Os clientes recorrem cada vez mais às análises de produtos para tomar decisões informadas em sua jornada de compras, seja comprando itens de uso diário, como um pano de prato, ou fazendo compras importantes, como comprar um carro. Estas avaliações transformaram-se numa fonte essencial de informação, permitindo aos compradores aceder às opiniões e experiências de outros clientes. Como resultado, as análises de produtos tornaram-se um aspecto crucial de qualquer loja, oferecendo feedback e insights valiosos para ajudar a informar as decisões de compra.
A Amazon tem uma das maiores lojas, com centenas de milhões de itens disponíveis. Em 2022, 125 milhões de clientes contribuíram com quase 1.5 bilhão de avaliações e avaliações para as lojas Amazon, tornando as avaliações online na Amazon uma fonte sólida de feedback para os clientes. Na escala das análises de produtos enviadas todos os meses, é essencial verificar se essas análises estão alinhadas com Diretrizes da comunidade Amazon em relação à linguagem, palavras, vídeos e imagens aceitáveis. Esta prática existe para garantir que os clientes recebam informações precisas sobre o produto e para evitar que as avaliações incluam linguagem inadequada, imagens ofensivas ou qualquer tipo de discurso de ódio direcionado a indivíduos ou comunidades. Ao aplicar essas diretrizes, a Amazon pode manter um ambiente seguro e inclusivo para todos os clientes.
A automação da moderação de conteúdo permite que a Amazon escale o processo enquanto mantém alta precisão. É um espaço problemático complexo com desafios únicos e que requer diferentes técnicas para texto, imagens e vídeos. As imagens são um componente relevante das análises de produtos, muitas vezes proporcionando um impacto mais imediato nos clientes do que o texto. Com Moderação de conteúdo do Amazon Rekognition, a Amazon é capaz de detectar automaticamente imagens prejudiciais em análises de produtos com maior precisão, reduzindo a dependência de revisores humanos para moderar esse conteúdo. A Moderação de Conteúdo do Rekognition ajudou a melhorar o bem-estar dos moderadores humanos e a obter economias de custos significativas.
Moderação com modelos de ML auto-hospedados
A equipe do Amazon Shopping projetou e implementou um sistema de moderação que usa aprendizado de máquina (ML) em conjunto com análise humana no circuito (HITL) para garantir que as análises do produto sejam sobre a experiência do cliente com o produto e não contenham comentários inadequados ou conteúdo prejudicial de acordo com as diretrizes da comunidade. O subsistema de moderação de imagens, conforme ilustrado no diagrama a seguir, utilizou vários modelos de visão computacional auto-hospedados e autotreinados para detectar imagens que violam as diretrizes da Amazon. O manipulador de decisão determina a ação de moderação e fornece motivos para sua decisão com base na saída dos modelos de ML, decidindo assim se a imagem exigia uma revisão adicional por um moderador humano ou poderia ser automaticamente aprovada ou rejeitada.
Com esses modelos de ML auto-hospedados, a equipe começou automatizando decisões sobre 40% das imagens recebidas como parte das revisões e trabalhou continuamente para melhorar a solução ao longo dos anos, enquanto enfrentava vários desafios:
- Esforços contínuos para melhorar a taxa de automação – A equipe desejava melhorar a precisão dos algoritmos de ML, visando aumentar a taxa de automação. Isso requer investimentos contínuos em rotulagem de dados, ciência de dados e MLOps para treinamento e implantação de modelos.
- Complexidade do sistema – A complexidade da arquitetura exige investimentos em MLOps para garantir que o processo de inferência de ML seja dimensionado de forma eficiente para atender ao crescente tráfego de envio de conteúdo.
Substitua modelos de ML auto-hospedados pela API Rekognition Content Moderation
Reconhecimento da Amazônia é um serviço gerenciado de inteligência artificial (IA) que oferece modelos pré-treinados por meio de uma interface API para moderação de imagens e vídeos. Foi amplamente adotado por setores como comércio eletrônico, mídia social, jogos, aplicativos de namoro online e outros para moderar o conteúdo gerado pelo usuário (UGC). Isso inclui uma variedade de tipos de conteúdo, como análises de produtos, perfis de usuários e moderação de postagens em mídias sociais.
O Rekognition Content Moderation automatiza e simplifica os fluxos de trabalho de moderação de imagens e vídeos sem exigir experiência em ML. Os clientes do Amazon Rekognition podem processar milhões de imagens e vídeos, detectando com eficiência conteúdo impróprio ou indesejado, com APIs totalmente gerenciadas e regras de moderação personalizáveis para manter os usuários seguros e a empresa em conformidade.
A equipe migrou com sucesso um subconjunto de modelos de ML autogerenciados no sistema de moderação de imagens para detecção de conteúdo de nudez e não seguro para o trabalho (NSFW) para a API de detecção de moderação do Amazon Rekognition, aproveitando os modelos de moderação pré-treinados altamente precisos e abrangentes . Com a alta precisão do Amazon Rekognition, a equipe conseguiu automatizar mais decisões, economizar custos e simplificar a arquitetura do sistema.
Precisão aprimorada e categorias de moderação expandidas
A implementação do API de moderação de imagens do Amazon Rekognition resultou em maior precisão na detecção de conteúdo impróprio. Isto implica que cerca de 1 milhão de imagens adicionais por ano serão moderadas automaticamente sem a necessidade de qualquer revisão humana.
Excelência operacional
A equipe do Amazon Shopping conseguiu simplificar a arquitetura do sistema, reduzindo o esforço operacional necessário para gerenciar e manter o sistema. Essa abordagem economizou meses de esforço de DevOps por ano, o que significa que agora eles podem alocar seu tempo no desenvolvimento de recursos inovadores em vez de gastá-lo em tarefas operacionais.
Redução de custos
A alta precisão do Rekognition Content Moderation permitiu que a equipe enviasse menos imagens para revisão humana, incluindo conteúdo potencialmente impróprio. Isto reduziu o custo associado à moderação humana e permitiu que os moderadores concentrassem os seus esforços em tarefas comerciais de maior valor. Combinado com os ganhos de eficiência do DevOps, a equipe do Amazon Shopping obteve economias de custos significativas.
Conclusão
A migração de modelos de ML auto-hospedados para a API de moderação do Amazon Rekognition para moderação de análises de produtos pode trazer muitos benefícios para as empresas, incluindo economias de custos significativas. Ao automatizar o processo de moderação, as lojas online podem moderar com rapidez e precisão grandes volumes de análises de produtos, melhorando a experiência do cliente ao garantir que o conteúdo impróprio ou spam seja rapidamente removido. Além disso, ao usar um serviço gerenciado como a API Amazon Rekognition Moderation, as empresas podem reduzir o tempo e os recursos necessários para desenvolver e manter seus próprios modelos, o que pode ser especialmente útil para empresas com recursos técnicos limitados. A flexibilidade da API também permite que as lojas online personalizem suas regras e limites de moderação para atender às suas necessidades específicas.
Saiba mais sobre moderação de conteúdo na AWS e nosso Casos de uso de ML de moderação de conteúdo. Dê o primeiro passo para simplificando suas operações de moderação de conteúdo com a AWS.
Sobre os autores
Shipra Kanoria é gerente de produto principal da AWS. Ela é apaixonada por ajudar os clientes a resolver seus problemas mais complexos com o poder do aprendizado de máquina e da inteligência artificial. Antes de ingressar na AWS, Shipra passou mais de 4 anos na Amazon Alexa, onde lançou muitos recursos relacionados à produtividade no assistente de voz Alexa.
Lucas Agostino Rubino é engenheiro de software principal na equipe Amazon Shopping. Ele trabalha em recursos da comunidade, como avaliações de clientes e perguntas e respostas, concentrando-se ao longo dos anos na moderação de conteúdo e no dimensionamento e automação de soluções de aprendizado de máquina.
Lana Zhang é arquiteto de soluções sênior na equipe de serviços de IA do AWS WWSO, especializado em IA e ML para moderação de conteúdo, visão computacional, processamento de linguagem natural e IA generativa. Com sua experiência, ela se dedica a promover soluções de IA/ML da AWS e ajudar os clientes a transformar suas soluções de negócios em diversos setores, incluindo mídia social, jogos, comércio eletrônico, mídia, publicidade e marketing.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Automotivo / EVs, Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- ChartPrime. Eleve seu jogo de negociação com ChartPrime. Acesse aqui.
- BlockOffsets. Modernizando a Propriedade de Compensação Ambiental. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :tem
- :é
- :não
- :onde
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Capaz
- Sobre
- aceitável
- Acesso
- precisão
- preciso
- exatamente
- Alcançar
- alcançado
- em
- Açao Social
- Adicional
- Adicionalmente
- adotado
- Vantagem
- Publicidade
- AI
- Serviços de IA
- AI / ML
- Visando
- Alexa
- algoritmos
- alinhar
- Todos os Produtos
- distribuir
- permitidas
- permite
- tb
- Amazon
- Reconhecimento da Amazônia
- Amazon Web Services
- an
- e
- qualquer
- api
- APIs
- abordagem
- aprovou
- aproximado
- Aplicativos
- arquitetura
- SOMOS
- artificial
- inteligência artificial
- Inteligência artificial (AI)
- AS
- aspecto
- Assistente
- ajudando
- associado
- At
- automatizar
- automatiza
- automaticamente
- automatizando
- Automação
- disponível
- AWS
- baseado
- BE
- tornam-se
- sido
- antes
- Benefícios
- bilhão
- negócio
- negócios
- Comprar
- by
- CAN
- carro
- casos
- desafios
- combinado
- Comunidades
- comunidade
- Empresas
- integrações
- complexidade
- compatível
- componente
- compreensivo
- computador
- Visão de Computador
- conjunção
- não contenho
- conteúdo
- Tipos de Conteúdo
- contínuo
- continuamente
- contribuiu
- Custo
- economia de custos
- custos
- poderia
- crucial
- cliente
- experiência do cliente
- Clientes
- personalizável
- personalizar
- dados,
- ciência de dados
- Namoro
- Decidindo
- decisão
- decisões
- dedicado
- desenvolvimento
- projetado
- desejado
- descobrir
- Detecção
- determina
- desenvolver
- em desenvolvimento
- diferente
- diferente
- não
- e-commerce,
- Loja virtual
- eficiência
- eficientemente
- esforço
- esforços
- habilitado
- permitindo
- impor
- engenheiro
- garantir
- assegurando
- Meio Ambiente
- especialmente
- essencial
- Cada
- cotidiano
- expandido
- vasta experiência
- Experiências
- experiência
- enfrentando
- Funcionalidades
- retornos
- menos
- Primeiro nome
- caber
- Flexibilidade
- Foco
- focando
- seguinte
- Escolha
- da
- totalmente
- mais distante
- Ganhos
- jogos
- generativo
- IA generativa
- Crescente
- garanta
- orientações
- prejudicial
- Ter
- he
- ajudar
- ajudou
- ajuda
- sua experiência
- Alta
- superior
- altamente
- Como funciona o dobrador de carta de canal
- HTML
- HTTPS
- humano
- Centenas
- centenas de milhões
- imagem
- imagens
- Imediato
- Impacto
- implementação
- implementado
- melhorar
- melhorar
- in
- inclui
- Incluindo
- Inclusivo
- Crescimento
- cada vez mais
- indivíduos
- indústrias
- informar
- INFORMAÇÕES
- informado
- inovadores
- insights
- em vez disso
- Inteligência
- Interface
- para dentro
- Investimentos
- IT
- Unid
- ESTÁ
- juntando
- viagem
- jpg
- Guarda
- manutenção
- marcação
- língua
- grande
- maior
- lançado
- aprendizagem
- como
- Limitado
- máquina
- aprendizado de máquina
- a manter
- principal
- fazer
- Fazendo
- gerencia
- gerenciados
- Gerente
- muitos
- Marketing
- significa
- Mídia
- Conheça
- migrou
- milhão
- milhões
- ML
- MLOps
- modelos
- moderação
- Mês
- mês
- mais
- a maioria
- múltiplo
- natural
- Processamento de linguagem natural
- quase
- você merece...
- necessário
- Cria
- agora
- NSFW
- of
- ofensivo
- oferecendo treinamento para distância
- Oferece
- frequentemente
- on
- ONE
- online
- operacional
- Operações
- Opiniões
- or
- Outros
- Outros
- A Nossa
- saída
- Acima de
- global
- próprio
- parte
- apaixonado
- para
- Lugar
- platão
- Inteligência de Dados Platão
- PlatãoData
- Publique
- potencialmente
- poder
- prática
- evitar
- Diretor
- Problema
- problemas
- processo
- em processamento
- Produto
- gerente de produto
- Opiniões
- Perfis
- Promoção
- fornecer
- fornece
- fornecendo
- compra
- compras
- aquisitivo
- rapidamente
- alcance
- Taxa
- avaliações
- razões
- receber
- recebido
- reduzir
- Reduzido
- redução
- em relação a
- relevante
- confiança
- Removido
- requeridos
- exige
- Recursos
- resultar
- rever
- Opinões
- regras
- seguro
- Salvar
- Poupança
- Escala
- Escalas
- dimensionamento
- Ciência
- enviar
- senior
- serviço
- Serviços
- vários
- ela
- minha
- periodo
- simplificar
- Redes Sociais
- meios de comunicação social
- Software
- Engenheiro de Software
- sólido
- solução
- Soluções
- RESOLVER
- fonte
- Espaço
- Spam
- especializando
- específico
- discurso
- Passar
- gasto
- começado
- Passo
- loja
- lojas
- submissão
- apresentado
- entraram com sucesso
- tal
- .
- Tire
- tomar
- tarefas
- Profissionais
- Dados Técnicos:
- técnicas
- do que
- que
- A
- deles
- Eles
- assim
- Este
- deles
- isto
- Através da
- tempo
- para
- para
- tráfego
- Training
- transformado
- transformando
- Passando
- tipo
- tipos
- único
- não desejado
- usar
- Utilizador
- usuários
- usos
- utilização
- utilizado
- Valioso
- verificar
- Vídeo
- VÍDEOS
- visão
- voz
- volumes
- foi
- web
- serviços web
- se
- qual
- enquanto
- largamente
- precisarão
- de
- sem
- palavras
- Atividades:
- trabalhou
- fluxos de trabalho
- trabalho
- ano
- anos
- investimentos
- zefirnet