Mengapa kami membangun ulang model yang sudah unggul
Model kami sebelumnya disetel secara intensif untuk ecommerce, dan penyetelan itu berhasil.
Yang terus muncul, baik di sisi ecommerce maupun pos, adalah betapa sedikitnya informasi yang sering kami miliki. Sebuah listing ecommerce bisa dilengkapi judul yang deskriptif, kategori, dan keterangan tentang bahan barangnya. Banyak yang seperti itu. Namun lebih banyak lagi yang hanya berisi nama merek dan nama produk, dan listing bernama Summit Ridge Mid tidak memberi tahu Anda apakah itu sepatu hiking, ransel, atau jaket, apalagi terbuat dari apa.
Di pos, masalah ini paling sulit. Zonos menangani sebagian besar dari seluruh kiriman pos yang masuk ke Amerika Serikat, dan paket di sana sering dideskripsikan hanya dengan dua atau tiga kata, diketik pada formulir bea cukai oleh orang yang mengemas kotaknya, tanpa informasi lain di baliknya.
Itulah tujuan kami membangun ulang model ini: barang-barang yang deskripsinya tidak banyak memberi tahu, dari saluran mana pun barang itu datang.
"T-shirt" bisa berarti salah satu dari 16+ kode HS - tapi yang mana?
Misalkan sebuah deklarasi hanya bertuliskan t-shirt. Itu bisa berarti salah satu dari 16+ kode HS. Kode yang tepat bergantung pada bahan kaus tersebut, untuk siapa potongannya, dan bagaimana kaus itu dirajut, dan bea yang terutang berubah sesuai setiap jawaban tersebut. Katun dan serat buatan saja sudah berada di subpos yang berbeda dengan tarif yang berbeda secara signifikan.
Kalikan itu dengan satu katalog. Kid-Silk Mohair 25g adalah jenis judul yang kami lihat setiap hari, dan judul itu tetap harus menghasilkan satu baris dalam jadwal tarif.
Barang-barang yang lebih rumit itulah yang menjadi fokus kami kali ini. Barang yang dideskripsikan dengan baik mendapat perhatian yang sama, hanya saja barang tersebut lebih kecil kemungkinannya menjebak classifier.
Cara kami mengukurnya
Kami mengukur model baru ini dengan cara yang kami harapkan dilakukan vendor untuk kami: pada lalu lintas nyata, bukan pada set pengujian pilihan kami sendiri. Kami menggunakan dua minggu permintaan klasifikasi yang masuk melalui platform kami, artinya judul dan deskripsi yang benar-benar dikirim oleh pelanggan kami, termasuk yang nyaris tidak bisa disebut deskripsi sama sekali.
Pada lalu lintas tersebut, model baru ini membuat 29,4% lebih sedikit kesalahan dibandingkan model yang digantikannya.
Ini adalah model baru, bukan versi lama yang disetel ulang. Kami membangun ulang korpus yang menjadi bahan pembelajarannya, dengan melatihnya menggunakan putusan kepabeanan resmi bersama jutaan listing berdeskripsi tidak lengkap yang dilihat classifier kami setiap hari.
Dibandingkan dengan pesaing, pada kiriman yang sama
Membandingkan sebuah model dengan model lama Anda sendiri hanya memberi tahu sebatas itu. Kami mengambil 1.000 kiriman nyata dan menjalankannya melalui tiga sistem: classifier milik pesaing terkemuka, model yang digunakan Classify Zonos AI saat ini, dan model yang baru. Setiap kiriman dinilai dengan cara yang sama.
Model yang dijalankan Classify Zonos AI saat ini sudah membuat 33% lebih sedikit kesalahan dibandingkan pesaing. Model yang baru membuat 70% lebih sedikit.
Beberapa kesalahan lebih mahal daripada yang lain
Tidak setiap kesalahan klasifikasi menimbulkan tagihan yang sama. Jika sepasang kaus kaki diklasifikasikan satu subpos dari tempat yang seharusnya, bea yang terutang biasanya tidak jauh berbeda, dan tidak ada yang menyadarinya. Jika kaus kaki yang sama berakhir di bab jadwal tarif yang sama sekali berbeda, dicatat sebagai sesuatu yang bukan dirinya, bea yang terutang sama sekali tidak mendekati. Kesalahan seperti itulah yang berubah menjadi tagihan tak terduga di kemudian hari, dan itu menjadi alasan besar kami membangun ulang model ini.
Apa artinya bagi Anda
- Kode yang tepat lebih sering. 29,4% lebih sedikit kesalahan dibandingkan model yang digantikannya, diukur pada lalu lintas lintas batas nyata.
- Dibangun untuk data produk yang minim. Kami mengarahkan pembangunan ulang ini pada deskripsi yang singkat dan tidak lengkap, yang merupakan sebagian besar informasi yang diberikan kiriman pos dan lebih banyak ditemukan di katalog ecommerce daripada yang diperkirakan sebagian besar merchant.
- Lebih sedikit kejutan di perbatasan. Lebih sedikit kode yang salah berarti lebih sedikit kiriman yang tiba dengan tagihan bea yang tidak diperkirakan siapa pun.
- Tidak ada yang perlu diubah di sisi Anda. Model baru ini sudah melayani klasifikasi. Jika Anda memanggil Classify Zonos AI hari ini, permintaan Anda dan respons yang Anda terima tetap sama, sehingga tidak ada pekerjaan integrasi yang perlu dilakukan dan tidak ada pengaturan yang perlu diaktifkan.
Diukur pada dua minggu lalu lintas lintas batas nyata dan perbandingan 1.000 kiriman dengan pesaing terkemuka. Akurasi klasifikasi bervariasi menurut kategori produk dan seberapa detail deskripsi barangnya.
Model Classify baru dari Zonos membuat 29,4% lebih sedikit kesalahan klasifikasi
Setiap paket yang melintasi perbatasan memerlukan kode HS, dan kode tersebut menentukan berapa yang harus dibayar atas kiriman itu serta seberapa lancar kiriman itu bergerak. Zonos telah menangani masalah ini selama lebih dari 16 tahun, dan Zonos Classify Zonos AI menyelesaikannya dengan model AI milik sendiri yang kami bangun sendiri.
Kami melatih model kami dengan data lintas batas yang kami lihat secara langsung dan mengujinya sendiri, alih-alih menjalankan model serba guna yang hanya ditambahi prompt kepabeanan.
Upaya itu membuat kami tetap unggul. Dibandingkan dengan classifier milik pesaing terkemuka, pada 1.000 kiriman yang sama, model yang dijalankan Classify Zonos AI saat ini membuat 33% lebih sedikit kesalahan.
Kini kami telah membangunnya ulang agar menjadi lebih baik lagi. Selama dua minggu lalu lintas lintas batas nyata, model baru ini membuat 29,4% lebih sedikit kesalahan klasifikasi dibandingkan model yang digantikannya. Model ini sudah aktif sekarang.