キッチンタオルなどの日用品を購入する場合でも、車の購入などの大きな買い物をする場合でも、買い物の過程で十分な情報に基づいた意思決定を行うために、製品レビューを利用する顧客が増えています。 これらのレビューは重要な情報源に変わり、買い物客が他の顧客の意見や経験にアクセスできるようになりました。 その結果、製品レビューはあらゆる店舗にとって重要な要素となり、購入の決定に役立つ貴重なフィードバックと洞察を提供します。
Amazon には、何億点もの商品を取り揃えた最大規模のストアの 2022 つがあります。 125 年には、1.5 億 XNUMX 万人の顧客が Amazon ストアに約 XNUMX 億件のレビューと評価を投稿し、Amazon でのオンライン レビューが顧客にとって確実なフィードバック源となっています。 毎月送信される製品レビューの規模に応じて、これらのレビューが以下の内容と一致していることを確認することが不可欠です。 Amazonコミュニティガイドライン 許容される言語、言葉、ビデオ、画像に関して。 この慣行は、顧客が製品に関する正確な情報を確実に受け取ることを保証し、レビューに不適切な言葉、攻撃的な画像、または個人やコミュニティに向けられたあらゆる種類のヘイトスピーチが含まれることを防ぐために実施されています。 これらのガイドラインを強制することで、Amazon はすべての顧客にとって安全で包括的な環境を維持できます。
コンテンツモデレーションの自動化により、Amazon は高精度を維持しながらプロセスを拡張できます。 これは、独自の課題を伴う複雑な問題領域であり、テキスト、画像、ビデオに対してさまざまなテクニックが必要です。 画像は製品レビューに関連する要素であり、テキストよりも顧客に直接的な影響を与えることがよくあります。 と Amazon Rekognition コンテンツ管理, Amazon は、商品レビューに含まれる有害な画像をより高い精度で自動的に検出できるため、そのようなコンテンツを管理する人間のレビュー担当者への依存を減らすことができます。 Rekognition Content Moderation は、人間のモデレーターの健康を改善し、大幅なコスト削減を達成するのに役立ちました。
自己ホスト型 ML モデルによるモデレーション
Amazon ショッピング チームは、機械学習 (ML) と人間参加型 (HITL) レビューを組み合わせて使用するモデレーション システムを設計および実装し、商品レビューがその商品の顧客エクスペリエンスに関するものであり、不適切な内容や不適切な内容が含まれていないことを確認しました。コミュニティガイドラインに従って有害なコンテンツ。 次の図に示すように、画像モデレーション サブシステムは、複数の自己ホスト型および自己トレーニング型のコンピューター ビジョン モデルを利用して、Amazon ガイドラインに違反する画像を検出しました。 意思決定ハンドラーはモデレーション アクションを決定し、ML モデルの出力に基づいてその決定の理由を提供し、それによって画像が人間のモデレーターによるさらなるレビューを必要とするか、自動的に承認または拒否できるかを決定します。
これらの自己ホスト型 ML モデルを使用して、チームはレビューの一部として受け取った画像の 40% に対する意思決定を自動化することから始め、いくつかの課題に直面しながら、長年にわたりソリューションの改善に継続的に取り組みました。
- 自動化率を向上させるための継続的な取り組み – チームは、自動化率の向上を目指して、ML アルゴリズムの精度を向上させたいと考えていました。 これには、データのラベル付け、データ サイエンス、モデルのトレーニングと展開のための MLOps への継続的な投資が必要です。
- システムの複雑さ – アーキテクチャが複雑であるため、増大するコンテンツ送信トラフィックに合わせて ML 推論プロセスを効率的に拡張するには、MLOps への投資が必要です。
自己ホスト型 ML モデルを Rekognition Content Moderation API で置き換える
Amazonの再認識 API インターフェイスを介して事前トレーニングされたモデルを提供するマネージド人工知能 (AI) サービスです。 画像とビデオのモデレーション。 ユーザー生成コンテンツ (UGC) を管理するために、e コマース、ソーシャル メディア、ゲーム、オンライン デート アプリなどの業界で広く採用されています。 これには、製品レビュー、ユーザー プロフィール、ソーシャル メディア投稿のモデレーションなど、さまざまな種類のコンテンツが含まれます。
Rekognition Content Moderation は、ML の経験を必要とせずに、画像とビデオのモデレーション ワークフローを自動化および合理化します。 Amazon Rekognition の顧客は、フルマネージド API とカスタマイズ可能なモデレーション ルールを使用して、何百万もの画像やビデオを処理し、不適切または不要なコンテンツを効率的に検出して、ユーザーの安全とビジネスのコンプライアンスを維持できます。
チームは、高精度で包括的な事前トレーニング済みモデレーション モデルを活用し、ヌードおよび職場では安全ではない (NSFW) コンテンツ検出用の画像モデレーション システムの自己管理 ML モデルのサブセットを Amazon Rekognition Detect Moderation API に正常に移行しました。 。 Amazon Rekognition の高精度により、チームはより多くの意思決定を自動化し、コストを節約し、システム アーキテクチャを簡素化することができました。
精度の向上とモデレーション カテゴリの拡大
の実装 Amazon Rekognition イメージモデレーション API 不適切なコンテンツの検出精度が向上しました。 これは、人間によるレビューを必要とせずに、年間約 1 万枚の追加画像が自動的にモデレートされることを意味します。
オペレーショナルエクセレンス
Amazon ショッピング チームはシステム アーキテクチャを簡素化し、システムの管理と保守に必要な運用労力を軽減することができました。 このアプローチにより、年間数か月の DevOps 作業が節約され、運用タスクに時間を費やすのではなく、革新的な機能の開発に時間を割り当てることができるようになりました。
コスト削減
Rekognition Content Moderation の高い精度により、チームは不適切な可能性のあるコンテンツを含む人間によるレビューのために送信する画像の数を減らすことができました。 これにより、人間によるモデレーションに関連するコストが削減され、モデレータはより価値の高いビジネス タスクに労力を集中できるようになりました。 DevOps 効率の向上と組み合わせることで、Amazon ショッピング チームは大幅なコスト削減を達成しました。
まとめ
製品レビューモデレーションのためにセルフホスト型 ML モデルから Amazon Rekognition Moderation API に移行すると、大幅なコスト削減など、企業に多くのメリットがもたらされます。 モデレーション プロセスを自動化することで、オンライン ストアは大量の製品レビューを迅速かつ正確にモデレートでき、不適切なコンテンツやスパム コンテンツが迅速に削除されることで顧客エクスペリエンスが向上します。 さらに、Amazon Rekognition Moderation API のようなマネージドサービスを使用することで、企業は独自のモデルの開発と保守に必要な時間とリソースを削減でき、技術リソースが限られている企業にとっては特に役立ちます。 API の柔軟性により、オンライン ストアは特定のニーズに合わせてモデレーション ルールとしきい値をカスタマイズすることもできます。
詳細については、こちらから AWS でのコンテンツモデレーション と コンテンツモデレーション ML のユースケース。 ~に向けて最初の一歩を踏み出しましょう AWS を使用してコンテンツモデレーション業務を合理化する.
著者について
シプラ・カノリア AWS のプリンシパル プロダクト マネージャーです。 彼女は、機械学習と人工知能の力を利用して、顧客が最も複雑な問題を解決できるよう支援することに情熱を注いでいます。 AWS に入社する前、Shipra は Amazon Alexa で 4 年以上過ごし、Alexa 音声アシスタントで多くの生産性関連機能を立ち上げました。
ルカ・アゴスティーノ・ルビーノ Amazon ショッピング チームの主任ソフトウェア エンジニアです。 彼はカスタマー レビューや Q&A などのコミュニティ機能に取り組んでおり、長年にわたってコンテンツ モデレーションと機械学習ソリューションのスケーリングと自動化に重点を置いています。
ラナ・チャン AWS WWSO AI サービス チームのシニア ソリューション アーキテクトで、コンテンツ モデレーション、コンピューター ビジョン、自然言語処理、生成 AI の AI と ML を専門としています。 彼女はその専門知識を活かして、AWS AI/ML ソリューションを推進し、ソーシャルメディア、ゲーム、電子商取引、メディア、広告、マーケティングなどのさまざまな業界にわたって顧客がビジネス ソリューションを変革できるよう支援することに専念しています。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- チャートプライム。 ChartPrime でトレーディング ゲームをレベルアップしましょう。 こちらからアクセスしてください。
- ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :持っている
- :は
- :not
- :どこ
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- できる
- 私たちについて
- ことができます。
- アクセス
- 精度
- 正確な
- 正確にデジタル化
- 達成する
- 達成
- 越えて
- Action
- NEW
- さらに
- 採択
- 利点
- 広告運用
- AI
- AIサービス
- AI / ML
- 目指す
- アレクサ
- アルゴリズム
- 整列する
- すべて
- 割り当てる
- 許可されて
- ことができます
- また
- Amazon
- Amazonの再認識
- Amazon Webサービス
- an
- および
- どれか
- API
- API
- アプローチ
- 承認された
- 近似
- アプリ
- 建築
- です
- 人工の
- 人工知能
- 人工知能(AI)
- AS
- 側面
- アシスタント
- 支援する
- 関連する
- At
- 自動化する
- 自動化する
- 自動的に
- 自動化する
- オートメーション
- 利用できます
- AWS
- ベース
- BE
- になる
- き
- 利点
- 10億
- ビジネス
- ビジネス
- 買収
- by
- 缶
- 自動車
- 例
- 課題
- 組み合わせた
- コミュニティ
- コミュニティ
- 企業
- 複雑な
- 複雑さ
- 準拠した
- コンポーネント
- 包括的な
- コンピュータ
- Computer Vision
- 共同
- 含む
- コンテンツ
- コンテンツタイプ
- 連続的な
- 連続的に
- 貢献
- 費用
- コスト削減
- コスト
- 可能性
- 重大な
- 顧客
- 顧客満足体験
- Customers
- カスタマイズ可能な
- カスタマイズ
- データ
- データサイエンス
- 年代測定
- 決定する
- 決定
- 決定
- 専用の
- 展開
- 設計
- 希望
- 検出
- 検出
- 決定する
- 開発する
- 開発
- 異なります
- 異なる
- ドント
- eコマース
- eコマース
- 効率
- 効率良く
- 努力
- 努力
- 使用可能
- 有効にする
- 施行
- エンジニア
- 確保
- 確保する
- 環境
- 特に
- 本質的な
- あらゆる
- 日常
- 拡大
- 体験
- エクスペリエンス
- 専門知識
- 向い
- 特徴
- フィードバック
- より少ない
- 名
- フィット
- 柔軟性
- フォーカス
- 焦点
- フォロー中
- から
- 完全に
- さらに
- 利益
- 賭博
- 生々しい
- 生成AI
- 成長
- 保証
- ガイドライン
- 有害な
- 持ってる
- he
- 助けます
- 助けました
- 助け
- 彼女の
- ハイ
- より高い
- 非常に
- 認定条件
- HTML
- HTTPS
- 人間
- 何百
- 数億
- 画像
- 画像
- 即時の
- 影響
- 実装
- 実装
- 改善します
- 改善
- in
- 含ま
- 含めて
- 包括的
- 増える
- ますます
- 個人
- 産業
- 知らせます
- 情報
- 情報に基づく
- 革新的な
- 洞察
- を取得する必要がある者
- インテリジェンス
- インタフェース
- に
- インベストメント
- IT
- リーディングシート
- ITS
- 参加
- 旅
- JPG
- キープ
- 保管
- ラベリング
- 言語
- 大
- 最大の
- 打ち上げ
- 学習
- ような
- 限定的
- 機械
- 機械学習
- 維持する
- 主要な
- make
- 作成
- 管理します
- マネージド
- マネージャー
- 多くの
- マーケティング
- 手段
- メディア
- 大会
- 移行
- 百万
- 何百万
- ML
- MLOps
- モデル
- 節度
- 月
- ヶ月
- 他には?
- 最も
- の試合に
- ナチュラル
- 自然言語処理
- ほぼ
- 必要
- 必要とされる
- ニーズ
- 今
- NSFW
- of
- 攻撃
- 提供すること
- オファー
- 頻繁に
- on
- ONE
- オンライン
- オペレーショナル
- 業務執行統括
- 意見
- or
- その他
- その他
- 私たちの
- 出力
- が
- 全体
- 自分の
- 部
- 情熱的な
- 以下のために
- 場所
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポスト
- :
- 電力
- 練習
- 防ぐ
- 校長
- 問題
- 問題
- プロセス
- 処理
- プロダクト
- プロダクトマネージャー
- 商品レビュー
- 対応プロファイル
- 推進
- 提供します
- は、大阪で
- 提供
- 購入
- 購入
- 購買
- すぐに
- 範囲
- レート
- 評価
- 理由は
- 受け取ります
- 受け
- 減らします
- 電話代などの費用を削減
- 縮小
- に対する
- 関連した
- 依存
- 削除済み
- の提出が必要です
- 必要
- リソース
- 結果
- レビュー
- レビュー
- ルール
- 安全な
- Save
- 貯蓄
- 規模
- 秤
- スケーリング
- 科学
- 送信
- シニア
- サービス
- サービス
- いくつかの
- 彼女
- ショッピング
- 重要
- 簡素化する
- 社会
- ソーシャルメディア
- ソフトウェア
- ソフトウェアエンジニア
- 固体
- 溶液
- ソリューション
- 解決する
- ソース
- スペース
- スパム
- 特化
- 特定の
- スピーチ
- 支出
- 費やした
- 開始
- 手順
- 店舗
- 店舗
- 提出
- 提出された
- 首尾よく
- そのような
- 取る
- 取得
- タスク
- チーム
- 技術的
- テクニック
- より
- それ
- アプリ環境に合わせて
- それら
- それによって
- ボーマン
- 彼ら
- この
- 介して
- 時間
- 〜へ
- に向かって
- トラフィック
- トレーニング
- 変換
- 変換
- ターニング
- type
- ユニーク
- 不要な
- つかいます
- ユーザー
- users
- 使用されます
- 利用された
- 貴重な
- 確認する
- ビデオ
- 動画
- ビジョン
- ボイス
- ボリューム
- ました
- ウェブ
- Webサービス
- かどうか
- which
- while
- 広く
- 意志
- 無し
- 言葉
- 仕事
- 働いていました
- ワークフロー
- 作品
- 年
- 年
- あなたの
- ゼファーネット