Automatisering av generering av produktbeskrivelser med Amazon Bedrock | Amazon Web Services

I dagens stadig utviklende verden av e-handel, kan påvirkningen av en overbevisende produktbeskrivelse ikke overvurderes. Det kan være den avgjørende faktoren som gjør en potensiell besøkende til en betalende kunde eller sender dem til å klikke seg videre til en konkurrents nettsted. Manuell oppretting av disse beskrivelsene på tvers av et stort utvalg av produkter er en arbeidskrevende prosess, og det kan bremse hastigheten på ny innovasjon. Dette er hvor Amazonas grunnfjell med sine generative AI-egenskaper går inn for å omforme spillet. I dette innlegget dykker vi inn i hvordan Amazon Bedrock transformerer prosessen for generering av produktbeskrivelser, og gir e-forhandlere mulighet til å skalere virksomhetene sine effektivt samtidig som de sparer verdifull tid og ressurser.

Låser opp kraften til generativ AI i detaljhandelen

Generativ AI har fanget oppmerksomheten til styrer og administrerende direktører over hele verden, og har fått dem til å spørre: "Hvordan kan vi utnytte generativ AI for virksomheten vår?" En av de mest lovende anvendelsene av generativ AI i e-handel er å bruke den til å lage produktbeskrivelser. Forhandlere og merkevarer har investert betydelige ressurser i å teste og evaluere de mest effektive beskrivelsene, og generativ AI utmerker seg på dette området.

Å lage engasjerende og informative produktbeskrivelser for en enorm katalog er en monumental oppgave, spesielt for globale e-handelsplattformer. Manuell oversettelse og tilpasning av produktbeskrivelser for hvert marked krever tid og ressurser. Dette resulterer i generiske eller ufullstendige beskrivelser, noe som fører til redusert salg og kundetilfredshet.

Kraften til Amazon Bedrock: AI-genererte produktbeskrivelser

Amazon Bedrock er en fullstendig administrert tjeneste som forenkler generativ AI-utvikling, og tilbyr høyytende grunnmodeller (FM-er) fra ledende AI-selskaper som AI21 Labs, Anthropic, Cohere, Meta, Stability AI og Amazon gjennom ett enkelt API. Det gir et omfattende sett med funksjoner for å bygge generative AI-applikasjoner samtidig som det sikres at personvern og sikkerhet opprettholdes. Med Amazon Bedrock kan du eksperimentere med forskjellige FM-er og tilpasse dem privat ved å bruke teknikker som finjustering og Retrieval Augmented Generation (RAG). Plattformen lar deg lage administrerte agenter for komplekse forretningsoppgaver uten behov for koding, som å bestille reiser, behandle forsikringskrav, lage annonsekampanjer og administrere beholdning.

For eksempel kan e-handelsplattformer i utgangspunktet generere grunnleggende produktbeskrivelser som inkluderer størrelse, farge og pris. Amazon Bedrocks fleksibilitet gjør imidlertid at disse beskrivelsene kan finjusteres for å inkludere kundeanmeldelser, integrere merkespesifikke språk og fremheve spesifikke produktfunksjoner, noe som resulterer i skreddersydde beskrivelser som resonerer med målgruppen. Dessuten tilbyr Amazon Bedrock tilgang til grunnmodeller fra Amazon og ledende AI-startups gjennom et intuitivt API, noe som gjør hele prosessen sømløs og effektiv.

Bruk av kunstig intelligens kan ha følgende innvirkning på produktbeskrivelsesprosessen:

• Raskere godkjenninger – Leverandører opplever en strømlinjeformet prosess som går fra produktoppføring til godkjenning på under en time, noe som eliminerer frustrerende forsinkelser
• Forbedret produktoppføringshastighet – Når den er automatisert, ser e-handelsmarkedet en økning i produktoppføringer, noe som gir forbrukerne tilgang til de nyeste varene nesten umiddelbart
• Fremtidssikring – Ved å omfavne banebrytende AI, sikrer du posisjonen din som en fremtidsrettet plattform klar til å møte endrede markedskrav
• Innovasjon – Denne løsningen frigjør team fra hverdagslige oppgaver, og lar dem fokusere på arbeid med høyere verdi og fremme en innovasjonskultur

Løsningsoversikt

Før vi dykker ned i de tekniske detaljene, la oss se forhåndsvisningen på høyt nivå av hva denne løsningen tilbyr. Denne løsningen lar deg lage og administrere produktbeskrivelser for e-handelsplattformen din. Det gir plattformen din mulighet til å:

• Generer beskrivelser fra tekst – Med kraften til generativ AI kan Amazon Bedrock konvertere ren tekstbeskrivelser til levende, informative og fengslende produktbeskrivelser.
• Håndverksbilder – Utover tekst, kan den også lage bilder som passer perfekt med produktbeskrivelsene, noe som forbedrer den visuelle appellen til oppføringene dine.
• Forbedre eksisterende innhold – Har du eksisterende produktbeskrivelser som trenger et nytt perspektiv? Amazon Bedrock kan ta det nåværende innholdet ditt og gjøre det enda mer overbevisende og engasjerende.

Denne løsningen er tilgjengelig i AWS Solutions Library. Vi har gitt detaljerte instruksjoner i den medfølgende README-fil. README-filen inneholder all informasjonen du trenger for å komme i gang, fra krav til retningslinjer for distribusjon.

Systemarkitekturen består av flere kjernekomponenter:

• UI-portal – Dette er brukergrensesnittet (UI) designet for leverandører for å laste opp produktbilder.
• Amazon-anerkjennelse - Amazon-anerkjennelse er en bildeanalysetjeneste som oppdager objekter, tekst og etiketter i bilder.
• Amazonas grunnfjell – Grunnmodeller i Amazon Bedrock bruker etikettene oppdaget av Amazon Rekognition for å generere produktbeskrivelser.
• AWS Lambda - AWS Lambda gir serverløs databehandling for behandling.
• Produktdatabase – Sentrallageret lagrer leverandørprodukter, bilder, etiketter og genererte beskrivelser. Dette kan være hvilken som helst database du ønsker. Merk at i denne løsningen er all lagring i brukergrensesnittet.
• Administrasjonsportal – Denne portalen gir overvåking av systemet og produktoppføringer, og sikrer jevn drift. Dette er ikke en del av løsningen; vi har lagt det til for å forstå.

Følgende diagram illustrerer flyten av data og interaksjoner i systemet

Arbeidsflyten inkluderer følgende trinn:

1. Klienten initierer en forespørsel til Amazon API Gateway REST API.
2. Amazon API Gateway sender forespørselen til AWS Lambda gjennom en proxy-integrasjon.
3. Når du opererer på produktbildeinndata, kaller AWS Lambda Amazon Rekognition for å oppdage objekter i bildet.
4. AWS Lambda kaller LLM-er som Amazon Bedrock er vert for, for eksempel Amazon Titan-språkmodellene, for å generere produktbeskrivelser.
5. Svaret sendes tilbake fra AWS Lambda til Amazon API Gateway.
6. Til slutt returneres HTTP-svar fra Amazon API Gateway til klienten.

Eksempel på bruk

Tenk deg at en leverandør laster opp et produktbilde av sko, og Amazon Rekognition identifiserer nøkkelattributter som «hvite sko», «joggesko» og «holdbar». Amazon Bedrock Titan AI tar denne informasjonen og genererer en produktbeskrivelse som, "Her er et utkast til produktbeskrivelse for en løpesko i lerret basert på produktbildet: Vi introduserer Canvas Runner, den perfekte lette joggeskoen for din aktive livsstil. Denne løpeskoen har en pustende overdel i lerret med skinndetaljer for et stilig, klassisk utseende. Snøringsdesignet gir en sikker passform, mens den polstrede pløsen og kragen gir komfort. Innvendig støtter en uttakbar, polstret innersåle føttene dine. EVA-mellomsålen absorberer støt med hvert trinn, og reduserer tretthet. Fleksible spor i yttersålen i gummi sørger for fleksibilitet og trekkraft. Med sin enkle, retro-inspirerte stil går Canvas Runner sømløst fra trening til hverdagsbruk. Enten du løper ærend eller løper miles, vil denne allsidige joggeskoen holde deg i bevegelse med komfort og stil.»

Design detaljer

La oss utforske komponentene mer detaljert:

• Brukergrensesnitt:
  • Front end – Forsiden av leverandørportalen lar leverandører laste opp produktbilder og vise produktoppføringer.
  • API-samtaler – Portalen kommuniserer med backend gjennom APIer for å behandle bilder og generere beskrivelser.
• Amazon-gjenkjenning:
  • Bildeanalyse – Utløst av API-kall analyserer Amazon Rekognition bilder og oppdager objekter, tekst og etiketter.
  • Etikettutgang – Den gir ut etikettdata hentet fra analysen.
• Amazonas grunnfjell:
  • NLP-tekstgenerering – Amazon Bedrock bruker Amazon Titans naturlige språkbehandlingsmodell (NLP) for å generere tekstlige beskrivelser.
  • Etikettintegrering – Det tar etikettene oppdaget av Amazon Rekognition som input for å generere produktbeskrivelser.
  • Stilmatching – Amazon Bedrock gir finjusteringsmuligheter for Amazon Titan-modeller for å sikre at de genererte beskrivelsene samsvarer med stilen til plattformen.
• AWS Lambda:
  • i prosess – Lambda håndterer API-kall til tjenester.
• Produktdatabase:
  • Fleksibel database – Produktdatabasen er valgt ut fra kundenes preferanser og krav. Merk at dette ikke er gitt som en del av løsningen.

Ytterligere evner

Denne løsningen går utover bare å generere produktbeskrivelser. Den tilbyr ytterligere to utrolige alternativer:

• Bilde- og beskrivelsesgenerering fra tekst – Med kraften til generativ AI kan Amazon Bedrock ta tekstbeskrivelser og lage tilsvarende bilder sammen med detaljerte produktbeskrivelser. Vurder potensialet:
  • Umiddelbar visualisering av produkter fra tekst.
  • Automatisering av bildeoppretting for store kataloger.
  • Forbedre kundeopplevelsen med rike bilder.
  • Reduserer tid og kostnader for innholdsproduksjon.
• Beskrivelsesforbedring – Hvis du allerede har eksisterende produktbeskrivelser, kan Amazon Bedrock forbedre dem. Bare oppgi teksten og ledeteksten, og Amazon Bedrock vil på en dyktig måte forbedre og berike innholdet, og gjøre det svært fengslende og engasjerende for kundene dine.

konklusjonen

I den hardt konkurranseutsatte e-handelsverdenen er det avgjørende å holde seg i forkant av innovasjon. Amazon Bedrock tilbyr en transformativ evne for e-forhandlere som ønsker å forbedre produktinnholdet, optimalisere oppføringsprosessen og øke salget. Med kraften til AI-genererte produktbeskrivelser kan bedrifter lage overbevisende, informativt og kulturelt relevant innhold som gir dyp resonans hos kundene. Fremtiden for e-handel har kommet, og den er drevet av maskinlæring med Amazon Bedrock.

Er du klar til å frigjøre det fulle potensialet til AI-drevne produktbeskrivelser? Ta neste steg i å revolusjonere e-handelsplattformen din. Besøk AWS Solutions Library og utforsk hvordan Amazon Bedrock kan transformere produktbeskrivelsene dine, strømlinjeforme prosessene dine og øke salget. Det er på tide å superlade e-handelen din med Amazon Bedrock!

---

Om forfatterne

Dhaval Shah er en senior løsningsarkitekt hos AWS, med spesialisering i maskinlæring. Med et sterkt fokus på digitalt opprinnelige virksomheter gir han kundene muligheten til å utnytte AWS og drive virksomhetens vekst. Som en ML-entusiast er Dhaval drevet av sin lidenskap for å skape effektive løsninger som gir positiv endring. På fritiden hengir han seg til kjærligheten for reiser og setter pris på gode øyeblikk med familien.

Doug Tiffan er leder for World Wide Solution Strategy for Fashion & Apparel hos AWS. I sin rolle jobber Doug med ledere av mote og klær for å forstå målene deres og finne de beste løsningene på linje med dem. Doug har over 30 års erfaring innen detaljhandel, og har hatt flere lederroller innen varehandel og teknologi. Doug har en BBA fra Texas A&M University og er basert i Houston, Texas.

Nikhil Sharma er Solutions Architecture Leader hos Amazon Web Services (AWS) hvor han og teamet hans av Solutions Architects hjelper AWS-kunder med å løse kritiske forretningsutfordringer ved å bruke AWS-skyteknologier og -tjenester.

Kevin Bell er senior løsningsarkitekt ved AWS med base i Seattle. Han har bygget ting i skyen i omtrent 10 år. Du kan finne ham online som @bellkev på GitHub.

Nipun Chagari er en hovedløsningsarkitekt basert i Bay Area, CA. Nipun er lidenskapelig opptatt av å hjelpe kunder med å ta i bruk serverløs teknologi for å modernisere applikasjoner og nå sine forretningsmål. Hans fokus nylig har vært på å hjelpe organisasjoner med å ta i bruk moderne teknologier for å muliggjøre digital transformasjon. Bortsett fra jobb, finner Nipun glede i å spille volleyball, lage mat og reise med familien.

Marshall-gjengen er en løsningsarkitekt hos AWS som hjelper nordamerikanske kunder med å designe sikre, skalerbare og kostnadseffektive arbeidsbelastninger i skyen. Hans lidenskap ligger i å løse eldgamle forretningsproblemer der data og de nyeste teknologiene muliggjør nye løsninger. Utover sine profesjonelle sysler, liker Marshall fotturer og camping i Colorados vakre Rocky Mountains.

Altaaf Dawoodjee er en Solutions Architect Leader som støtter AdTech-kunder i Digital Native Business (DNB)-segmentet hos Amazon Web Service (AWS). Han har over 20 års erfaring innen teknologi og har dyp ekspertise innen Analytics. Han er lidenskapelig opptatt av å bidra til å skape vellykkede forretningsresultater for kundene sine ved å utnytte AWS-skyen.

Scott Bell er en dynamisk leder og innovatør med 25+ års erfaring med teknologiledelse. Han brenner for å lede og utvikle team i å tilby teknologi for å møte utfordringene til globale brukere og virksomheter. Han har lang erfaring i å lede teknologiteam som tilbyr globale teknologiløsninger som støtter 35+ språk. Han er også lidenskapelig opptatt av måten AI og Generative AI transformerer virksomheter og måten de støtter kundens nåværende udekkede behov.

Sachin Shetti er en hovedkundeløsningssjef hos AWS. Han brenner for å hjelpe bedrifter med å lykkes og realisere betydelige fordeler fra skyadopsjon, og drive alt fra grunnleggende migrasjon til storskala skytransformasjon på tvers av mennesker, prosesser og teknologi. Før han begynte i AWS, jobbet Sachin som programvareutvikler i over 12 år og hadde flere seniorlederstillinger som ledet teknologilevering og transformasjon innen helsevesen, finansielle tjenester, detaljhandel og forsikring. Han har en Executive MBA og en bachelorgrad i maskinteknikk.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/