[ad_1]
Los clientes recurren cada vez más a las reseñas de productos cuando compran para tomar decisiones informadas, ya sea comprando artículos cotidianos como un paño de cocina o una compra más importante, como comprar un automóvil. Estas reseñas se han convertido en una importante fuente de información y permiten a los compradores acceder a las opiniones y experiencias de otros clientes. Como tal, las reseñas de productos se han convertido en un aspecto crucial de cualquier negocio, ya que brindan comentarios e información valiosos que ayudan en las decisiones de compra.
Amazon tiene una de las tiendas más grandes con cientos de millones de artículos disponibles. En 2022, 125 millones de clientes dejaron casi 1.500 millones de reseñas y calificaciones en las tiendas de Amazon, lo que convierte a las reseñas en línea de Amazon en una fuente sólida de comentarios para los clientes. Con las reseñas de productos enviadas cada mes, es importante verificar que dichas reseñas sigan las pautas de la comunidad de Amazon sobre lenguaje, palabras, videos e imágenes aceptables. Esta práctica tiene como objetivo garantizar que los clientes reciban información precisa sobre el producto y evitar que las reseñas contengan lenguaje inapropiado, imágenes ofensivas o cualquier tipo de discurso de odio dirigido contra individuos o comunidades. Al hacer cumplir estas políticas, Amazon puede mantener un entorno seguro e inclusivo para todos los clientes.
Al automatizar la moderación de contenido, Amazon puede escalar el proceso manteniendo una alta precisión. Es un área problemática compleja con desafíos únicos que requieren diferentes técnicas para texto, imágenes y video. Las imágenes son una parte relevante de las reseñas de productos y, a menudo, tienen un impacto más inmediato en los clientes que el texto. Con Amazon Rekognition Content Moderation, Amazon puede detectar automáticamente y con mayor precisión imágenes maliciosas en reseñas de productos, reduciendo su dependencia de revisores humanos para moderar dicho contenido. La moderación de contenido de Rekognition ha ayudado a mejorar el bienestar de los moderadores humanos y ha logrado importantes ahorros de costos.
Moderación con modelos de ML autohospedados
El equipo de Amazon Shopping diseñó e implementó un sistema de moderación que aprovecha el aprendizaje automático (ML) junto con las revisiones Human-in-the-Loop (HITL) para garantizar que las revisiones de productos estén relacionadas con la experiencia del cliente con el producto y no sean inapropiadas o inapropiadas. el contenido contiene contenido dañino de acuerdo con las Normas de la comunidad. El subsistema de moderación de imágenes utilizó varios modelos de visión por computadora autohospedados y autoentrenados, como se muestra en el siguiente diagrama, para detectar imágenes que violan las políticas de Amazon. Quien toma las decisiones determina la acción de moderación y justifica su decisión en función de los resultados de los modelos de ML. Al hacerlo, decide si la imagen requiere una revisión adicional por parte de un moderador humano o si podría aprobarse o rechazarse automáticamente.
Utilizando estos modelos de aprendizaje automático autohospedados, el equipo inicialmente automatizó las decisiones sobre el 40 % de las imágenes recibidas como parte de las revisiones y ha trabajado continuamente para mejorar la solución a lo largo de los años, superando varios desafíos:
- Esfuerzos en curso para mejorar la tasa de automatización – El equipo quería mejorar la precisión de los algoritmos de ML para aumentar la tasa de automatización. Esto requiere una inversión continua en etiquetado de datos, ciencia de datos y MLOps para la capacitación e implementación de modelos.
- complejidad del sistema – La complejidad arquitectónica requiere inversión en MLOps para garantizar que el proceso de inferencia de ML se escale de manera eficiente para adaptarse al creciente tráfico de envío de contenido.
Reemplace los modelos de ML autohospedados con la API de moderación de contenido de Rekognition
Amazon Rekognition es un servicio de inteligencia artificial (IA) administrado que proporciona modelos previamente entrenados a través de una interfaz API para moderación de imágenes y videos. Se ha utilizado ampliamente en industrias como el comercio electrónico, las redes sociales, los juegos, las aplicaciones de citas en línea y otras para moderar el contenido generado por el usuario (CGU). Esto incluye una variedad de tipos de contenido, como reseñas de productos, perfiles de usuario y moderación de publicaciones en redes sociales.
Rekognition Content Moderation automatiza y agiliza los flujos de trabajo de moderación de imágenes y videos sin la necesidad de tener experiencia en ML. Los clientes de Amazon Rekognition pueden procesar millones de imágenes y videos e identificar de manera eficiente contenido inapropiado o no deseado con API completamente administradas y reglas de moderación personalizables para garantizar la seguridad del usuario y el cumplimiento organizacional.
El equipo migró con éxito un subconjunto de modelos de aprendizaje automático autoadministrados en el sistema de moderación de imágenes para la detección de desnudez y contenido no viable (NSFW) a la API de moderación de detección de Amazon Rekognition, aprovechando los modelos de moderación integrales y altamente precisos previamente entrenados. Gracias al alto nivel de precisión de Amazon Rekognition, el equipo pudo automatizar más decisiones, ahorrar costos y simplificar la arquitectura del sistema.
Precisión mejorada y categorías de moderación ampliadas
La implementación de la API de moderación de imágenes por parte de Amazon Rekognition ha dado como resultado una mayor precisión en la detección de contenido inapropiado. Esto significa que aproximadamente 1 millón de imágenes adicionales por año se moderan automáticamente sin necesidad de revisión humana.
Excelencia operativa
El equipo de Amazon Shopping pudo simplificar la arquitectura del sistema, reduciendo la carga operativa de administrar y mantener el sistema. Este enfoque les ha ahorrado meses de esfuerzo de DevOps al año, lo que significa que ahora pueden dedicar su tiempo a desarrollar funciones innovadoras en lugar de tareas operativas.
reducción de costo
La alta precisión de la moderación de contenido de Rekognition ha permitido al equipo enviar menos imágenes, incluido contenido potencialmente inapropiado, para revisión humana. Esto redujo los costos asociados con la moderación humana y liberó a los moderadores para concentrarse en tareas comerciales más importantes. Combinado con las eficiencias de DevOps, el equipo de Amazon Shopping logró importantes ahorros de costos.
Diploma
La migración de modelos de aprendizaje automático autohospedados a la API de moderación de Amazon Rekognition para la moderación de reseñas de productos puede ofrecer muchos beneficios a las empresas, incluido un importante ahorro de costos. Al automatizar el proceso de moderación, las tiendas en línea pueden moderar de forma rápida y precisa grandes volúmenes de reseñas de productos, mejorando la experiencia del cliente al garantizar que el contenido inapropiado o spam se elimine rápidamente. Además, al utilizar un servicio administrado como la API de moderación de Amazon Rekognition, las empresas pueden reducir el tiempo y los recursos necesarios para desarrollar y mantener sus propios modelos, lo que puede resultar especialmente útil para empresas con recursos técnicos limitados. La flexibilidad de la API también permite a las tiendas online personalizar sus reglas y umbrales de moderación para satisfacer sus necesidades específicas.
Obtenga más información sobre la moderación de contenido en AWS y nuestros casos de uso de ML para la moderación de contenido. Dé el primer paso para optimizar sus operaciones de moderación de contenido con AWS.
Sobre los autores
Shipra Kanoria es gerente principal de productos en AWS. Le apasiona ayudar a los clientes a resolver sus problemas más complejos utilizando el aprendizaje automático y la inteligencia artificial. Antes de unirse a AWS, Shipra pasó más de cuatro años en Amazon Alexa, donde introdujo muchas funciones relacionadas con la productividad en el asistente de voz de Alexa.
Luca Agostino Rubino es un desarrollador de software líder en el equipo de compras de Amazon. Trabaja en funciones de la comunidad como reseñas de clientes y preguntas y respuestas, y a lo largo de los años se ha centrado en la moderación de contenido y la ampliación y automatización de soluciones de aprendizaje automático.
Lana Zhang es arquitecto de soluciones senior en el equipo de servicios de inteligencia artificial de AWS WWSO y se especializa en inteligencia artificial y aprendizaje automático para moderación de contenido, visión por computadora, procesamiento de lenguaje natural e inteligencia artificial generativa. Con su experiencia, se dedica a promover las soluciones de IA/ML de AWS y a ayudar a los clientes a transformar sus soluciones comerciales en diversas industrias, incluidas las redes sociales, los juegos, el comercio electrónico, los medios, la publicidad y el marketing.
[ad_2]