Mengotomatiskan pembuatan deskripsi produk dengan Amazon Bedrock | Layanan Web Amazon

Dalam dunia ecommerce yang terus berkembang saat ini, pengaruh deskripsi produk yang menarik tidak bisa dilebih-lebihkan. Ini bisa menjadi faktor penentu yang mengubah calon pengunjung menjadi pelanggan yang membayar atau membuat mereka mengklik ke situs pesaing. Pembuatan deskripsi ini secara manual pada beragam produk merupakan proses yang padat karya, dan dapat memperlambat kecepatan inovasi baru. Di sinilah Batuan Dasar Amazon dengan kemampuan AI generatifnya mengambil langkah untuk mengubah permainan. Dalam postingan ini, kami mendalami bagaimana Amazon Bedrock mentransformasikan proses pembuatan deskripsi produk, memberdayakan e-retailer untuk meningkatkan skala bisnis mereka secara efisien sekaligus menghemat waktu dan sumber daya yang berharga.

Membuka kekuatan AI generatif di bidang ritel

AI generatif telah menarik perhatian dewan direksi dan CEO di seluruh dunia, sehingga mendorong mereka untuk bertanya, “Bagaimana kita dapat memanfaatkan AI generatif untuk bisnis kita?” Salah satu penerapan AI generatif yang paling menjanjikan dalam e-niaga adalah menggunakannya untuk membuat deskripsi produk. Pengecer dan merek telah menginvestasikan sumber daya yang signifikan dalam menguji dan mengevaluasi deskripsi yang paling efektif, dan AI generatif unggul dalam bidang ini.

Membuat deskripsi produk yang menarik dan informatif untuk katalog yang luas adalah tugas yang sangat besar, terutama untuk platform e-niaga global. Terjemahan manual dan adaptasi deskripsi produk untuk setiap pasar menghabiskan waktu dan sumber daya. Hal ini menghasilkan deskripsi yang umum atau tidak lengkap, yang menyebabkan berkurangnya penjualan dan kepuasan pelanggan.

Kekuatan Amazon Bedrock: deskripsi produk yang dihasilkan AI

Amazon Bedrock adalah layanan terkelola sepenuhnya yang menyederhanakan pengembangan AI generatif, menawarkan model fondasi (FM) berperforma tinggi dari perusahaan AI terkemuka seperti AI21 Labs, Anthropic, Cohere, Meta, Stability AI, dan Amazon melalui satu API. Ini memberikan serangkaian kemampuan komprehensif untuk membangun aplikasi AI generatif sambil memastikan privasi dan keamanan tetap terjaga. Dengan Amazon Bedrock, Anda dapat bereksperimen dengan berbagai FM dan menyesuaikannya secara pribadi menggunakan teknik seperti fine-tuning dan Retrieval Augmented Generation (RAG). Platform ini memungkinkan Anda membuat agen terkelola untuk tugas bisnis yang kompleks tanpa memerlukan pengkodean, seperti memesan perjalanan, memproses klaim asuransi, membuat kampanye iklan, dan mengelola inventaris.

Misalnya, platform e-niaga pada awalnya dapat menghasilkan deskripsi produk dasar yang mencakup ukuran, warna, dan harga. Namun, fleksibilitas Amazon Bedrock memungkinkan deskripsi ini disesuaikan untuk menyertakan ulasan pelanggan, mengintegrasikan bahasa khusus merek, dan menyoroti fitur produk tertentu, sehingga menghasilkan deskripsi yang disesuaikan dan sesuai dengan audiens target. Selain itu, Amazon Bedrock menawarkan akses ke model dasar dari Amazon dan startup AI terkemuka melalui API intuitif, menjadikan seluruh proses lancar dan efisien.

Penggunaan AI dapat memberikan dampak berikut pada proses deskripsi produk:

• Persetujuan lebih cepat – Vendor mengalami proses yang disederhanakan, berpindah dari daftar produk hingga persetujuan dalam waktu kurang dari satu jam, sehingga menghilangkan penundaan yang membuat frustrasi
• Peningkatan kecepatan pencatatan produk – Jika diotomatisasi, pasar e-niaga Anda mengalami lonjakan dalam daftar produk, menawarkan konsumen akses ke barang dagangan terbaru hampir secara instan
• Rantai Pasokan yang Tak Lekang Waktu – Dengan memanfaatkan AI mutakhir, Anda mengamankan posisi Anda sebagai platform berwawasan ke depan yang siap memenuhi permintaan pasar yang terus berkembang
• Innovation – Solusi ini membebaskan tim dari tugas-tugas sehari-hari, memungkinkan mereka fokus pada pekerjaan yang bernilai lebih tinggi dan menumbuhkan budaya inovasi

Ikhtisar solusi

Sebelum kita mendalami detail teknisnya, mari kita lihat pratinjau tingkat tinggi tentang apa yang ditawarkan solusi ini. Solusi ini memungkinkan Anda membuat dan mengelola deskripsi produk untuk platform e-niaga Anda. Ini memberdayakan platform Anda untuk:

• Hasilkan deskripsi dari teks – Dengan kekuatan AI generatif, Amazon Bedrock dapat mengubah deskripsi teks biasa menjadi deskripsi produk yang jelas, informatif, dan menawan.
• Gambar kerajinan – Selain teks, ini juga dapat membuat gambar yang selaras sempurna dengan deskripsi produk, sehingga meningkatkan daya tarik visual listingan Anda.
• Meningkatkan konten yang ada – Apakah Anda sudah memiliki deskripsi produk yang memerlukan perspektif baru? Amazon Bedrock dapat mengambil konten Anda saat ini dan menjadikannya lebih menarik dan menarik.

Solusi ini tersedia di Perpustakaan Solusi AWS. Kami telah memberikan petunjuk rinci dalam lampirannya File README. File README berisi semua informasi yang Anda perlukan untuk memulai, mulai dari persyaratan hingga pedoman penerapan.

Arsitektur sistem terdiri dari beberapa komponen inti:

• Portal UI – Ini adalah antarmuka pengguna (UI) yang dirancang bagi vendor untuk mengunggah gambar produk.
• Rekognisi Amazon - Rekognisi Amazon adalah layanan analisis gambar yang mendeteksi objek, teks, dan label pada gambar.
• Batuan Dasar Amazon – Model pondasi di Amazon Bedrock menggunakan label yang terdeteksi oleh Amazon Rekognition untuk menghasilkan deskripsi produk.
• AWS Lambda - AWS Lambda menyediakan komputasi tanpa server untuk diproses.
• Basis data produk – Repositori pusat menyimpan produk vendor, gambar, label, dan deskripsi yang dihasilkan. Ini bisa berupa database pilihan Anda. Perhatikan bahwa dalam solusi ini, semua penyimpanan ada di UI.
• Portal admin – Portal ini menyediakan pengawasan terhadap sistem dan daftar produk, memastikan kelancaran pengoperasian. Hal ini bukan bagian dari solusi; kami telah menambahkannya untuk pemahaman.

Diagram berikut menggambarkan aliran data dan interaksi dalam sistem

Alur kerja meliputi langkah-langkah berikut:

1. Klien memulai permintaan ke Amazon API Gateway REST API.
2. Amazon API Gateway meneruskan permintaan ke AWS Lambda melalui integrasi proksi.
3. Saat beroperasi pada input citra produk, AWS Lambda memanggil Amazon Rekognition untuk mendeteksi objek dalam citra.
4. AWS Lambda memanggil LLM yang dihosting oleh Amazon Bedrock, seperti model bahasa Amazon Titan, untuk menghasilkan deskripsi produk.
5. Responsnya diteruskan kembali dari AWS Lambda ke Amazon API Gateway.
6. Terakhir, respons HTTP dari Amazon API Gateway dikembalikan ke klien.

Contoh kasus penggunaan

Bayangkan seorang vendor mengunggah gambar produk sepatu, dan Amazon Rekognition mengidentifikasi atribut utama seperti “sepatu putih”, “sepatu kets”, dan “tahan lama”. Amazon Bedrock Titan AI mengambil informasi ini dan menghasilkan deskripsi produk seperti, “Berikut adalah draf deskripsi produk untuk sepatu lari kanvas berdasarkan foto produk: Memperkenalkan Canvas Runner, sepatu ringan yang sempurna untuk gaya hidup aktif Anda. Sepatu lari ini dilengkapi upper berbahan kanvas yang menyerap keringat dengan aksen kulit untuk tampilan yang stylish dan klasik. Desain bertali memberikan kenyamanan, sedangkan lidah dan kerah yang empuk menambah kenyamanan. Di bagian dalam, sol dalam empuk yang dapat dilepas menopang dan membuat kaki Anda nyaman. Sol tengah EVA menyerap guncangan di setiap langkah, sehingga mengurangi kelelahan. Alur fleksibel pada outsole karet memastikan fleksibilitas dan traksi. Dengan gayanya yang sederhana dan terinspirasi retro, Canvas Runner dengan mulus bertransisi dari olahraga ke pakaian sehari-hari. Baik saat Anda menjalankan tugas atau berlari bermil-mil, sepatu serbaguna ini akan membuat Anda terus bergerak dengan nyaman dan bergaya.”

Detail desain

Mari kita jelajahi komponennya lebih detail:

• Antarmuka pengguna:
  • Ujung depan – Bagian depan portal vendor memungkinkan vendor mengunggah gambar produk dan menampilkan daftar produk.
  • Panggilan API – Portal berkomunikasi dengan backend melalui API untuk memproses gambar dan menghasilkan deskripsi.
• Pengakuan Amazon:
  • Analisis gambar – Dipicu oleh panggilan API, Amazon Rekognition menganalisis gambar dan mendeteksi objek, teks, dan label.
  • Keluaran label – Ini mengeluarkan data label yang berasal dari analisis.
• Batuan Dasar Amazon:
  • Pembuatan teks NLP – Amazon Bedrock menggunakan model pemrosesan bahasa alami (NLP) Amazon Titan untuk menghasilkan deskripsi tekstual.
  • Integrasi label – Dibutuhkan label yang terdeteksi oleh Amazon Rekognition sebagai masukan untuk menghasilkan deskripsi produk.
  • Pencocokan gaya – Amazon Bedrock memberikan kemampuan penyesuaian untuk model Amazon Titan untuk memastikan bahwa deskripsi yang dihasilkan cocok dengan gaya platform.
• AWS Lambda:
  • Pengolahan – Lambda menangani panggilan API ke layanan.
• Produk database:
  • Basis data yang fleksibel – Basis data produk dipilih berdasarkan preferensi dan kebutuhan pelanggan. Perhatikan bahwa ini tidak disediakan sebagai bagian dari solusi.

Kemampuan tambahan

Solusi ini lebih dari sekadar menghasilkan deskripsi produk. Ini menawarkan dua opsi luar biasa lainnya:

• Pembuatan gambar dan deskripsi dari teks – Dengan kekuatan AI generatif, Amazon Bedrock dapat mengambil deskripsi teks dan membuat gambar yang sesuai beserta deskripsi produk yang mendetail. Pertimbangkan potensinya:
  • Memvisualisasikan produk secara instan dari teks.
  • Mengotomatiskan pembuatan gambar untuk katalog besar.
  • Meningkatkan pengalaman pelanggan dengan visual yang kaya.
  • Mengurangi waktu dan biaya pembuatan konten.
• Peningkatan deskripsi – Jika Anda sudah memiliki deskripsi produk, Amazon Bedrock dapat menyempurnakannya. Cukup berikan teks dan perintahnya, dan Amazon Bedrock akan dengan terampil meningkatkan dan memperkaya konten, menjadikannya sangat menawan dan menarik bagi pelanggan Anda.

Kesimpulan

Dalam dunia ecommerce yang sangat kompetitif, menjadi yang terdepan dalam inovasi sangatlah penting. Amazon Bedrock menawarkan kemampuan transformatif bagi pengecer elektronik yang ingin meningkatkan konten produk mereka, mengoptimalkan proses pencatatan, dan mendorong penjualan. Dengan kekuatan deskripsi produk yang dihasilkan AI, bisnis dapat membuat konten yang menarik, informatif, dan relevan secara budaya yang sangat disukai pelanggan. Masa depan ecommerce telah tiba, dan hal ini didorong oleh pembelajaran mesin dengan Amazon Bedrock.

Apakah Anda siap untuk membuka potensi penuh dari deskripsi produk yang didukung AI? Ambil langkah berikutnya dalam merevolusi platform e-niaga Anda. Mengunjungi Perpustakaan Solusi AWS dan jelajahi bagaimana Amazon Bedrock dapat mengubah deskripsi produk Anda, menyederhanakan proses, dan meningkatkan penjualan Anda. Saatnya untuk meningkatkan e-niaga Anda dengan Amazon Bedrock!

---

Tentang Penulis

Dhawal Shah adalah Arsitek Solusi Senior di AWS, yang berspesialisasi dalam Pembelajaran Mesin. Dengan fokus kuat pada bisnis digital native, dia memberdayakan pelanggan untuk memanfaatkan AWS dan mendorong pertumbuhan bisnis mereka. Sebagai penggemar ML, Dhaval didorong oleh hasratnya untuk menciptakan solusi berdampak yang membawa perubahan positif. Di waktu senggangnya, ia menuruti kecintaannya pada perjalanan dan menghargai momen-momen berkualitas bersama keluarganya.

Doug Tiffany adalah Kepala Strategi Solusi Dunia untuk Fesyen & Pakaian di AWS. Dalam perannya, Doug bekerja dengan para eksekutif Mode & Pakaian untuk memahami tujuan mereka dan menyelaraskan dengan mereka dalam mencari solusi terbaik. Doug memiliki pengalaman lebih dari 30 tahun di bidang ritel, memegang beberapa peran kepemimpinan dalam bidang merchandising dan teknologi. Doug meraih gelar BBA dari Texas A&M University dan berbasis di Houston, Texas.

Nikhil Sharma adalah Pemimpin Arsitektur Solusi di Amazon Web Services (AWS) di mana ia dan tim Arsitek Solusinya membantu pelanggan AWS memecahkan tantangan bisnis penting menggunakan teknologi dan layanan cloud AWS.

Kevin Bell adalah Sr. Solutions Architect di AWS yang berbasis di Seattle. Dia telah membangun banyak hal di cloud selama sekitar 10 tahun. Anda dapat menemukannya online sebagai @bellkev di GitHub.

Nipun Chagari adalah Arsitek Solusi Utama yang berbasis di Bay Area, CA. Nipun bersemangat membantu pelanggan mengadopsi teknologi Tanpa Server untuk memodernisasi aplikasi dan mencapai tujuan bisnis mereka. Fokusnya baru-baru ini adalah membantu organisasi dalam mengadopsi teknologi modern untuk memungkinkan transformasi digital. Selain bekerja, Nipun menemukan kesenangan dalam bermain bola voli, memasak, dan jalan-jalan bersama keluarganya.

Marshall Bunch adalah Arsitek Solusi di AWS yang membantu pelanggan Amerika Utara merancang beban kerja yang aman, terukur, dan hemat biaya di cloud. Minatnya terletak pada pemecahan permasalahan bisnis kuno di mana data dan teknologi terbaru memungkinkan solusi baru. Di luar aktivitas profesionalnya, Marshall menikmati hiking dan berkemah di Pegunungan Rocky yang indah di Colorado.

Altaaf Dawoodjee adalah Pemimpin Arsitek Solusi yang mendukung pelanggan AdTech di segmen Digital Native Business (DNB) di Amazon Web Service (AWS). Dia memiliki pengalaman lebih dari 20 tahun di bidang Teknologi dan memiliki keahlian mendalam di bidang Analytics. Dia bersemangat membantu mendorong hasil bisnis yang sukses bagi pelanggannya dengan memanfaatkan cloud AWS.

Scott Bell adalah pemimpin dan inovator yang dinamis dengan pengalaman manajemen teknologi lebih dari 25 tahun. Dia bersemangat memimpin dan mengembangkan tim dalam menyediakan teknologi untuk memenuhi tantangan pengguna dan bisnis global. Dia memiliki pengalaman luas dalam memimpin tim teknologi yang menyediakan solusi teknologi global yang mendukung 35+ bahasa. Ia juga tertarik dengan cara AI dan AI Generatif mentransformasi bisnis dan cara mereka mendukung kebutuhan pelanggan yang belum terpenuhi saat ini.

Sachin Shetti adalah Manajer Solusi Pelanggan Utama di AWS. Dia bersemangat membantu perusahaan sukses dan mewujudkan manfaat signifikan dari adopsi cloud, mendorong segalanya mulai dari migrasi dasar hingga transformasi cloud berskala besar di seluruh sumber daya manusia, proses, dan teknologi. Sebelum bergabung dengan AWS, Sachin bekerja sebagai pengembang perangkat lunak selama lebih dari 12 tahun dan memegang berbagai posisi kepemimpinan senior yang memimpin penyampaian dan transformasi teknologi di bidang perawatan kesehatan, layanan keuangan, ritel, dan asuransi. Ia memiliki gelar MBA Eksekutif dan gelar Sarjana Teknik Mesin.

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/