक के बारे में

अरुण गुप्ता प्रोडेज एलएलसी में बिजनेस इंटेलिजेंस के निदेशक हैं। उन्हें विभिन्न व्यावसायिक समस्याओं में प्रभावी समाधान प्रदान करने के लिए मशीन लर्निंग तकनीकों को लागू करने का शौक है।

प्रशांत गणपति एडब्ल्यूएस में लघु मध्यम व्यवसाय (एसएमबी) खंड में एक वरिष्ठ समाधान वास्तुकार है। उन्हें एडब्ल्यूएस एआई/एमएल सेवाओं के बारे में सीखने और ग्राहकों के लिए समाधान तैयार करके उनके व्यावसायिक परिणामों को पूरा करने में मदद करने में आनंद आता है। काम के बाहर, प्रशांत को फोटोग्राफी, यात्रा और विभिन्न व्यंजनों को आज़माने में मज़ा आता है।

अमित गुप्ता एडब्ल्यूएस में एआई सर्विसेज सॉल्यूशंस आर्किटेक्ट हैं। वह बड़े पैमाने पर अच्छी तरह से आर्किटेक्टेड मशीन लर्निंग सॉल्यूशंस के साथ ग्राहकों को सक्षम बनाने के बारे में भावुक हैं।

छेद रामोस एडब्ल्यूएस के साथ एक वरिष्ठ खाता प्रबंधक है। वह ग्राहकों को उनकी सबसे जटिल व्यावसायिक चुनौतियों को हल करने में मदद करने, ग्राहकों के व्यवसायों में एआई / एमएल को शामिल करने और ग्राहकों को शीर्ष-पंक्ति राजस्व बढ़ाने में मदद करने के बारे में भावुक है।