Solusi untuk klasifikasi
Karena ada begitu banyak produk yang berbeda dan aturan yang sering berubah, ini dapat menjadi rumit. Manusia, bahkan para ahli, hanya mendapatkan kode yang benar sekitar 7 dari 10 kali, dan klasifikasi produk manual adalah beban kerja tambahan.
Solusi lain adalah menulis program komputer dengan semua aturan. Para ahli industri mengklasifikasikan produk dan insinyur perangkat lunak menambahkan aturan yang diikuti para ahli. Sistem seperti itu dapat mendapatkan kode yang benar sekitar 9 dari 10 kali. Saya tahu ini karena tim kami di Zonos telah melakukan ini. Aturan yang kami buat memperhatikan hal-hal berikut:
- Cara produk dijelaskan
- Gambar apa yang digunakan untuk mengiklankan produk
- Siapa yang menjual produk
- Biaya produk
Memperhatikan faktor-faktor ini menghasilkan akurasi klasifikasi maksimal.
Memiliki akurasi klasifikasi item 9/10 sangat luar biasa, tetapi kami belum selesai. Satu item yang salah klasifikasi itu berharga bagi kami karena kami menggunakannya sebagai data untuk mengidentifikasi pola sulit untuk meningkatkan akurasi dan hasil kami. Misalnya, saya baru-baru ini melihat produk di toko online yang dijelaskan sebagai kaus kaki yang "terlihat bagus dalam setelan berukur dan akan menjadi pelengkap sempurna untuk sepasang sepatu dress yang mahal," yang bisa sulit untuk diklasifikasikan. Manusia tahu produknya adalah kaus kaki, tetapi deskripsinya bisa tentang setelan atau sepatu.
Untuk mencegah komputer bingung, aturannya menjadi semakin rumit. Anda dapat membayangkan ini menjadi lebih sulit ketika hanya nama merek yang digunakan, kata-kata salah eja, atau gambar produk menyertakan beberapa item.
Dengan semua faktor penyebab masalah yang ada ini, untuk mendapatkan klasifikasi yang benar setidaknya 99 dari 100 kali, kami menggunakan pembelajaran mesin. Pembelajaran mesin mengatakan bahwa kami akan berhenti memberi tahu komputer setiap hal kecil yang mungkin penting dan meminta komputer untuk belajar apa yang penting untuk dirinya sendiri. Kami masih memiliki para ahli dan aturan, tetapi komputer memiliki pekerjaan yang jauh lebih besar dan sering dapat mencapai hasil yang jauh lebih baik daripada manusia.
Pembelajaran mesin: Mengenali pola
Salah satu cara kami meminta komputer untuk menyelesaikan masalah ini bagi kami adalah dengan memberikan gambar produk dan meminta komputer untuk menemukan pola dalam gambar tersebut. Setelah siap, komputer dapat mengidentifikasi perbedaan yang mungkin terlewatkan manusia.
Berikut adalah contoh lampu depan mobil. Diberikan ribuan gambar lampu depan mobil, saya meminta komputer untuk mengorganisirnya berdasarkan seberapa berbeda gambar-gambar itu satu sama lain. Saya tidak memberi tahu komputer apapun tentang gambar-gambar tersebut. Ketika melakukan ini, komputer memutuskan ada tiga atau empat jenis gambar berbeda yang biasa digunakan untuk menjual lampu depan mobil. Contoh setiap jenis gambar produk terlihat seperti ini:
Dalam gambar-gambar ini, ada dua bentuk lampu depan mobil dan satu yang ada di mobil. Jika saya melihat gambar-gambar lain di setiap grup, saya melihat bahwa setiap grup penuh dengan gambar yang serupa. Jika toko suku cadang mobil mulai menjual lampu depan mobil dengan gambar kotak, alat pembelajaran mesin akan menyadari dan beradaptasi secara otomatis. Saya menggunakan informasi ini untuk ribuan kategori produk yang berbeda di jutaan produk.
Seringkali alat pembelajaran mesin dapat menyadari pola yang terlewatkan manusia. Misalnya, lampu depan sepeda motor terlihat sedikit berbeda dari lampu depan mobil; atau, produk kecantikan sering dijual dengan seorang wanita memegang item dekat wajahnya, atau item pakaian yang mahal sering ditempatkan pada model dan item yang lebih murah sering ditempatkan di manekin atau hanya dilipat di atas meja. Ini tampak seperti pola dan detail yang mudah diperhatikan setelah saya menyadarinya, tetapi sebenarnya cukup mudah untuk dilewatkan.
Mesin juga dapat belajar akal sehat. Jika toko fokus pada produk kesehatan dan kecantikan, kami tahu bunga-bunga dan anggur yang ada di beberapa gambar produk tidak sedang dijual; mereka hanya dekoratif. Atau jika semi-truck dijual seharga $24.99, itu mungkin mainan truk atau t-shirt. Sumber-sumber kebingungan umum ini diperlakukan oleh mesin lebih atau kurang sama seperti Anda atau saya akan memperlakukannya. Semakin banyak sistem digunakan, semakin meningkat.
Kami dapat mengajari mesin untuk belajar dari kesalahan kami. Setelah klasifikasi membingungkan anggur atau bunga-bunga dalam gambar untuk pertama kalinya, itu dapat diajarkan untuk mengabaikan item dekoratif yang tidak relevan ini dan fokus pada wadah krim kecantikan di pusat gambar. Ini sering muncul ketika sesuatu baru. Kami selalu dapat membawa classifier manusia untuk melihat masalah yang sulit atau baru.
Membuat komputer mencari pola dan review ahli terhadap pola-pola tersebut adalah cara terbaik untuk mengirim lebih banyak produk dengan lebih sedikit masalah. Pada akhirnya, ini menciptakan kepercayaan. Mengirim produk lintas batas tidak seharusnya memerlukan bahwa Anda mengetahui semua yang masuk ke dalam upaya; tetapi mengetahui bahwa pekerjaan telah dilakukan, Anda dapat mempercayai bahwa sistem klasifikasi kami adalah alat penting untuk mengembangkan bisnis Anda.
Klasifikasi kode tarif HS bertemu dengan pembelajaran mesin
Di Zonos, tim ahli industri dan perangkat lunak kami selalu bekerja untuk menemukan cara menyederhanakan perdagangan lintas batas. Salah satu aspeknya adalah memastikan bahwa setiap bisnis yang memindahkan produk lintas batas memiliki item yang diklasifikasikan dengan benar. Semua negara menggunakan sistem yang sama untuk mendeskripsikan produk yang Anda jual yang disebut sistem Kode Harmonis. Memiliki produk Anda diklasifikasikan dengan benar menggunakan kode HS atau HTS membantu memastikan konsistensi ketika paket Anda diperiksa di perbatasan.
Ada banyak kompleksitas ketika berbicara tentang pengiriman produk lintas batas; tetapi ketika berbicara tentang kode HS, klasifikasi otomatis yang akurat dapat berfungsi sebagai alat penting untuk mengembangkan bisnis Anda. Meskipun klasifikasi produk yang akurat telah menjadi proses yang membosankan dan mahal di masa lalu, kami memperbaikinya. Zonos memiliki alat yang mengubah industri yang disebut Classify yang menugaskan Kode Harmonis ke deskripsi produk.
Sebagai spesialis industri dan insinyur perangkat lunak, saya dapat menjelaskan cara kerjanya dari perspektif unik. Mari kita uraikan bagaimana klasifikasi HS untuk perdagangan lintas batas bertemu dengan pembelajaran mesin.
Jika Anda menjual produk yang disebut, "Men's Gold Toe Windsor Wool (12 Pairs) Black," sistem kami mungkin menugaskan kode padanya, 6115.94. Petugas bea cukai yang memeriksa barang yang dikirim ke negara dapat melihat kode, memahami apa yang ada di dalam paket, dan memindahkan item tanpa penundaan.
Dua angka pertama, 61, memberi tahu petugas bahwa barang tersebut adalah pakaian rajutan atau crochet, bukan 62 untuk item yang tidak rajutan. Dua angka kedua, 15, menunjukkan bahwa ini adalah kaus kaki. Dua angka terakhir, 94, mengungkapkan bahwa ini adalah kaus kaki panjang.
Mungkin tampak jelas bahwa produk dengan nama seperti, "Men's Gold Toe Windsor Wool (12 Pairs) Black" akan sesuai dengan deskripsi 6115.94, tetapi ada banyak kode serupa yang bisa dipilih tergantung pada ketebalan benang atau pertimbangan lainnya. Alat klasifikasi kami perlu mencocokkan kode ke produk dan menemukan kecocokan terbaik yang tersedia.
Ini menjadi lebih rumit setelah kami mengetahui ke mana barang dikirim. Setiap negara menugaskan kode tambahan. Misalnya, 00 tambahan di akhir 6115.94.00 memberi tahu petugas bea cukai Kanada bahwa ini adalah kaus kaki wol dan 6115.94.0000 memberikan detail lebih lanjut yang memberi tahu mereka bahwa pajak yang harus dibayarkan untuk barang ini jauh lebih tinggi daripada untuk kaus kaki wol biasa. Saya tidak dapat menemukan penjelasan mengapa ini berbeda, itulah mengapa klasifikasi yang tepat sangat penting; sangat mudah untuk membuat kesalahan saat mengklasifikasikan produk.
Deskripsi 6115.94.0000 identik dengan deskripsi 6115.94.00, namun dua angka nol tambahan itu dapat meningkatkan tarif bea. Alat kami tidak hanya harus memahami klasifikasi yang paling benar tetapi juga memahami bagaimana keputusan kami mempengaruhi pelanggan kami.