I clienti si rivolgono sempre più alle recensioni dei prodotti per prendere decisioni informate nel loro percorso di acquisto, sia che acquistino oggetti di uso quotidiano come un asciugatutto o che effettuino acquisti importanti come l'acquisto di un'auto. Queste recensioni si sono trasformate in una fonte essenziale di informazioni, consentendo agli acquirenti di accedere alle opinioni e alle esperienze di altri clienti. Di conseguenza, le recensioni dei prodotti sono diventate un aspetto cruciale di qualsiasi negozio, offrendo preziosi feedback e approfondimenti per aiutare a prendere decisioni di acquisto informate.
Amazon ha uno dei più grandi negozi con centinaia di milioni di articoli disponibili. Nel 2022, 125 milioni di clienti hanno contribuito con quasi 1.5 miliardi di recensioni e valutazioni ai negozi Amazon, rendendo le recensioni online su Amazon una solida fonte di feedback per i clienti. Alla scala delle recensioni dei prodotti inviate ogni mese, è essenziale verificare che queste recensioni siano in linea con Linee guida della community di Amazon per quanto riguarda linguaggio, parole, video e immagini accettabili. Questa pratica è in atto per garantire che i clienti ricevano informazioni accurate sul prodotto e per evitare che le recensioni includano linguaggio inappropriato, immagini offensive o qualsiasi tipo di incitamento all'odio diretto a individui o comunità. Applicando queste linee guida, Amazon può mantenere un ambiente sicuro e inclusivo per tutti i clienti.
L'automazione della moderazione dei contenuti consente ad Amazon di ridimensionare il processo mantenendo un'elevata precisione. È uno spazio problematico complesso con sfide uniche e che richiede tecniche diverse per testo, immagini e video. Le immagini sono una componente rilevante delle recensioni dei prodotti, spesso fornendo un impatto più immediato sui clienti rispetto al testo. Con Moderazione dei contenuti di Amazon Rekognition, Amazon è in grado di rilevare automaticamente le immagini dannose nelle recensioni dei prodotti con maggiore precisione, riducendo la dipendenza dai revisori umani per moderare tali contenuti. La moderazione dei contenuti di Rekognition ha contribuito a migliorare il benessere dei moderatori umani ea ottenere significativi risparmi sui costi.
Moderazione con modelli ML self-hosted
Il team di Amazon Shopping ha progettato e implementato un sistema di moderazione che utilizza il machine learning (ML) insieme alla revisione human-in-the-loop (HITL) per garantire che le recensioni dei prodotti riguardino l'esperienza del cliente con il prodotto e non contengano informazioni inappropriate o contenuti dannosi secondo le linee guida della community. Il sottosistema di moderazione delle immagini, come illustrato nel diagramma seguente, utilizzava più modelli di visione artificiale self-hosted e autoaddestrati per rilevare le immagini che violano le linee guida di Amazon. Il responsabile della decisione determina l'azione di moderazione e fornisce i motivi della sua decisione in base all'output dei modelli ML, decidendo così se l'immagine richiede un'ulteriore revisione da parte di un moderatore umano o può essere approvata o rifiutata automaticamente.
Con questi modelli ML self-hosted, il team ha iniziato automatizzando le decisioni sul 40% delle immagini ricevute come parte delle revisioni e ha lavorato continuamente per migliorare la soluzione nel corso degli anni, affrontando diverse sfide:
- Sforzi continui per migliorare il tasso di automazione – Il team desiderava migliorare l'accuratezza degli algoritmi ML, con l'obiettivo di aumentare il tasso di automazione. Ciò richiede continui investimenti in etichettatura dei dati, scienza dei dati e MLOps per la formazione e la distribuzione dei modelli.
- Complessità del sistema – La complessità dell'architettura richiede investimenti in MLOps per garantire che il processo di inferenza ML sia scalabile in modo efficiente per soddisfare il crescente traffico di invio di contenuti.
Sostituisci i modelli ML self-hosted con l'API Rekognition Content Moderation
Rekognition di Amazon è un servizio di intelligenza artificiale gestita (AI) che offre modelli pre-addestrati tramite un'interfaccia API per moderazione di immagini e video. È stato ampiamente adottato da settori come l'e-commerce, i social media, i giochi, le app di appuntamenti online e altri per moderare i contenuti generati dagli utenti (UGC). Ciò include una gamma di tipi di contenuto, come recensioni di prodotti, profili utente e moderazione dei post sui social media.
Rekognition Content Moderation automatizza e semplifica i flussi di lavoro di moderazione di immagini e video senza richiedere esperienza nel machine learning. I clienti di Amazon Rekognition possono elaborare milioni di immagini e video, rilevando in modo efficiente contenuti inappropriati o indesiderati, con API completamente gestite e regole di moderazione personalizzabili per mantenere gli utenti al sicuro e l'azienda conforme.
Il team ha migrato con successo un sottoinsieme di modelli ML autogestiti nel sistema di moderazione delle immagini per il rilevamento di contenuti nudi e non sicuri per il lavoro (NSFW) all'API di moderazione di Amazon Rekognition Detect, sfruttando i modelli di moderazione pre-addestrati altamente accurati e completi . Grazie all'elevata precisione di Amazon Rekognition, il team è stato in grado di automatizzare più decisioni, risparmiare sui costi e semplificare l'architettura del sistema.
Precisione migliorata e categorie di moderazione ampliate
L'attuazione del API di moderazione delle immagini di Amazon Rekognition ha portato a una maggiore precisione per il rilevamento di contenuti inappropriati. Ciò implica che un'ulteriore approssimazione di 1 milione di immagini all'anno verrà automaticamente moderata senza la necessità di alcuna revisione umana.
Eccellenza operativa
Il team di Amazon Shopping è stato in grado di semplificare l'architettura del sistema, riducendo lo sforzo operativo necessario per gestire e mantenere il sistema. Questo approccio ha consentito loro di risparmiare mesi di impegno DevOps all'anno, il che significa che ora possono dedicare il proprio tempo allo sviluppo di funzionalità innovative invece di spenderlo in attività operative.
riduzione dei costi
L'elevata precisione della moderazione dei contenuti di Rekognition ha consentito al team di inviare meno immagini per la revisione da parte di persone, inclusi contenuti potenzialmente inappropriati. Ciò ha ridotto il costo associato alla moderazione umana e ha consentito ai moderatori di concentrare i propri sforzi su attività aziendali di maggior valore. In combinazione con i guadagni di efficienza di DevOps, il team di Amazon Shopping ha ottenuto significativi risparmi sui costi.
Conclusione
La migrazione da modelli ML self-hosted all'API di moderazione di Amazon Rekognition per la moderazione delle revisioni dei prodotti può offrire molti vantaggi alle aziende, tra cui significativi risparmi sui costi. Automatizzando il processo di moderazione, i negozi online possono moderare in modo rapido e accurato grandi volumi di recensioni di prodotti, migliorando l'esperienza del cliente garantendo che i contenuti inappropriati o spam vengano rapidamente rimossi. Inoltre, utilizzando un servizio gestito come l'API di moderazione di Amazon Rekognition, le aziende possono ridurre il tempo e le risorse necessarie per sviluppare e mantenere i propri modelli, il che può essere particolarmente utile per le aziende con risorse tecniche limitate. La flessibilità dell'API consente inoltre ai negozi online di personalizzare le proprie regole e soglie di moderazione per soddisfare le proprie esigenze specifiche.
Scopri moderazione dei contenuti su AWS e il nostro casi d'uso ML di moderazione dei contenuti. Fai il primo passo verso semplificando le operazioni di moderazione dei contenuti con AWS.
Informazioni sugli autori
Shipra Kanoria è Principal Product Manager presso AWS. È appassionata di aiutare i clienti a risolvere i loro problemi più complessi con il potere dell'apprendimento automatico e dell'intelligenza artificiale. Prima di entrare in AWS, Shipra ha trascorso oltre 4 anni in Amazon Alexa, dove ha lanciato molte funzionalità relative alla produttività sull'assistente vocale Alexa.
Luca Agostino Rubino è Principal Software Engineer nel team di Amazon Shopping. Lavora su funzionalità della community come recensioni dei clienti e domande e risposte, concentrandosi negli anni sulla moderazione dei contenuti e sul ridimensionamento e l'automazione delle soluzioni di machine learning.
Lana Zhang è Senior Solutions Architect presso il team AWS WWSO AI Services, specializzato in AI e ML per moderazione dei contenuti, visione artificiale, elaborazione del linguaggio naturale e intelligenza artificiale generativa. Con la sua esperienza, si dedica a promuovere le soluzioni AWS AI/ML e ad assistere i clienti nella trasformazione delle loro soluzioni aziendali in diversi settori, tra cui social media, giochi, e-commerce, media, pubblicità e marketing.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
- PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
- PlatoneESG. Automobilistico/VE, Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
- Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
- Grafico Prime. Migliora il tuo gioco di trading con ChartPrime. Accedi qui.
- BlockOffset. Modernizzare la proprietà della compensazione ambientale. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :ha
- :È
- :non
- :Dove
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- capace
- WRI
- accettabile
- accesso
- precisione
- preciso
- con precisione
- Raggiungere
- raggiunto
- operanti in
- Action
- aggiuntivo
- Inoltre
- adottato
- Vantaggio
- Pubblicità
- AI
- Servizi di intelligenza artificiale
- AI / ML
- Mirare
- Alexa
- Algoritmi
- allineare
- Tutti
- assegnare
- permesso
- consente
- anche
- Amazon
- Rekognition di Amazon
- Amazon Web Services
- an
- ed
- in qualsiasi
- api
- API
- approccio
- approvato
- approssimativo
- applicazioni
- architettura
- SONO
- artificiale
- intelligenza artificiale
- Intelligenza artificiale (AI)
- AS
- aspetto
- Assistant
- assistere
- associato
- At
- automatizzare
- automatizza
- automaticamente
- Automatizzare
- Automazione
- disponibile
- AWS
- basato
- BE
- diventare
- stato
- prima
- vantaggi
- Miliardo
- affari
- aziende
- Acquisto
- by
- Materiale
- auto
- casi
- sfide
- combinato
- Comunità
- comunità
- Aziende
- complesso
- complessità
- compiacente
- componente
- globale
- computer
- Visione computerizzata
- congiunzione
- contenere
- contenuto
- Tipi di contenuto
- continuo
- continuamente
- contribuito
- Costo
- risparmi
- Costi
- potuto
- cruciale
- cliente
- esperienza del cliente
- Clienti
- personalizzabile
- personalizzare
- dati
- scienza dei dati
- Incontri
- Decidere
- decisione
- decisioni
- dedicato
- deployment
- progettato
- desiderato
- individuare
- rivelazione
- determina
- sviluppare
- in via di sviluppo
- diverso
- paesaggio differenziato
- Dont
- e-commerce
- ecommerce
- efficienza
- in modo efficiente
- sforzo
- sforzi
- abilitato
- consentendo
- far rispettare
- ingegnere
- garantire
- assicurando
- Ambiente
- particolarmente
- essential
- Ogni
- quotidiano
- ampliato
- esperienza
- Esperienze
- competenza
- di fronte
- Caratteristiche
- feedback
- meno
- Nome
- in forma
- Flessibilità
- Focus
- messa a fuoco
- i seguenti
- Nel
- da
- completamente
- ulteriormente
- Guadagni
- gaming
- generativo
- AI generativa
- Crescita
- di garanzia
- linee guida
- dannoso
- Avere
- he
- Aiuto
- aiutato
- aiutare
- suo
- Alta
- superiore
- vivamente
- Come
- HTML
- HTTPS
- umano
- centinaia
- centinaia di milioni
- Immagine
- immagini
- immediato
- Impact
- implementazione
- implementato
- competenze
- miglioramento
- in
- inclusi
- Compreso
- Inclusivo
- Aumento
- sempre più
- individui
- industrie
- far sapere
- informazioni
- informati
- creativi e originali
- intuizioni
- invece
- Intelligence
- Interfaccia
- ai miglioramenti
- Investimenti
- IT
- elementi
- SUO
- accoppiamento
- viaggio
- jpg
- mantenere
- conservazione
- etichettatura
- Lingua
- grandi
- maggiore
- lanciato
- apprendimento
- piace
- Limitato
- macchina
- machine learning
- mantenere
- maggiore
- make
- Fare
- gestire
- gestito
- direttore
- molti
- Marketing
- si intende
- Media
- Soddisfare
- migrato
- milione
- milioni
- ML
- MLOp
- modelli
- moderazione
- Mese
- mese
- Scopri di più
- maggior parte
- multiplo
- Naturale
- Elaborazione del linguaggio naturale
- quasi
- Bisogno
- di applicazione
- esigenze
- adesso
- XNUMX+
- of
- offensivo
- offerta
- Offerte
- di frequente
- on
- ONE
- online
- operativa
- Operazioni
- Opinioni
- or
- Altro
- Altri
- nostro
- produzione
- ancora
- complessivo
- proprio
- parte
- appassionato
- per
- posto
- Platone
- Platone Data Intelligence
- PlatoneDati
- Post
- potenzialmente
- energia
- pratica
- prevenire
- Direttore
- Problema
- problemi
- processi
- lavorazione
- Prodotto
- product manager
- Recensioni prodotto
- Profili
- promuovere
- fornire
- fornisce
- fornitura
- Acquista
- acquisti
- acquisto
- rapidamente
- gamma
- tasso
- valutazioni
- motivi
- ricevere
- ricevuto
- ridurre
- Ridotto
- riducendo
- per quanto riguarda
- pertinente
- fiducia
- rimosso
- necessario
- richiede
- Risorse
- colpevole
- recensioni
- Recensioni
- norme
- sicura
- Risparmi
- Risparmio
- Scala
- bilancia
- scala
- Scienze
- inviare
- anziano
- servizio
- Servizi
- alcuni
- lei
- Shopping
- significativa
- semplificare
- Social
- Social Media
- Software
- Software Engineer
- solido
- soluzione
- Soluzioni
- RISOLVERE
- Fonte
- lo spazio
- carne in scatola
- specializzata
- specifico
- discorso
- Spendere
- esaurito
- iniziato
- step
- Tornare al suo account
- negozi
- sottomissione
- presentata
- Con successo
- tale
- sistema
- Fai
- presa
- task
- team
- Consulenza
- tecniche
- di
- che
- Il
- loro
- Li
- in tal modo
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- questo
- Attraverso
- tempo
- a
- verso
- traffico
- Training
- trasformato
- trasformazione
- Svolta
- Digitare
- Tipi di
- unico
- non desiderato
- uso
- Utente
- utenti
- usa
- utilizzando
- utilizzati
- Prezioso
- verificare
- Video
- Video
- visione
- Voce
- volumi
- Prima
- sito web
- servizi web
- se
- quale
- while
- ampiamente
- volere
- con
- senza
- parole
- Lavora
- lavorato
- flussi di lavoro
- lavori
- anno
- anni
- Trasferimento da aeroporto a Sharm
- zefiro