Automatisera produktbeskrivningsgenerering med Amazon Bedrock | Amazon webbtjänster

I dagens ständigt föränderliga värld av e-handel kan inflytandet av en övertygande produktbeskrivning inte överskattas. Det kan vara den avgörande faktorn som gör en potentiell besökare till en betalande kund eller skickar dem att klicka iväg till en konkurrents sajt. Att manuellt skapa dessa beskrivningar över ett stort antal produkter är en arbetsintensiv process, och det kan sakta ner hastigheten för ny innovation. Det är här Amazonas berggrund med dess generativa AI-kapacitet går in för att omforma spelet. I det här inlägget dyker vi in ​​i hur Amazon Bedrock förändrar processen för att skapa produktbeskrivningar, vilket ger e-handlare möjlighet att effektivt skala sina verksamheter samtidigt som de sparar värdefull tid och resurser.

Låser upp kraften hos generativ AI i detaljhandeln

Generativ AI har fångat uppmärksamheten hos styrelser och VD:ar över hela världen, vilket har fått dem att fråga: "Hur kan vi utnyttja generativ AI för vår verksamhet?" En av de mest lovande tillämpningarna av generativ AI inom e-handel är att använda den för att skapa produktbeskrivningar. Återförsäljare och varumärken har investerat betydande resurser i att testa och utvärdera de mest effektiva beskrivningarna, och generativ AI utmärker sig på detta område.

Att skapa engagerande och informativa produktbeskrivningar för en stor katalog är en monumental uppgift, särskilt för globala e-handelsplattformar. Manuell översättning och anpassning av produktbeskrivningar för varje marknad kräver tid och resurser. Detta resulterar i generiska eller ofullständiga beskrivningar, vilket leder till minskad försäljning och kundnöjdhet.

Kraften med Amazon Bedrock: AI-genererade produktbeskrivningar

Amazon Bedrock är en helt hanterad tjänst som förenklar generativ AI-utveckling och erbjuder högpresterande grundmodeller (FM) från ledande AI-företag som AI21 Labs, Anthropic, Cohere, Meta, Stability AI och Amazon genom ett enda API. Det ger en omfattande uppsättning funktioner för att bygga generativa AI-applikationer samtidigt som sekretess och säkerhet upprätthålls. Med Amazon Bedrock kan du experimentera med olika FM:er och anpassa dem privat med tekniker som finjustering och Retrieval Augmented Generation (RAG). Plattformen gör det möjligt för dig att skapa hanterade agenter för komplexa affärsuppgifter utan behov av kodning, som att boka resor, behandla försäkringskrav, skapa annonskampanjer och hantera inventering.

Till exempel kan e-handelsplattformar initialt generera grundläggande produktbeskrivningar som inkluderar storlek, färg och pris. Amazon Bedrocks flexibilitet gör dock att dessa beskrivningar kan finjusteras för att inkludera kundrecensioner, integrera varumärkesspecifikt språk och framhäva specifika produktegenskaper, vilket resulterar i skräddarsydda beskrivningar som resonerar med målgruppen. Dessutom erbjuder Amazon Bedrock tillgång till grundmodeller från Amazon och ledande AI-startups genom ett intuitivt API, vilket gör hela processen sömlös och effektiv.

Att använda AI kan ha följande inverkan på produktbeskrivningsprocessen:

• Snabbare godkännanden – Leverantörer upplever en strömlinjeformad process som går från produktinformation till godkännande på mindre än en timme, vilket eliminerar frustrerande förseningar
• Förbättrad produktlistningshastighet – När den är automatiserad ser din e-handelsmarknad en ökning av produktlistorna, vilket ger konsumenterna tillgång till de senaste varorna nästan omedelbart
• Framtidssäker – Genom att omfamna banbrytande AI säkrar du din position som en framåtblickande plattform redo att möta förändrade marknadskrav
• Innovation – Den här lösningen befriar team från vardagliga uppgifter, vilket gör att de kan fokusera på arbete med högre värde och främja en innovationskultur

Lösningsöversikt

Innan vi dyker in i de tekniska detaljerna, låt oss se förhandsgranskningen på hög nivå av vad den här lösningen erbjuder. Denna lösning låter dig skapa och hantera produktbeskrivningar för din e-handelsplattform. Det ger din plattform möjlighet att:

• Skapa beskrivningar från text – Med kraften i generativ AI kan Amazon Bedrock konvertera beskrivningar av ren text till levande, informativa och fängslande produktbeskrivningar.
• Hantverksbilder – Utöver text kan den också skapa bilder som passar perfekt in i produktbeskrivningarna, vilket förstärker dina annonsers visuella tilltalande.
• Förbättra befintligt innehåll – Har du befintliga produktbeskrivningar som behöver ett nytt perspektiv? Amazon Bedrock kan ta ditt nuvarande innehåll och göra det ännu mer övertygande och engagerande.

Denna lösning finns tillgänglig i AWS Solutions Library. Vi har tillhandahållit detaljerade instruktioner i den medföljande README-fil. README-filen innehåller all information du behöver för att komma igång, från krav till implementeringsriktlinjer.

Systemarkitekturen består av flera kärnkomponenter:

• UI-portal – Detta är användargränssnittet (UI) designat för leverantörer att ladda upp produktbilder.
• Amazon-erkännande - Amazon-erkännande är en bildanalystjänst som upptäcker objekt, text och etiketter i bilder.
• Amazonas berggrund – Grundmodeller i Amazon Bedrock använder etiketterna som upptäckts av Amazon Rekognition för att generera produktbeskrivningar.
• AWS Lambda - AWS Lambda ger serverlös beräkning för bearbetning.
• Produktdatabas – Det centrala lagret lagrar leverantörsprodukter, bilder, etiketter och genererade beskrivningar. Detta kan vara valfri databas du väljer. Observera att i den här lösningen finns all lagring i användargränssnittet.
• Admin portal – Denna portal ger tillsyn över systemet och produktlistor, vilket säkerställer smidig drift. Detta är inte en del av lösningen; vi har lagt till det för att förstå.

Följande diagram illustrerar flödet av data och interaktioner inom systemet

Arbetsflödet innehåller följande steg:

1. Klienten initierar en begäran till Amazon API Gateway REST API.
2. Amazon API Gateway skickar begäran till AWS Lambda genom en proxyintegrering.
3. När man använder produktbildingångar anropar AWS Lambda Amazon Rekognition för att upptäcka objekt i bilden.
4. AWS Lambda ringer LLM:er som Amazon Bedrock är värd för, till exempel Amazon Titans språkmodeller, för att skapa produktbeskrivningar.
5. Svaret skickas tillbaka från AWS Lambda till Amazon API Gateway.
6. Slutligen returneras HTTP-svar från Amazon API Gateway till klienten.

Exempel på användningsfall

Föreställ dig att en leverantör laddar upp en produktbild av skor, och Amazon Rekognition identifierar nyckelattribut som "vita skor", "sneaker" och "hållbar". Amazon Bedrock Titan AI tar denna information och genererar en produktbeskrivning som, "Här är ett utkast till produktbeskrivning för en löparsko i canvas baserat på produktfotot: Vi presenterar Canvas Runner, den perfekta lätta sneakern för din aktiva livsstil. Denna löparsko har en ovandel i canvas som andas med läderdetaljer för en elegant, klassisk look. Snörningsdesignen ger en säker passform, medan den vadderade plösen och kragen ger komfort. Inuti, en uttagbar vadderade innersula stöder och tröstar dina fötter. EVA-mellansulan absorberar stötar med varje steg, vilket minskar tröttheten. Flexspår i gummiyttersulan säkerställer flexibilitet och grepp. Med sin enkla, retroinspirerade stil övergår Canvas Runner sömlöst från träning till vardagskläder. Oavsett om du springer ärenden eller springer mil, kommer denna mångsidiga sneaker att hålla dig i rörelse med komfort och stil.”

Design detaljer

Låt oss utforska komponenterna mer i detalj:

• Användargränssnitt:
  • främre ände – Framsidan av leverantörsportalen tillåter leverantörer att ladda upp produktbilder och visa produktlistor.
  • API-samtal – Portalen kommunicerar med backend genom API:er för att bearbeta bilder och generera beskrivningar.
• Amazon erkännande:
  • Bildanalys – Utlöst av API-anrop analyserar Amazon Rekognition bilder och upptäcker objekt, text och etiketter.
  • Etikettutgång – Den matar ut etikettdata som härrör från analysen.
• Amazonas berggrund:
  • NLP-textgenerering – Amazon Bedrock använder Amazon Titans NLP-modell (natural language processing) för att skapa textbeskrivningar.
  • Etikettintegrering – Det tar etiketterna som upptäckts av Amazon Rekognition som input för att generera produktbeskrivningar.
  • Stilmatchning – Amazon Bedrock tillhandahåller finjusteringsmöjligheter för Amazon Titan-modeller för att säkerställa att de genererade beskrivningarna matchar plattformens stil.
• AWS Lambda:
  • Bearbetning – Lambda hanterar API-anrop till tjänster.
• Produktdatabas:
  • Flexibel databas – Produktdatabasen väljs utifrån kundernas preferenser och krav. Observera att detta inte tillhandahålls som en del av lösningen.

Ytterligare funktioner

Denna lösning går utöver att bara generera produktbeskrivningar. Det erbjuder ytterligare två otroliga alternativ:

• Bild- och beskrivningsgenerering från text – Med kraften av generativ AI kan Amazon Bedrock ta textbeskrivningar och skapa motsvarande bilder tillsammans med detaljerade produktbeskrivningar. Tänk på potentialen:
  • Visualisera direkt produkter från text.
  • Automatisera bildskapande för stora kataloger.
  • Förbättra kundupplevelsen med rika bilder.
  • Minska tid och kostnader för att skapa innehåll.
• Beskrivningsförbättring – Om du redan har befintliga produktbeskrivningar kan Amazon Bedrock förbättra dem. Ange bara texten och uppmaningen så kommer Amazon Bedrock skickligt att förbättra och berika innehållet, vilket gör det mycket fängslande och engagerande för dina kunder.

Slutsats

I den hårt konkurrensutsatta e-handelsvärlden är det absolut nödvändigt att ligga i framkant av innovation. Amazon Bedrock erbjuder en transformativ förmåga för e-handlare som vill förbättra sitt produktinnehåll, optimera sin noteringsprocess och öka försäljningen. Med kraften hos AI-genererade produktbeskrivningar kan företag skapa övertygande, informativt och kulturellt relevant innehåll som resonerar djupt hos kunderna. Framtiden för e-handel har anlänt, och den drivs av maskininlärning med Amazon Bedrock.

Är du redo att låsa upp den fulla potentialen hos AI-drivna produktbeskrivningar? Ta nästa steg i att revolutionera din e-handelsplattform. Besök AWS Solutions Library och utforska hur Amazon Bedrock kan förvandla dina produktbeskrivningar, effektivisera dina processer och öka din försäljning. Det är dags att ladda upp din e-handel med Amazon Bedrock!

---

Om författarna

Dhaval Shah är senior lösningsarkitekt på AWS, specialiserad på maskininlärning. Med ett starkt fokus på digitala infödda företag ger han kunderna möjlighet att dra nytta av AWS och driva deras affärstillväxt. Som en ML-entusiast drivs Dhaval av sin passion för att skapa effektfulla lösningar som ger positiv förändring. På sin fritid ägnar han sig åt sin kärlek till resor och värnar om kvalitetsstunder med sin familj.

Doug Tiffan är chef för World Wide Solution Strategy for Fashion & Apparel på AWS. I sin roll arbetar Doug med mode- och kläderchefer för att förstå deras mål och anpassa sig till dem för att hitta de bästa lösningarna. Doug har över 30 års erfarenhet av detaljhandel och innehaft flera ledarroller inom varuexponering och teknik. Doug har en BBA från Texas A&M University och är baserad i Houston, Texas.

Nikhil Sharma är Solutions Architecture Leader på Amazon Web Services (AWS) där han och hans team av Solutions Architects hjälper AWS-kunder att lösa kritiska affärsutmaningar med hjälp av AWS molnteknologier och -tjänster.

Kevin Bell är Sr. Solutions Architect på AWS baserad i Seattle. Han har byggt saker i molnet i cirka 10 år. Du kan hitta honom online som @bellkev på GitHub.

Nipun Chagari är en Principal Solutions Architect baserad i Bay Area, CA. Nipun brinner för att hjälpa kunder att använda serverlös teknologi för att modernisera applikationer och uppnå sina affärsmål. Hans fokus på senare tid har varit att hjälpa organisationer att ta till sig modern teknik för att möjliggöra digital transformation. Förutom jobbet finner Nipun glädje i att spela volleyboll, laga mat och resa med sin familj.

Marshall-gänget är en lösningsarkitekt på AWS som hjälper nordamerikanska kunder att designa säkra, skalbara och kostnadseffektiva arbetsbelastningar i molnet. Hans passion ligger i att lösa urgamla affärsproblem där data och de senaste teknologierna möjliggör nya lösningar. Utöver sina professionella sysselsättningar tycker Marshall om att vandra och campa i Colorados vackra Klippiga bergen.

Altaaf Dawoodjee är en Solutions Architect Leader som stödjer AdTech-kunder inom segmentet Digital Native Business (DNB) på Amazon Web Service (AWS). Han har över 20 års erfarenhet inom teknik och har djup expertis inom Analytics. Han brinner för att hjälpa sina kunder att driva framgångsrika affärsresultat genom att utnyttja AWS-molnet.

Scott Bell är en dynamisk ledare och innovatör med 25+ års erfarenhet av teknikledning. Han brinner för att leda och utveckla team för att tillhandahålla teknik för att möta utmaningarna från globala användare och företag. Han har lång erfarenhet av att leda teknikteam som tillhandahåller globala tekniska lösningar som stöder 35+ språk. Han brinner också för hur AI och Generativ AI förändrar företag och hur de stödjer kundernas nuvarande ouppfyllda behov.

Sachin Shetti är Principal Customer Solution Manager på AWS. Han brinner för att hjälpa företag att lyckas och realisera betydande fördelar från molnadoption, vilket driver allt från grundläggande migrering till storskalig molntransformation mellan människor, processer och teknik. Innan han började på AWS arbetade Sachin som mjukvaruutvecklare i över 12 år och hade flera ledande befattningar som ledde teknologileverans och transformation inom hälsovård, finansiella tjänster, detaljhandel och försäkring. Han har en Executive MBA och en kandidatexamen i maskinteknik.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/