Warum wir ein Modell neu entwickelt haben, das bereits führend war
Unsere bisherigen Modelle waren gezielt auf den E-Commerce abgestimmt, und diese Abstimmung hat funktioniert.
Was sich jedoch sowohl im E-Commerce als auch im Postbereich immer wieder zeigte, ist, wie wenig Informationen uns oft zur Verfügung stehen. Ein E-Commerce-Angebot kann einen aussagekräftigen Titel, eine Kategorie und Angaben zum Material des Artikels enthalten. Viele tun das. Viele andere bestehen jedoch nur aus einem Markennamen und einem Produktnamen, und ein Angebot namens Summit Ridge Mid verrät nicht, ob es sich um einen Wanderschuh, einen Rucksack oder eine Jacke handelt – geschweige denn, woraus der Artikel besteht.
Im Postbereich ist dies am schwierigsten. Zonos wickelt die große Mehrheit aller Postsendungen ab, die in die Vereinigten Staaten gelangen, und ein Paket wird dort oft mit zwei oder drei Wörtern beschrieben, die die Person, die den Karton gepackt hat, in ein Zollformular eingetragen hat – und darüber hinaus gibt es keine weiteren Angaben.
Genau dafür haben wir das Modell neu entwickelt: für Artikel, deren Beschreibung wenig aussagt, ganz gleich, über welchen Kanal sie kommen.
„T-Shirt“ kann einem von über 16 HS-Codes entsprechen – aber welchem?
Angenommen, eine Zollanmeldung lautet nur t-shirt. Das könnte einem von über 16 HS-Codes entsprechen. Der richtige Code hängt davon ab, woraus das Shirt besteht, für wen es geschnitten ist und wie es gestrickt wurde, und die geschuldeten Zölle ändern sich mit jeder dieser Antworten. Allein Baumwolle und Chemiefasern fallen unter verschiedene Unterpositionen mit deutlich unterschiedlichen Zollsätzen.
Multiplizieren Sie das mit einem ganzen Katalog. Kid-Silk Mohair 25g ist die Art von Titel, die wir den ganzen Tag sehen, und trotzdem muss daraus genau eine Zeile des Zolltarifs werden.
Auf diese schwierigeren Fälle haben wir uns in dieser Runde konzentriert. Die gut beschriebenen Artikel erhalten dieselbe Aufmerksamkeit – sie bringen einen Klassifizierer nur seltener ins Straucheln.
Wie wir gemessen haben
Wir haben das neue Modell so gemessen, wie wir es uns von einem Anbieter wünschen würden: im Live-Verkehr, nicht mit einem selbst ausgewählten Testdatensatz. Wir haben zwei Wochen an Klassifizierungsanfragen verwendet, die über unsere Plattform eingegangen sind – also die Titel und Beschreibungen, die unsere Kunden tatsächlich senden, einschließlich derjenigen, die kaum eine Beschreibung sind.
Über diesen Verkehr hinweg macht das neue Modell 29,4 % weniger Fehler als das Modell, das es ersetzt.
Es handelt sich um ein neues Modell, nicht um eine nachjustierte Version des alten. Wir haben den Datenbestand, aus dem es lernt, neu aufgebaut und es mit offiziellen Zollentscheidungen sowie Millionen von unvollständig beschriebenen Angeboten trainiert, die unser Klassifizierer jeden Tag sieht.
Im Vergleich mit einem Wettbewerber, bei denselben Sendungen
Ein Modell mit dem eigenen älteren Modell zu vergleichen, sagt nur begrenzt etwas aus. Wir haben 1.000 echte Sendungen durch drei Systeme laufen lassen: den Klassifizierer eines führenden Wettbewerbers, das Modell, das Classify Zonos AI heute verwendet, und das neue Modell. Jede Sendung wurde auf dieselbe Weise bewertet.
Das Modell, das Classify Zonos AI heute verwendet, machte bereits 33 % weniger Fehler als der Wettbewerber. Das neue Modell macht 70 % weniger.
Manche Fehler kosten mehr als andere
Nicht jeder Klassifizierungsfehler hat dieselben Kosten zur Folge. Wird ein Paar Socken eine Unterposition neben der richtigen eingereiht, liegen die geschuldeten Zölle meist nah beieinander, und niemand bemerkt es. Landen dieselben Socken dagegen in einem völlig anderen Kapitel des Zolltarifs und werden als etwas verbucht, das sie nicht sind, liegen die Zölle keineswegs nah beieinander. Genau diese Fehler führen später zu einer unerwarteten Rechnung, und sie sind ein wesentlicher Grund, warum wir das Modell neu entwickelt haben.
Was das für Sie bedeutet
- Häufiger der richtige Code. 29,4 % weniger Fehler als das Modell, das es ersetzt, gemessen im grenzüberschreitenden Live-Verkehr.
- Entwickelt für spärliche Produktdaten. Wir haben die Neuentwicklung auf kurze, unvollständige Beschreibungen ausgerichtet – das ist der Großteil dessen, was eine Postsendung liefert, und ein größerer Teil eines E-Commerce-Katalogs, als die meisten Händler erwarten.
- Weniger Überraschungen an der Grenze. Weniger falsche Codes bedeuten weniger Sendungen, die mit einer unerwarteten Zollrechnung ankommen.
- Keine Änderungen auf Ihrer Seite. Das neue Modell liefert bereits Klassifizierungen. Wenn Sie Classify Zonos AI heute aufrufen, bleiben Ihre Anfrage und die Antwort, die Sie erhalten, unverändert – es ist also keine Integrationsarbeit nötig und keine Einstellung zu aktivieren.
Gemessen über zwei Wochen grenzüberschreitenden Live-Verkehrs und einen Vergleich von 1.000 Sendungen mit einem führenden Wettbewerber. Die Klassifizierungsgenauigkeit variiert je nach Produktkategorie und danach, wie detailliert die Artikelbeschreibung ist.
Das neue Classify-Modell von Zonos macht 29,4 % weniger Klassifizierungsfehler
Jedes Paket, das eine Grenze überquert, benötigt einen HS-Code, und dieser Code bestimmt, welche Abgaben für die Sendung anfallen und wie reibungslos sie abgefertigt wird. Zonos beschäftigt sich seit mehr als 16 Jahren mit diesem Problem, und Zonos Classify Zonos AI löst es mit proprietären KI-Modellen, die wir selbst entwickeln.
Wir trainieren unsere Modelle mit grenzüberschreitenden Daten, die wir aus erster Hand sehen, und testen sie selbst, statt ein Allzweckmodell mit einem nachträglich aufgesetzten Zoll-Prompt einzusetzen.
Diese Arbeit hat uns an der Spitze gehalten. Im Vergleich mit dem Klassifizierer eines führenden Wettbewerbers macht das Modell, das Classify Zonos AI heute verwendet, bei denselben 1.000 Sendungen 33 % weniger Fehler.
Nun haben wir es neu entwickelt, um es noch besser zu machen. Über zwei Wochen grenzüberschreitenden Live-Verkehrs hinweg macht das neue Modell 29,4 % weniger Klassifizierungsfehler als das Modell, das es ersetzt. Es ist ab sofort im Einsatz.