In de steeds evoluerende e-commerce wereld van vandaag kan de invloed van een overtuigende productbeschrijving niet genoeg worden benadrukt. Het kan de doorslaggevende factor zijn die van een potentiële bezoeker een betalende klant maakt of hem doorklikt naar de site van een concurrent. Het handmatig maken van deze beschrijvingen voor een breed scala aan producten is een arbeidsintensief proces en kan de snelheid van nieuwe innovatie vertragen. Dit is waar Amazonebodem met zijn generatieve AI-mogelijkheden helpt het spel opnieuw vorm te geven. In dit bericht duiken we in hoe Amazon Bedrock het proces voor het genereren van productbeschrijvingen transformeert, waardoor e-retailers hun bedrijf efficiënt kunnen opschalen en tegelijkertijd waardevolle tijd en middelen kunnen besparen.

Ontgrendel de kracht van generatieve AI in de detailhandel

Generatieve AI heeft de aandacht getrokken van besturen en CEO’s over de hele wereld, wat hen ertoe heeft aangezet zich af te vragen: “Hoe kunnen we generatieve AI inzetten voor ons bedrijf?” Een van de meest veelbelovende toepassingen van generatieve AI in e-commerce is het gebruik ervan om productbeschrijvingen te maken. Retailers en merken hebben aanzienlijke middelen geïnvesteerd in het testen en evalueren van de meest effectieve beschrijvingen, en generatieve AI blinkt uit op dit gebied.

Het creëren van boeiende en informatieve productbeschrijvingen voor een uitgebreide catalogus is een enorme taak, vooral voor wereldwijde e-commerceplatforms. Het handmatig vertalen en aanpassen van productbeschrijvingen voor elke markt kost tijd en middelen. Dit resulteert in generieke of onvolledige beschrijvingen, wat leidt tot verminderde omzet en klanttevredenheid.

De kracht van Amazon Bedrock: door AI gegenereerde productbeschrijvingen

Amazon Bedrock is een volledig beheerde service die de generatieve AI-ontwikkeling vereenvoudigt en hoogwaardige basismodellen (FM's) biedt van toonaangevende AI-bedrijven zoals AI21 Labs, Anthropic, Cohere, Meta, Stability AI en Amazon via één enkele API. Het biedt een uitgebreide reeks mogelijkheden voor het bouwen van generatieve AI-applicaties en zorgt tegelijkertijd voor behoud van privacy en veiligheid. Met Amazon Bedrock kun je experimenteren met verschillende FM's en deze privé aanpassen met behulp van technieken als fijnafstemming en Retrieval Augmented Generation (RAG). Met het platform kunt u beheerde agenten creëren voor complexe zakelijke taken zonder dat u code hoeft te schrijven, zoals het boeken van reizen, het verwerken van verzekeringsclaims, het maken van advertentiecampagnes en het beheren van voorraad.

E-commerceplatforms kunnen bijvoorbeeld in eerste instantie basisproductbeschrijvingen genereren die maat, kleur en prijs bevatten. Dankzij de flexibiliteit van Amazon Bedrock kunnen deze beschrijvingen echter worden verfijnd om klantrecensies op te nemen, merkspecifiek taalgebruik te integreren en specifieke productkenmerken te benadrukken, wat resulteert in op maat gemaakte beschrijvingen die resoneren met de doelgroep. Bovendien biedt Amazon Bedrock via een intuïtieve API toegang tot basismodellen van Amazon en toonaangevende AI-startups, waardoor het hele proces naadloos en efficiënt verloopt.

Het gebruik van AI kan de volgende impact hebben op het productbeschrijvingsproces:

• Snellere goedkeuringen – Leveranciers ervaren een gestroomlijnd proces, dat binnen een uur van productvermelding naar goedkeuring gaat, waardoor frustrerende vertragingen worden geëlimineerd
• Verbeterde snelheid van productvermeldingen – Wanneer uw e-commercemarktplaats geautomatiseerd is, ziet het aantal productvermeldingen toenemen, waardoor consumenten vrijwel onmiddellijk toegang krijgen tot de nieuwste merchandise
• Toekomstbestendigheid – Door de allernieuwste AI te omarmen, stelt u uw positie veilig als een toekomstgericht platform dat klaar is om aan de veranderende markteisen te voldoen
• Innovatie – Deze oplossing bevrijdt teams van alledaagse taken, waardoor ze zich kunnen concentreren op werk met een hogere waarde en een cultuur van innovatie kunnen bevorderen

Overzicht oplossingen

Voordat we ingaan op de technische details, laten we eerst een voorproefje op hoog niveau bekijken van wat deze oplossing te bieden heeft. Met deze oplossing kunt u productbeschrijvingen voor uw e-commerceplatform maken en beheren. Het stelt uw platform in staat om:

• Genereer beschrijvingen uit tekst – Met de kracht van generatieve AI kan Amazon Bedrock beschrijvingen in platte tekst omzetten in levendige, informatieve en boeiende productbeschrijvingen.
• Maak afbeeldingen – Naast tekst kan het ook afbeeldingen maken die perfect aansluiten bij de productbeschrijvingen, waardoor de visuele aantrekkingskracht van uw vermeldingen wordt vergroot.
• Verbeter bestaande inhoud – Heeft u bestaande productbeschrijvingen die een frisse blik nodig hebben? Amazon Bedrock kan uw huidige inhoud nog aantrekkelijker en boeiender maken.

Deze oplossing is beschikbaar in de AWS-oplossingenbibliotheek. In de begeleidende bijlage vindt u gedetailleerde instructies LEESMIJ-bestand. Het README-bestand bevat alle informatie die u nodig heeft om aan de slag te gaan, van vereisten tot implementatierichtlijnen.

De systeemarchitectuur bestaat uit verschillende kerncomponenten:

• UI-portaal – Dit is de gebruikersinterface (UI) die is ontworpen voor leveranciers om productafbeeldingen te uploaden.
• Amazon Rekognition - Amazon Rekognition is een beeldanalyseservice die objecten, tekst en labels in afbeeldingen detecteert.
• Amazonebodem – Foundation-modellen in Amazon Bedrock gebruiken de labels die door Amazon Rekognition zijn gedetecteerd om productbeschrijvingen te genereren.
• AWS Lambda - AWS Lambda biedt serverloze rekenkracht voor verwerking.
• Productdatabase – In de centrale opslagplaats worden producten, afbeeldingen, labels en gegenereerde beschrijvingen van leveranciers opgeslagen. Dit kan elke database van uw keuze zijn. Houd er rekening mee dat in deze oplossing alle opslag zich in de gebruikersinterface bevindt.
• Beheerportaal – Dit portaal biedt toezicht op het systeem en de productlijsten, waardoor een soepele werking wordt gegarandeerd. Dit maakt geen deel uit van de oplossing; We hebben het toegevoegd voor begrip.

Het volgende diagram illustreert de gegevensstroom en interacties binnen het systeem

De workflow omvat de volgende stappen:

1. De client initieert een verzoek bij de Amazon API Gateway REST API.
2. Amazon API Gateway geeft het verzoek door aan AWS Lambda via een proxy-integratie.
3. Bij gebruik van productafbeeldinginvoer belt AWS Lambda Amazon Rekognition om objecten in de afbeelding te detecteren.
4. AWS Lambda roept LLM's gehost door Amazon Bedrock, zoals de Amazon Titan-taalmodellen, op om productbeschrijvingen te genereren.
5. Het antwoord wordt teruggestuurd van AWS Lambda naar Amazon API Gateway.
6. Ten slotte wordt het HTTP-antwoord van Amazon API Gateway teruggestuurd naar de client.

Voorbeeld use case

Stel je voor dat een leverancier een productafbeelding van schoenen uploadt, en Amazon Rekognition identificeert belangrijke kenmerken zoals ‘witte schoenen’, ‘sneaker’ en ‘duurzaam’. De Amazon Bedrock Titan AI gebruikt deze informatie en genereert een productbeschrijving zoals: “Hier is een conceptproductbeschrijving voor een canvas hardloopschoen, gebaseerd op de productfoto: Introductie van de Canvas Runner, de perfecte lichtgewicht sneaker voor uw actieve levensstijl. Deze hardloopschoen heeft een ademend bovenwerk van canvas met leren accenten voor een stijlvolle, klassieke look. Het ontwerp met veters zorgt voor een veilige pasvorm, terwijl de gewatteerde tong en kraag voor comfort zorgen. Binnenin ondersteunt en troost een uitneembare, gedempte binnenzool uw voeten. De EVA-tussenzool absorbeert schokken bij elke stap, waardoor vermoeidheid wordt verminderd. Flexgroeven in de rubberen buitenzool zorgen voor flexibiliteit en grip. Met zijn eenvoudige, retro-geïnspireerde stijl gaat de Canvas Runner naadloos over van workouts naar dagelijks gebruik. Of je nu boodschappen doet of kilometers hardloopt, deze veelzijdige sneaker houdt je comfortabel en stijlvol in beweging.”

Ontwerpdetails

Laten we de componenten in meer detail verkennen:

• Gebruikersomgeving:
  • Voorkant – Via de voorkant van het leveranciersportaal kunnen leveranciers productafbeeldingen uploaden en productvermeldingen weergeven.
  • API-aanroepen – De portal communiceert met de backend via API's om afbeeldingen te verwerken en beschrijvingen te genereren.
• Amazon-erkenning:
  • Foto analyse – Geactiveerd door API-aanroepen analyseert Amazon Rekognition afbeeldingen en detecteert objecten, tekst en labels.
  • Labeluitvoer – Het voert labelgegevens uit die zijn afgeleid van de analyse.
• Amazone-gesteente:
  • NLP-tekstgeneratie – Amazon Bedrock gebruikt het natuurlijke taalverwerkingsmodel (NLP) van Amazon Titan om tekstuele beschrijvingen te genereren.
  • Label-integratie – De door Amazon Rekognition gedetecteerde labels worden als invoer gebruikt om productbeschrijvingen te genereren.
  • Stijlafstemming – Amazon Bedrock biedt afstemmingsmogelijkheden voor Amazon Titan-modellen om ervoor te zorgen dat de gegenereerde beschrijvingen overeenkomen met de stijl van het platform.
• AWS-lambda:
  • In behandeling – Lambda handelt de API-aanroepen naar services af.
• Product database:
  • Flexibele database – De productdatabase wordt gekozen op basis van klantvoorkeuren en -vereisten. Let op: dit wordt niet meegeleverd als onderdeel van de oplossing.

Aanvullende mogelijkheden

Deze oplossing gaat verder dan alleen het genereren van productbeschrijvingen. Het biedt nog twee ongelooflijke opties:

• Genereren van afbeeldingen en beschrijvingen uit tekst – Met de kracht van generatieve AI kan Amazon Bedrock tekstbeschrijvingen maken en bijbehorende afbeeldingen maken, samen met gedetailleerde productbeschrijvingen. Overweeg het potentieel:
  • Producten direct visualiseren vanuit tekst.
  • Automatisering van het maken van afbeeldingen voor grote catalogi.
  • Verbeter de klantervaring met rijke beelden.
  • Het verminderen van de tijd en kosten voor het maken van inhoud.
• Verbetering van de beschrijving – Als je al bestaande productbeschrijvingen hebt, kan Amazon Bedrock deze verbeteren. Geef eenvoudigweg de tekst en de prompt op, en Amazon Bedrock zal de inhoud vakkundig verbeteren en verrijken, waardoor deze zeer boeiend en aantrekkelijk wordt voor uw klanten.

Conclusie

In de hevig competitieve wereld van de e-commerce is het van cruciaal belang om voorop te blijven lopen op het gebied van innovatie. Amazon Bedrock biedt transformatieve mogelijkheden voor e-retailers die hun productinhoud willen verbeteren, hun vermeldingsproces willen optimaliseren en de verkoop willen stimuleren. Met de kracht van door AI gegenereerde productbeschrijvingen kunnen bedrijven boeiende, informatieve en cultureel relevante inhoud creëren die diep resoneert met klanten. De toekomst van e-commerce is aangebroken en wordt aangedreven door machine learning met Amazon Bedrock.

Bent u klaar om het volledige potentieel van AI-aangedreven productbeschrijvingen te ontsluiten? Zet de volgende stap in het revolutioneren van uw e-commerceplatform. Bezoek de AWS-oplossingenbibliotheek en ontdek hoe Amazon Bedrock uw productbeschrijvingen kan transformeren, uw processen kan stroomlijnen en uw verkopen kan stimuleren. Het is tijd om uw e-commerce een boost te geven met Amazon Bedrock!

Over de auteurs

Dhaval Sjah is een Senior Solutions Architect bij AWS, gespecialiseerd in Machine Learning. Met een sterke focus op digital native bedrijven stelt hij klanten in staat AWS te benutten en hun bedrijfsgroei te stimuleren. Als ML-liefhebber wordt Dhaval gedreven door zijn passie voor het creëren van impactvolle oplossingen die positieve verandering teweegbrengen. In zijn vrije tijd geniet hij van zijn liefde voor reizen en koestert hij kwaliteitsmomenten met zijn gezin.

Doug Tiffan is hoofd van de World Wide Solution Strategy voor Fashion & Apparel bij AWS. In zijn rol werkt Doug samen met leidinggevenden uit de mode- en kledingsector om hun doelstellingen te begrijpen en samen met hen de beste oplossingen te vinden. Doug heeft meer dan 30 jaar ervaring in de detailhandel en bekleedt verschillende leidinggevende functies op het gebied van merchandising en technologie. Doug heeft een BBA behaald aan de Texas A&M University en is gevestigd in Houston, Texas.

Nikhil Sharma is Solutions Architecture Leader bij Amazon Web Services (AWS), waar hij en zijn team van Solutions Architects AWS-klanten helpen bij het oplossen van kritieke zakelijke uitdagingen met behulp van AWS-cloudtechnologieën en -diensten.

Kevin Bel is een Sr. Solutions Architect bij AWS, gevestigd in Seattle. Hij bouwt al zo'n 10 jaar dingen in de cloud. Je kunt hem online vinden als @bellkev op GitHub.

Nipun Chagari is een Principal Solutions Architect gevestigd in de Bay Area, CA. Nipun heeft een passie voor het helpen van klanten bij het adopteren van serverloze technologie om applicaties te moderniseren en hun zakelijke doelstellingen te bereiken. Zijn recente focus lag op het helpen van organisaties bij het adopteren van moderne technologieën om digitale transformatie mogelijk te maken. Naast zijn werk vindt Nipun vreugde in het spelen van volleybal, koken en reizen met zijn gezin.

Marshall Bos is een Solutions Architect bij AWS die Noord-Amerikaanse klanten helpt bij het ontwerpen van veilige, schaalbare en kosteneffectieve workloads in de cloud. Zijn passie ligt in het oplossen van eeuwenoude bedrijfsproblemen waarbij data en de nieuwste technologieën nieuwe oplossingen mogelijk maken. Naast zijn professionele activiteiten houdt Marshall ook van wandelen en kamperen in de prachtige Rocky Mountains van Colorado.

Altaf Dawoodjee is een Solutions Architect Leader die AdTech-klanten ondersteunt in het Digital Native Business (DNB)-segment bij Amazon Web Service (AWS). Hij heeft meer dan 20 jaar ervaring in technologie en een diepgaande expertise op het gebied van Analytics. Hij heeft een passie voor het helpen behalen van succesvolle bedrijfsresultaten voor zijn klanten door gebruik te maken van de AWS-cloud.

Scott Bel is een dynamische leider en innovator met meer dan 25 jaar ervaring in technologiemanagement. Hij heeft een passie voor het leiden en ontwikkelen van teams bij het leveren van technologie om de uitdagingen van wereldwijde gebruikers en bedrijven aan te gaan. Hij heeft uitgebreide ervaring in het leiden van technologieteams die wereldwijde technologieoplossingen bieden die meer dan 35 talen ondersteunen. Hij is ook gepassioneerd door de manier waarop AI en generatieve AI bedrijven transformeren en de manier waarop ze de huidige onvervulde behoeften van klanten ondersteunen.

Sachin Shetti is een Principal Customer Solution Manager bij AWS. Hij heeft een passie voor het helpen van ondernemingen om succesvol te zijn en aanzienlijke voordelen te realiseren uit de adoptie van de cloud, waarbij hij alles aanstuurt, van basismigratie tot grootschalige cloudtransformatie voor mensen, processen en technologie. Voordat hij bij AWS kwam, werkte Sachin ruim twaalf jaar als softwareontwikkelaar en bekleedde hij meerdere senior leiderschapsposities, waarbij hij leiding gaf aan de levering en transformatie van technologie in de gezondheidszorg, financiële dienstverlening, detailhandel en verzekeringen. Hij heeft een Executive MBA en een bachelordiploma Werktuigbouwkunde.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://aws.amazon.com/blogs/machine-learning/automating-product-description-generation-with-amazon-bedrock/