Termékleírások generálásának automatizálása az Amazon Bedrock | Amazon webszolgáltatások

A mai, folyamatosan fejlődő e-kereskedelem világában nem lehet túlbecsülni a lenyűgöző termékleírások hatását. Ez lehet a döntő tényező, amely a potenciális látogatót fizető vásárlóvá változtatja, vagy egy versenytárs webhelyére küldi kattintással. Ezeknek a leírásoknak a manuális létrehozása a termékek széles skáláján munkaigényes folyamat, és lelassíthatja az új innovációk sebességét. Ez az, ahol Amazon alapkőzet generatív mesterséges intelligencia képességeivel átformálja a játékot. Ebben a bejegyzésben azt mutatjuk be, hogy az Amazon Bedrock hogyan alakítja át a termékleírások létrehozásának folyamatát, lehetővé téve az e-kiskereskedők számára, hogy hatékonyan bővítsék vállalkozásukat, miközben értékes időt és erőforrásokat takarítanak meg.

A generatív AI erejének felszabadítása a kiskereskedelemben

A generatív mesterséges intelligencia világszerte felkeltette az igazgatóságok és a vezérigazgatók figyelmét, és arra késztette őket, hogy megkérdezzék: „Hogyan tudjuk a generatív mesterséges intelligenciát hasznosítani vállalkozásunk számára?” A generatív mesterséges intelligencia egyik legígéretesebb alkalmazása az e-kereskedelemben a termékleírások elkészítése. A kereskedők és márkák jelentős erőforrásokat fektettek be a leghatékonyabb leírások tesztelésébe és értékelésébe, és a generatív mesterséges intelligencia ezen a területen is kiemelkedő.

Lebilincselő és informatív termékleírások készítése egy hatalmas katalógushoz óriási feladat, különösen a globális e-kereskedelmi platformok számára. Az egyes piacokra vonatkozó termékleírások kézi fordítása és adaptálása időt és erőforrásokat emészt fel. Ez általános vagy hiányos leírásokat eredményez, ami csökkenti az eladásokat és az ügyfelek elégedettségét.

Az Amazon Bedrock ereje: AI által generált termékleírások

Az Amazon Bedrock egy teljesen felügyelt szolgáltatás, amely leegyszerűsíti a generatív mesterségesintelligencia-fejlesztést, és egyetlen API-n keresztül nagy teljesítményű alapmodelleket (FM-eket) kínál olyan vezető AI-cégektől, mint az AI21 Labs, az Anthropic, a Cohere, a Meta, a Stability AI és az Amazon. Átfogó képességeket kínál generatív AI-alkalmazások készítéséhez, miközben biztosítja a magánélet és a biztonság fenntartását. Az Amazon Bedrock segítségével kísérletezhet különféle FM-ekkel, és személyre szabhatja azokat olyan technikák segítségével, mint a finomhangolás és a Retrieval Augmented Generation (RAG). A platform lehetővé teszi, hogy felügyelt ügynököket hozzon létre összetett üzleti feladatokhoz anélkül, hogy kódolásra lenne szüksége, mint például utazások lefoglalása, biztosítási igények feldolgozása, hirdetési kampányok létrehozása és készletkezelés.

Például az e-kereskedelmi platformok kezdetben alapvető termékleírásokat készíthetnek, amelyek tartalmazzák a méretet, a színt és az árat. Az Amazon Bedrock rugalmassága azonban lehetővé teszi ezeknek a leírásoknak a finomhangolását, hogy beépítsék a vásárlói véleményeket, integrálják a márkaspecifikus nyelvezetet, és kiemeljék a konkrét termékjellemzőket, így személyre szabott leírások születnek, amelyek a célközönségre rezonálnak. Ezenkívül az Amazon Bedrock egy intuitív API-n keresztül hozzáférést biztosít az Amazon alapmodelljeihez és a vezető mesterséges intelligencia vállalkozásokhoz, így az egész folyamat zökkenőmentes és hatékony.

Az AI használata a következő hatással lehet a termékleírási folyamatra:

• Gyorsabb jóváhagyások – A szállítók leegyszerűsített folyamatot tapasztalnak, a terméklistától a jóváhagyásig kevesebb mint egy óra alatt, kiküszöbölve a frusztráló késéseket
• Továbbfejlesztett terméklistázási sebesség – Ha automatizálják, az e-kereskedelmi piactéren a terméklista megnövekedése tapasztalható, így a fogyasztók szinte azonnal hozzáférhetnek a legújabb árukhoz.
• Jövőbiztosság – Az élvonalbeli mesterséges intelligencia felkarolásával biztosíthatja pozícióját egy előremutató platformként, amely kész megfelelni a változó piaci igényeknek
• Innováció – Ez a megoldás megszabadítja a csapatokat a hétköznapi feladatoktól, lehetővé téve számukra, hogy nagyobb értékű munkára összpontosítsanak, és elősegíti az innovációs kultúrát

Megoldás áttekintése

Mielőtt belemerülnénk a technikai részletekbe, lássuk a megoldás által kínált magas szintű előzetest. Ez a megoldás lehetővé teszi termékleírások létrehozását és kezelését az e-kereskedelmi platformhoz. Felhatalmazza platformját a következőkre:

• Leírások generálása szövegből – A generatív mesterséges intelligencia erejével az Amazon Bedrock a sima szöveges leírásokat élénk, informatív és magával ragadó termékleírásokká alakíthatja.
• Kézműves képek – A szövegen túl olyan képeket is készíthet, amelyek tökéletesen illeszkednek a termékleírásokhoz, javítva a hirdetések vizuális vonzerejét.
• Javítsa a meglévő tartalmat – Vannak már meglévő termékleírásai, amelyeknek új szemléletre van szükségük? Az Amazon Bedrock átveheti a jelenlegi tartalmat, és még vonzóbbá és vonzóbbá teheti azt.

Ez a megoldás elérhető a AWS Solutions Library. Részletes útmutatást adtunk a mellékletben README fájl. A README fájl tartalmazza az induláshoz szükséges összes információt, a követelményektől a telepítési irányelvekig.

A rendszer architektúrája több alapvető összetevőből áll:

• UI portál – Ez a felhasználói felület (UI) a szállítók számára készült termékképek feltöltésére.
• Amazon felismerés - Amazon felismerés egy képelemző szolgáltatás, amely objektumokat, szöveget és címkéket észlel a képeken.
• Amazon alapkőzet – Az Amazon Bedrock alapozómodelljei az Amazon Rekognition által észlelt címkéket használják termékleírások létrehozásához.
• AWS Lambda - AWS Lambda szerver nélküli számítást biztosít a feldolgozáshoz.
• Termék adatbázis – A központi adattár a szállítói termékeket, képeket, címkéket és a generált leírásokat tárolja. Ez lehet az Ön által választott adatbázis. Vegye figyelembe, hogy ebben a megoldásban az összes tárhely a felhasználói felületen található.
• Admin portál – Ez a portál biztosítja a rendszer és a terméklisták felügyeletét, biztosítva a zavartalan működést. Ez nem része a megoldásnak; a megértés kedvéért hozzáadtuk.

Az alábbi diagram az adatáramlást és a rendszeren belüli interakciókat szemlélteti

A munkafolyamat a következő lépéseket tartalmazza:

1. Az ügyfél kérést kezdeményez az Amazon API Gateway REST API-hoz.
2. Az Amazon API Gateway proxyintegráción keresztül továbbítja a kérést az AWS Lambdának.
3. Amikor a termék képbemenetein működik, az AWS Lambda meghívja az Amazon Rekognitiont, hogy észlelje a képen lévő objektumokat.
4. Az AWS Lambda felhívja az Amazon Bedrock által üzemeltetett LLM-eket, például az Amazon Titan nyelvi modelleket, hogy termékleírásokat hozzanak létre.
5. A választ az AWS Lambda visszaküldi az Amazon API Gateway-nek.
6. Végül az Amazon API Gateway HTTP-válasza visszakerül az ügyfélhez.

Példa használati esetre

Képzelje el, hogy egy eladó feltölti a cipők termékképét, és az Amazon Rekognition azonosítja a kulcsfontosságú attribútumokat, például a „fehér cipő”, a „tornacipő” és a „strapabíró”. Az Amazon Bedrock Titan AI felhasználja ezeket az információkat, és létrehoz egy termékleírást, például: „Íme egy vászon futócipő termékleírásának vázlata a termékfotó alapján: Bemutatjuk a Canvas Runnert, a tökéletes könnyű cipőt az aktív életmódhoz. Ez a futócipő légáteresztő vászon felsőrésszel rendelkezik, bőr díszítéssel a stílusos, klasszikus megjelenés érdekében. A fűzős kialakítás biztonságos illeszkedést biztosít, a párnázott nyelv és gallér pedig kényelmet biztosít. Belül egy kivehető párnázott talpbetét támasztja és kényezteti a lábát. Az EVA középtalp minden lépésnél elnyeli az ütéseket, csökkentve a fáradtságot. A gumi külső talp rugalmas barázdái rugalmasságot és tapadást biztosítanak. Egyszerű, retro ihletésű stílusával a Canvas Runner zökkenőmentesen vált át az edzésről a mindennapi viseletre. Legyen szó ügyekről vagy mérföldekről, ez a sokoldalú tornacipő kényelmesen és stílusosan mozgatja.

Tervezési részletek

Vizsgáljuk meg részletesebben az összetevőket:

• Felhasználói felület:
  • Front end – A szállítói portál eleje lehetővé teszi a szállítók számára termékképek feltöltését és terméklisták megjelenítését.
  • API-hívások – A portál API-kon keresztül kommunikál a háttérrendszerrel a képek feldolgozásához és leírások generálásához.
• Amazon felismerés:
  • Képelemzés – Az API-hívások által kiváltott Amazon Rekognition elemzi a képeket, és észleli az objektumokat, szövegeket és címkéket.
  • Címke kimenet – Az elemzésből származó címkeadatokat adja ki.
• Amazon alapkőzet:
  • NLP szöveggenerálás – Az Amazon Bedrock az Amazon Titan természetes nyelvi feldolgozási (NLP) modelljét használja a szöveges leírások generálásához.
  • Címke integráció – Az Amazon Rekognition által észlelt címkéket használja bemenetként a termékleírások generálásához.
  • Stílusillesztés – Az Amazon Bedrock finomhangolási lehetőségeket biztosít az Amazon Titan modellekhez, hogy a generált leírások illeszkedjenek a platform stílusához.
• AWS lambda:
  • Feldolgozás – A Lambda kezeli a szolgáltatások API-hívásait.
• Termék-adatbázis:
  • Rugalmas adatbázis – A termékadatbázis kiválasztása az ügyfelek preferenciái és igényei alapján történik. Vegye figyelembe, hogy ez nem része a megoldásnak.

További képességek

Ez a megoldás túlmutat a termékleírások generálásán. Két további hihetetlen lehetőséget kínál:

• Kép és leírás generálása szövegből – A generatív mesterséges intelligencia erejével az Amazon Bedrock szöveges leírásokat tud készíteni, és megfelelő képeket készíthet részletes termékleírásokkal együtt. Fontolja meg a lehetőségeket:
  • A termékek azonnali megjelenítése szövegből.
  • Automatikus képkészítés nagy katalógusokhoz.
  • Az ügyfelek élményének javítása gazdag vizuális elemekkel.
  • A tartalomkészítési idő és költségek csökkentése.
• Leírás javítása – Ha már rendelkezik meglévő termékleírásokkal, az Amazon Bedrock javíthatja azokat. Egyszerűen adja meg a szöveget és a felszólítást, és az Amazon Bedrock ügyesen javítja és gazdagítja a tartalmat, rendkívül lebilincselővé és vonzóvá téve ügyfelei számára.

Következtetés

Az e-kereskedelem éles versenyvilágában elengedhetetlen, hogy az innováció élvonalában maradjunk. Az Amazon Bedrock átalakító képességet kínál azoknak az e-kereskedőknek, akik szeretnék javítani termékeik tartalmát, optimalizálni a listázási folyamatukat és növelni az eladásokat. A mesterséges intelligencia által generált termékleírások erejével a vállalkozások lenyűgöző, informatív és kulturális szempontból releváns tartalmat hozhatnak létre, amely mély visszhangot kelt az ügyfelek körében. Az e-kereskedelem jövője megérkezett, és az Amazon Bedrock gépi tanulása vezérli.

Készen állsz a mesterséges intelligencia által vezérelt termékleírások teljes potenciáljának kiaknázására? Tegye meg a következő lépést e-kereskedelmi platformja forradalmasításában. Meglátogatni a AWS Solutions Library és fedezze fel, hogyan tudja az Amazon Bedrock átalakítani a termékleírásokat, ésszerűsíteni a folyamatokat, és növelni az értékesítést. Itt az ideje, hogy feltöltse e-kereskedelmét az Amazon Bedrock segítségével!

---

A szerzőkről

Dhaval Shah az AWS vezető megoldástervezője, gépi tanulásra szakosodott. Nagy hangsúlyt fektetve a digitális natív vállalkozásokra, képessé teszi ügyfeleit arra, hogy kihasználják az AWS-t és ösztönözzék üzleti növekedésüket. Az ML rajongójaként Dhavalt az a szenvedélye vezérli, hogy hatásos megoldásokat hozzon létre, amelyek pozitív változást hoznak. Szabadidejében hódol az utazás szeretetének, és minőségi pillanatokat ápol családjával.

Doug Tiffan az AWS divat és ruházat világméretű megoldási stratégiájának vezetője. Szerepében Doug a Fashion & Apparel vezetőivel dolgozik, hogy megértsék céljaikat, és hozzájuk igazodjanak a legjobb megoldások megtalálásához. Doug több mint 30 éves kiskereskedelmi tapasztalattal rendelkezik, számos kereskedelmi és technológiai vezető szerepet tölt be. Doug a Texas A&M Egyetemen szerzett BBA diplomát, és a texasi Houstonban található.

Nikhil Sharma az Amazon Web Services (AWS) megoldásarchitektúrájának vezetője, ahol Solutions Architects csapatával segíti az AWS ügyfeleit a kritikus üzleti kihívások megoldásában az AWS felhőtechnológiák és -szolgáltatások segítségével.

Kevin Bell Sr. Solutions Architect az AWS-nél Seattle-ben. Körülbelül 10 éve épít dolgokat a felhőben. Megtalálhatja online @bellkev néven a GitHubon.

Nipun Chagari a fő megoldások építésze, székhelye Bay Area, CA. A Nipun szenvedélyesen támogatja az ügyfeleket a szerver nélküli technológia átvételében az alkalmazások korszerűsítéséhez és üzleti céljaik eléréséhez. A közelmúltban arra összpontosított, hogy segítse a szervezeteket a modern technológiák átvételében, amelyek lehetővé teszik a digitális átalakulást. A munka mellett Nipun örömét leli a röplabdázásban, a főzésben és a családjával való utazásban.

Marshall csapat az AWS megoldástervezője, aki segít az észak-amerikai ügyfeleknek biztonságos, méretezhető és költséghatékony munkaterhelések tervezésében a felhőben. Szenvedélye az ősrégi üzleti problémák megoldásában rejlik, ahol az adatok és a legújabb technológiák újszerű megoldásokat tesznek lehetővé. Szakmai elfoglaltságai mellett Marshall szeret túrázni és kempingezni Colorado gyönyörű Sziklás-hegységében.

Altaf Dawoodjee az Amazon Web Service (AWS) Digital Native Business (DNB) szegmensében a Solutions Architect Leader. Több mint 20 éves tapasztalattal rendelkezik a technológia területén, és mélyreható szakértelemmel rendelkezik az Analytics területén. Szenvedélyesen támogatja ügyfelei sikeres üzleti eredményeit az AWS felhő segítségével.

Scott Bell dinamikus vezető és innovátor, több mint 25 éves technológiai menedzsment tapasztalattal. Szenvedélye a csapatok vezetése és fejlesztése olyan technológiai szolgáltatások nyújtásában, amelyek megfelelnek a globális felhasználók és vállalkozások kihívásainak. Nagy tapasztalattal rendelkezik vezető technológiai csapatokban, amelyek több mint 35 nyelvet támogató globális technológiai megoldásokat kínálnak. Szenvedélyesen rajong az AI és a Generative AI üzletágak átalakulásáért, valamint az ügyfelek jelenlegi kielégítetlen szükségleteinek támogatásáért.

Sachin Shetti az AWS vezető ügyfélmegoldás-menedzsere. Szenvedélyesen törekszik arra, hogy segítse a vállalkozásokat a sikerekben, és a felhőbe való bevezetésből származó jelentős előnyök realizálásában, az alapvető migrációtól a nagyszabású felhőalapú átalakításig az emberek, a folyamatok és a technológia között. Mielőtt az AWS-hez csatlakozott, Sachin több mint 12 éven át szoftverfejlesztőként dolgozott, és több magas rangú vezetői pozíciót töltött be az egészségügy, a pénzügyi szolgáltatások, a kiskereskedelem és a biztosítás technológiai szállításában és átalakításában. Executive MBA diplomával és gépészmérnöki bachelor fokozattal rendelkezik.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
• Forrás: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/