使用 Amazon Bedrock 自动生成产品描述 | 亚马逊网络服务

在当今不断发展的电子商务世界中，引人注目的产品描述的影响力怎么强调都不为过。 它可能是将潜在访问者转变为付费客户或让他们点击进入竞争对手网站的决定性因素。 在大量产品中手动创建这些描述是一个劳动密集型过程，并且可能会减慢新创新的速度。 这是哪里 亚马逊基岩 凭借其生成式人工智能能力，重塑游戏规则。 在这篇文章中，我们深入探讨 Amazon Bedrock 如何改变产品描述生成流程，使电子零售商能够有效扩展业务，同时节省宝贵的时间和资源。

释放零售业中生成式人工智能的力量

生成式人工智能引起了全球董事会和首席执行官的关注，促使他们问：“我们如何在我们的业务中利用生成式人工智能？” 生成式人工智能在电子商务中最有前途的应用之一是用它来制作产品描述。 零售商和品牌投入了大量资源来测试和评估最有效的描述，而生成式人工智能在这一领域表现出色。

为庞大的目录创建引人入胜且信息丰富的产品描述是一项艰巨的任务，尤其是对于全球电子商务平台而言。 针对每个市场的产品描述进行手动翻译和调整会消耗时间和资源。 这会导致描述笼统或不完整，从而导致销售额和客户满意度下降。

Amazon Bedrock 的力量：AI 生成的产品描述

Amazon Bedrock 是一项完全托管的服务，可简化生成式 AI 开发，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等领先 AI 公司的高性能基础模型 (FM)。 它提供了一套全面的功能，用于构建生成式人工智能应用程序，同时确保维护隐私和安全。 借助 Amazon Bedrock，您可以尝试各种 FM，并使用微调和检索增强生成 (RAG) 等技术私下定制它们。 该平台使您能够为复杂的业务任务创建托管代理，而无需编码，例如预订旅行、处理保险索赔、创建广告活动和管理库存。

例如，电子商务平台最初可以生成基本的产品描述，包括尺寸、颜色和价格。 然而，Amazon Bedrock 的灵活性允许对这些描述进行微调，以纳入客户评论、集成品牌特定语言并突出特定产品功能，从而产生与目标受众产生共鸣的定制描述。 此外，Amazon Bedrock 通过直观的 API 提供对 Amazon 和领先 AI 初创公司的基础模型的访问，使整个过程无缝且高效。

使用人工智能会对产品描述流程产生以下影响：

• 审批速度更快 – 供应商体验简化的流程，在一小时内从产品上市到批准，消除了令人沮丧的延误
• 提高产品上市速度 – 实现自动化后，您的电子商务市场中的产品列表会激增，消费者几乎可以立即获得最新商品
• 面向未来的供应链 – 通过采用尖端人工智能，您可以确保自己作为前瞻性平台的地位，随时满足不断变化的市场需求
• 創新 – 该解决方案将团队从平凡的任务中解放出来，使他们能够专注于更高价值的工作并培育创新文化

解决方案概述

在深入了解技术细节之前，让我们先看看该解决方案所提供的功能的高级预览。 该解决方案将允许您为您的电子商务平台创建和管理产品描述。 它使您的平台能够：

• 从文本生成描述 – 借助生成式 AI 的力量，Amazon Bedrock 可以将纯文本描述转换为生动、信息丰富且引人入胜的产品描述。
• 工艺图像 – 除了文本之外，它还可以制作与产品描述完美契合的图像，从而增强列表的视觉吸引力。
• 增强现有内容 – 您现有的产品描述是否需要新的视角？ Amazon Bedrock 可以利用您当前的内容，使其更具吸引力和吸引力。

该解决方案可在 AWS 解决方案库。 我们在随附的文件中提供了详细的说明 自述文件。 自述文件包含入门所需的所有信息，从要求到部署指南。

系统架构由几个核心组件组成：

• 用户界面门户 – 这是为供应商上传产品图片而设计的用户界面（UI）。
• 亚马逊重新认识 – 亚马逊重新认识 是一种图像分析服务，可检测图像中的对象、文本和标签。
• 亚马逊基岩 – Amazon Bedrock 中的基础模型使用 Amazon Rekognition 检测到的标签来生成产品描述。
• AWS Lambda – AWS Lambda 提供无服务器计算进行处理。
• 产品资料库 – 中央存储库存储供应商产品、图像、标签和生成的描述。 这可以是您选择的任何数据库。 请注意，在此解决方案中，所有存储都位于 UI 中。
• 管理门户 – 该门户提供对系统和产品列表的监督，确保平稳运行。 这不是解决方案的一部分； 我们添加它是为了理解。

下图说明了系统内的数据流和交互

工作流程包括以下步骤：

1. 客户端向 Amazon API Gateway REST API 发起请求。
2. Amazon API Gateway 通过代理集成将请求传递给 AWS Lambda。
3. 对产品图像输入进行操作时，AWS Lambda 调用 Amazon Rekognition 来检测图像中的对象。
4. AWS Lambda 调用 Amazon Bedrock 托管的 LLM（例如 Amazon Titan 语言模型）来生成产品描述。
5. 响应从 AWS Lambda 传回 Amazon API Gateway。
6. 最后，来自 Amazon API Gateway 的 HTTP 响应返回给客户端。

示例用例

想象一下，供应商上传鞋子的产品图像，Amazon Rekognition 会识别“白鞋”、“运动鞋”和“耐用”等关键属性。 Amazon Bedrock Titan AI 获取这些信息并生成产品描述，例如：“这是基于产品照片的帆布跑鞋的产品描述草稿：隆重推出 Canvas Runner，一款适合您积极生活方式的完美轻便运动鞋。 这款跑鞋采用透气帆布鞋面，搭配皮革装饰，打造时尚、经典的外观。 系带设计提供牢固贴合，而带衬垫的鞋舌和鞋领则增加舒适度。 在内部，可拆卸的缓冲鞋垫支撑并舒适您的双脚。 EVA 中底可吸收每一步的冲击力，减少疲劳。 橡胶外底中的弯曲凹槽确保灵活性和牵引力。 Canvas Runner 风格简约、复古，可从锻炼无缝过渡到日常穿着。 无论您是去办事还是跑步，这款多功能运动鞋都会让您保持舒适和时尚。”

设计细节

让我们更详细地探讨这些组件：

• 用户界面：
  • 前端 – 供应商门户的前端允许供应商上传产品图片并显示产品列表。
  • API调用 – 门户通过API与后端通信以处理图像并生成描述。
• 亚马逊重新识别：
  • 图像分析 – Amazon Rekognition 由 API 调用触发，分析图像并检测对象、文本和标签。
  • 标签输出 – 它输出从分析中得出的标签数据。
• 亚马逊基岩：
  • NLP 文本生成 – Amazon Bedrock 使用 Amazon Titan 自然语言处理 (NLP) 模型生成文本描述。
  • 标签集成 – 它将 Amazon Rekognition 检测到的标签作为输入来生成产品描述。
  • 风格搭配 – Amazon Bedrock 为 Amazon Titan 模型提供微调功能，以确保生成的描述符合平台的风格。
• AWS 拉姆达：
  • 处理中 – Lambda 处理对服务的 API 调用。
• 产品数据库：
  • 灵活的数据库 – 产品数据库是根据客户偏好和要求选择的。 请注意，这不是作为解决方案的一部分提供的。

附加功能

该解决方案不仅仅是生成产品描述。 它提供了两个更令人难以置信的选择：

• 从文本生成图像和描述 – 借助生成式人工智能的力量，Amazon Bedrock 可以获取文本描述并创建相应的图像以及详细的产品描述。 考虑潜力：
  • 立即从文本中可视化产品。
  • 自动创建大型目录的图像。
  • 通过丰富的视觉效果增强客户体验。
  • 减少内容创建时间和成本。
• 描述增强 – 如果您已有现有的产品描述，Amazon Bedrock 可以对其进行增强。 只需提供文本和提示，Amazon Bedrock 就会巧妙地增强和丰富内容，使其对您的客户具有高度的吸引力和吸引力。

结论

在竞争激烈的电子商务世界中，保持创新的前沿势在必行。 Amazon Bedrock 为希望增强产品内容、优化列表流程并推动销售的电子零售商提供变革性功能。 借助人工智能生成的产品描述的力量，企业可以创建引人入胜、信息丰富且与文化相关的内容，与客户产生深刻的共鸣。 电子商务的未来已经到来，它是由 Amazon Bedrock 的机器学习驱动的。

您准备好释放人工智能驱动的产品描述的全部潜力了吗？ 采取下一步改革您的电子商务平台。 参观 AWS 解决方案库 并探索 Amazon Bedrock 如何转变您的产品描述、简化您的流程并提高您的销量。 是时候通过 Amazon Bedrock 增强您的电子商务了！

---

作者简介

达瓦尔沙阿 是 AWS 的高级解决方案架构师，专门从事机器学习。 他非常关注数字原生业务，帮助客户利用 AWS 并推动其业务增长。 作为一名机器学习爱好者，Dhaval 热衷于创建有影响力的解决方案，从而带来积极的变化。 闲暇之余，他热爱旅行，珍惜与家人在一起的美好时光。

道格·蒂凡 是 AWS 时尚与服装全球解决方案战略主管。 在此期间，Doug 与时尚和服装高管合作，了解他们的目标并与他们协调最佳解决方案。 Doug 在零售业拥有 30 多年的经验，担任过多个销售和技术领导职务。 Doug 拥有德克萨斯 A&M 大学的工商管理学士学位，居住在德克萨斯州休斯顿。

尼基尔夏尔马 是 Amazon Web Services (AWS) 的解决方案架构领导者，他和他的解决方案架构师团队帮助 AWS 客户使用 AWS 云技术和服务解决关键业务挑战。

凯文·贝尔 是位于西雅图的 AWS 的高级解决方案架构师。 他在云中构建东西已经有大约 10 年了。 您可以在 GitHub 上以 @bellkev 的身份在线找到他。

尼彭查加里 是加利福尼亚州湾区的首席解决方案架构师。 Nipun 热衷于帮助客户采用无服务器技术来实现应用程序现代化并实现其业务目标。 他最近的重点是协助组织采用现代技术来实现数字化转型。 工作之余，Nipun 还喜欢打排球、烹饪和与家人一起旅行。

马歇尔·邦奇 是 AWS 的解决方案架构师，帮助北美客户在云中设计安全、可扩展且经济高效的工作负载。 他的热情在于解决古老的业务问题，其中数据和最新技术可以实现新颖的解决方案。 除了他的职业追求之外，马歇尔还喜欢在科罗拉多州美丽的落基山脉徒步旅行和露营。

阿尔塔夫·达伍德吉 是一位解决方案架构师领导者，为 Amazon Web Service (AWS) 数字原生业务 (DNB) 领域的 AdTech 客户提供支持。 他拥有 20 多年的技术经验，并在分析方面拥有深厚的专业知识。 他热衷于利用 AWS 云帮助客户取得成功的业务成果。

斯科特·贝尔 是一位充满活力的领导者和创新者，拥有 25 年以上的技术管理经验。 他热衷于领导和发展团队提供技术来应对全球用户和企业的挑战。 他在领导技术团队方面拥有丰富的经验，这些团队提供支持 35 种以上语言的全球技术解决方案。 他还对人工智能和生成式人工智能改变业务的方式以及它们支持客户当前未满足的需求的方式充满热情。

萨钦·谢蒂 是 AWS 的首席客户解决方案经理。 他热衷于帮助企业取得成功并通过云采用实现显着收益，推动从基本迁移到跨人员、流程和技术的大规模云转型的一切。 在加入 AWS 之前，Sachin 担任软件开发人员超过 12 年，并担任过多个高级领导职位，领导医疗保健、金融服务、零售和保险领域的技术交付和转型。 他拥有行政工商管理硕士学位和机械工程学士学位。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/