이 게시물은 Prodege, LLC의 비즈니스 인텔리전스 이사인 Arun Gupta가 공동으로 작성했습니다.
Prodege는 Swagbucks, MyPoints, Tada, ySense, InboxDollars, InboxPounds, DailyRewards, PollFish 및 Upromise와 같은 소비자 브랜드와 마케터 및 연구원을 위한 보완적인 비즈니스 솔루션 제품군으로 구성된 데이터 기반 마케팅 및 소비자 통찰력 플랫폼입니다. Prodege는 120억 2.1천만 명의 사용자를 보유하고 있으며 2005년부터 2021억 달러의 보상금을 지급했습니다. XNUMX년 Prodege는 사용자가 즐겨 찾는 소매점에서 매장에서 쇼핑하기만 해도 현금을 돌려받고 기프트 카드를 사용할 수 있는 새로운 방법인 Magic Receipts를 출시했습니다. 영수증 업로드.
고객 만족의 최첨단을 유지하려면 끊임없는 집중과 혁신이 필요합니다.
데이터 과학 팀을 처음부터 구축하는 것은 큰 투자이지만 시간이 걸리며 종종 AWS AI 서비스로 즉각적인 비즈니스 영향을 생성할 기회가 있습니다. 에 따르면 가트너, 2024년 말까지 기업의 75%가 파일럿에서 AI 운용으로 전환할 것입니다. AI 및 머신 러닝(ML)의 범위가 확대됨에 따라 팀은 조직에서 쉽게 채택할 수 있는 저비용의 효과적인 솔루션을 만드는 방법에 집중해야 합니다.
이 게시물에서는 Prodege가 AI와 ML을 비즈니스에 도입하여 고객 경험을 개선한 방법을 공유합니다. Prodege는 영수증을 업로드한 후 고객에게 더 빨리 보상할 수 있는 방법을 찾고 싶었습니다. 리베이트를 발행하기 전에 영수증에 이상이 있는지 육안으로 검사하는 자동화된 방법이 없었습니다. 영수증의 양이 주당 수만 개에 달했기 때문에 예외를 식별하는 수동 프로세스는 확장할 수 없었습니다.
Prodege는 Amazon Rekognition Custom Labels를 사용하여 영수증을 업로드한 후 고객에게 5배 더 빠르게 보상을 제공하고 비정상적인 영수증의 올바른 분류를 70%에서 99%로 높였으며 연간 인적 검토 비용에서 1.5만 달러를 절약했습니다.
과제: 영수증의 이상 징후를 대규모로 빠르고 정확하게 감지
최고 수준의 고객 경험에 대한 Prodege의 약속은 고객이 엄청나게 인기 있는 Magic Receipts 제품에 대한 보상을 받는 속도를 높여야 했습니다. 이를 위해 Prodege는 수신 이상을 더 빨리 감지해야 했습니다. Prodege는 Keras를 사용하여 자체 딥 러닝 모델 구축을 조사했습니다. 이 솔루션은 장기적으로 유망했지만 다음과 같은 이유로 Prodege가 원하는 속도로 구현할 수 없었습니다.
- 대규모 데이터세트 필요 – Prodege는 모델을 훈련하는 데 필요한 이미지 수가 수만 개일 뿐 아니라 모델을 훈련하기 위해 GPU를 사용하는 강력한 컴퓨팅 성능도 필요하다는 것을 깨달았습니다.
- 시간과 비용이 많이 든다 – Prodege에는 사람이 표시한 수백 개의 유효하고 변칙적인 영수증이 있었고 변칙성은 모두 시각적이었습니다. 레이블이 지정된 이미지를 추가하면 운영 비용이 발생했으며 정상 업무 시간에만 작동할 수 있었습니다.
- 필요한 사용자 정의 코드 및 높은 유지 관리 – Prodege는 사용자 지정 모델을 교육 및 배포하고 수명 주기를 유지하기 위해 사용자 지정 코드를 개발해야 합니다.
솔루션 개요: Rekognition Custom Labels
Prodege는 AWS 계정 팀과 협력하여 비즈니스가 유효한 영수증에만 리베이트를 발행하도록 자동화된 방식으로 효율적으로 영수증을 처리할 수 있는 비즈니스 사용 사례를 식별했습니다. Prodege 데이터 과학 팀은 시작하기 위해 작은 데이터 세트가 필요하고 즉각적인 비즈니스 영향을 생성할 수 있으며 최소한의 코드와 낮은 유지 관리가 필요한 솔루션을 원했습니다.
이러한 입력을 기반으로 계정 팀은 Rekognition Custom Labels를 모델을 훈련시켜 어떤 영수증이 유효하고 어떤 영수증에 이상이 있는지 식별할 수 있는 잠재적 솔루션으로 식별했습니다. Rekognition Custom Labels는 업로드된 레이블이 지정된 데이터의 이미지가 수백 개에 불과한 모델을 자동으로 훈련하고 배포하는 시각적 인터페이스와 함께 컴퓨터 비전 AI 기능을 제공합니다.
첫 번째 단계는 Prodege에서 라벨이 붙은 영수증을 사용하여 모델을 훈련시키는 것이었습니다. 영수증은 유효한 것과 변칙적인 것의 두 가지 레이블로 분류되었습니다. 각 종류의 약 XNUMX장 정도의 영수증은 변칙성에 대해 알고 있던 Prodege 비즈니스 팀에 의해 신중하게 선택되었습니다. Rekognition Custom Labels에서 좋은 모델의 핵심은 정확한 교육 데이터를 보유하는 것입니다. 다음 단계는 모델 훈련 Rekognition Custom Labels 콘솔에서 몇 번의 클릭으로 모델의 정확도와 품질을 측정하는 F1 점수는 97%를 기록했다. 이를 통해 Prodege는 샌드박스에서 몇 가지 추가 테스트를 수행하고 훈련된 모델을 사용하여 새 영수증이 유효하거나 이상이 있는지 추론했습니다. 추론 설정 Rekognition Custom Labels를 사용하면 클릭 한 번으로 쉽게 처리할 수 있으며 프로그래밍 방식의 추론을 설정하기 위한 샘플 코드도 제공됩니다.
모델의 정확성에 고무된 Prodege는 파일럿 배치 추론 파이프라인을 설정했습니다. 파이프라인은 모델을 시작하고 모델에 대해 수백 개의 영수증을 실행하고 결과를 저장한 다음 매주 모델을 종료합니다. 그런 다음 규정 준수 팀은 영수증을 평가하여 정확성을 확인합니다. 조종사의 정확도는 초기 테스트 동안만큼 높게 유지되었습니다. Prodege 팀은 또한 모델의 정확성을 유지하고 개선하기 위해 새 영수증을 훈련하는 파이프라인을 설정했습니다.
마지막으로 Prodege 비즈니스 인텔리전스 팀은 애플리케이션 팀과 AWS 계정 및 제품 팀의 지원과 협력하여 애플리케이션과 함께 작동하여 업로드된 영수증의 유효성을 실시간으로 예측하고 사용자에게 최상의 결과를 제공하는 추론 엔드포인트를 설정했습니다. 동급 소비자 보상 경험. 솔루션은 다음 그림에 강조 표시되어 있습니다. Rekognition Custom Labels의 예측 및 신뢰도 점수를 기반으로 Prodege 비즈니스 인텔리전스 팀은 비즈니스 로직을 적용하여 처리하거나 추가 조사를 거쳤습니다. 루프에 인간을 도입함으로써 Prodege는 예측의 품질을 모니터링하고 필요에 따라 모델을 재교육할 수 있습니다.
결과
Prodege는 Rekognition Custom Labels를 사용하여 비정상적인 영수증의 정확한 분류를 70%에서 99%로 높이고 연간 인적 검토 비용에서 1.5만 달러를 절약했습니다. 이를 통해 Prodege는 영수증을 업로드한 후 고객에게 5배 더 빠르게 보상할 수 있었습니다. Rekognition Custom Labels의 가장 좋은 점은 설정이 간편하고 높은 신뢰도의 이미지 감지를 위해 ML 모델을 훈련하는 데 사전 분류된 작은 이미지 세트만 필요하다는 것입니다(처음부터 모델을 훈련하는 데 약 200개 이미지 대 50,000개 필요) ). API를 사용하여 모델의 끝점에 쉽게 액세스할 수 있습니다. Rekognition Custom Labels는 Prodege가 검증된 영수증 스캔 제품의 원활한 작동을 가능하게 하는 매우 효과적인 솔루션이었으며 Prodege가 수동 감지를 수행하는 많은 시간과 리소스를 절약하는 데 도움이 되었습니다.
결론
최첨단 고객 만족을 유지하려면 끊임없는 집중과 혁신이 필요하며 오늘날 기업의 전략적 목표입니다. AWS 컴퓨터 비전 서비스를 통해 Prodege는 저비용 및 로우 코드 솔루션으로 즉각적인 비즈니스 효과를 창출할 수 있었습니다. AWS와의 파트너십을 통해 Prodege는 계속해서 혁신하고 고객 만족의 최첨단을 유지하고 있습니다. 오늘 시작할 수 있습니다. Rekognition 사용자 정의 레이블 비즈니스 결과를 개선하십시오.
저자에 관하여
아룬 굽타 Prodege LLC의 비즈니스 인텔리전스 이사입니다. 그는 머신 러닝 기술을 적용하여 다양한 비즈니스 문제에 효과적인 솔루션을 제공하는 데 열정적입니다.
프라샨트 가나파티 AWS SMB(Small Medium Business) 부문의 수석 솔루션 아키텍트입니다. 그는 AWS AI/ML 서비스에 대해 배우고 고객이 솔루션을 구축하여 비즈니스 결과를 달성하도록 돕는 것을 즐깁니다. 직장 밖에서 Prashanth는 사진 촬영, 여행, 다양한 요리 시도를 즐깁니다.
인 Amit 굽타 AWS의 AI 서비스 솔루션 아키텍트입니다. 그는 잘 설계된 기계 학습 솔루션을 대규모로 고객에게 제공하는 데 열정적입니다.
닉 
라모스 AWS의 수석 계정 관리자입니다. 그는 고객이 가장 복잡한 비즈니스 문제를 해결하고 AI/ML을 고객의 비즈니스에 주입하며 고객이 매출을 늘리도록 돕는 데 열정을 쏟고 있습니다.
