Perché abbiamo ricostruito un modello che era già in vantaggio
I nostri modelli precedenti erano ottimizzati in modo mirato per l'ecommerce, e quell'ottimizzazione ha funzionato.
Ciò che continuava a emergere, sia sul fronte ecommerce sia su quello postale, è quanto poco spesso abbiamo a disposizione. Un'inserzione ecommerce può includere un titolo descrittivo, una categoria e qualche informazione sul materiale dell'articolo. Molte lo fanno. Molte altre si limitano a un nome di marca e a un nome di prodotto, e un'inserzione chiamata Summit Ridge Mid non dice se si tratta di uno scarpone da escursionismo, di uno zaino o di una giacca, tanto meno di che materiale sia fatto.
Il settore postale è quello in cui la sfida è maggiore. Zonos gestisce la grande maggioranza di tutte le spedizioni postali in entrata negli Stati Uniti, e lì un pacco è spesso descritto con due o tre parole, digitate su un modulo doganale dalla persona che ha preparato la scatola, senza nient'altro alle spalle.
È per questo che abbiamo ricostruito il modello: per gli articoli la cui descrizione dice poco, qualunque sia il canale da cui provengono.
"T-shirt" può corrispondere a più di 16 codici HS, ma quale?
Supponiamo che una dichiarazione riporti t-shirt e nient'altro. Potrebbe corrispondere a uno qualsiasi di più di 16 codici HS. Quello corretto dipende dal materiale della maglietta, da chi è destinata e da come è stata lavorata a maglia, e il dazio dovuto cambia in base a ciascuna di queste risposte. Il solo cotone e le fibre sintetiche rientrano in sottovoci diverse con aliquote sensibilmente differenti.
Moltiplichi tutto questo per un intero catalogo. Kid-Silk Mohair 25g è il tipo di titolo che vediamo tutto il giorno, e deve comunque tradursi in un'unica riga della tariffa doganale.
Sono proprio questi casi più complessi quelli su cui ci siamo concentrati in questo ciclo. Gli articoli ben descritti ricevono la stessa attenzione, semplicemente è meno probabile che mettano in difficoltà un classificatore.
Come lo abbiamo misurato
Abbiamo misurato il nuovo modello nel modo in cui vorremmo che un fornitore lo misurasse per noi: sul traffico reale, non su un set di test scelto da noi. Abbiamo utilizzato due settimane di richieste di classificazione transitate sulla nostra piattaforma, ovvero i titoli e le descrizioni che i nostri clienti inviano effettivamente, comprese quelle che a malapena si possono definire descrizioni.
Su quel traffico il nuovo modello commette il 29,4% di errori in meno rispetto al modello che sostituisce.
Si tratta di un modello nuovo, non di una versione riottimizzata del precedente. Abbiamo ricostruito il corpus da cui apprende, addestrandolo su decisioni doganali ufficiali insieme a milioni di inserzioni descritte solo in parte che il nostro classificatore vede ogni giorno.
A confronto con un concorrente, sulle stesse spedizioni
Confrontare un modello con la propria versione precedente dice solo fino a un certo punto. Abbiamo preso 1.000 spedizioni reali e le abbiamo sottoposte a tre sistemi: il classificatore di un importante concorrente, il modello che Classify Zonos AI utilizza oggi e quello nuovo. Ogni spedizione è stata valutata allo stesso modo.
Il modello che Classify Zonos AI utilizza oggi commetteva già il 33% di errori in meno rispetto al concorrente. Quello nuovo ne commette il 70% in meno.
Alcuni errori costano più di altri
Non tutti gli errori di classificazione comportano lo stesso costo. Se un paio di calzini viene classificato a una sottovoce di distanza da quella corretta, il dazio dovuto di solito è simile e nessuno se ne accorge. Se quegli stessi calzini finiscono in un capitolo completamente diverso della tariffa doganale, registrati come qualcosa che non sono, il dazio non è affatto simile. Sono questi gli errori che si trasformano in seguito in un addebito inatteso, e sono una parte importante del motivo per cui abbiamo ricostruito il modello.
Cosa significa per Lei
- Il codice corretto più spesso. Il 29,4% di errori in meno rispetto al modello che sostituisce, misurato sul traffico transfrontaliero reale.
- Progettato per dati di prodotto scarni. Abbiamo orientato la ricostruzione verso descrizioni brevi e incomplete, che costituiscono la maggior parte di ciò che fornisce una spedizione postale e una quota di un catalogo ecommerce maggiore di quanto la maggior parte dei merchant si aspetti.
- Meno sorprese alla frontiera. Meno codici errati significano meno spedizioni che arrivano con un addebito di dazi che nessuno si aspettava.
- Nulla da modificare da parte Sua. Il nuovo modello è già in uso per le classificazioni. Se oggi chiama Classify Zonos AI, la Sua richiesta e la risposta che riceve restano invariate, quindi non c'è alcun lavoro di integrazione da svolgere né alcuna impostazione da attivare.
Misurato su due settimane di traffico transfrontaliero reale e su un confronto di 1.000 spedizioni con un importante concorrente. L'accuratezza della classificazione varia in base alla categoria di prodotto e al livello di dettaglio della descrizione dell'articolo.
Il nuovo modello Classify di Zonos commette il 29,4% di errori di classificazione in meno
Ogni pacco che attraversa un confine ha bisogno di un codice HS, e quel codice determina quanto è dovuto per la spedizione e con quale fluidità viaggia. Zonos lavora su questo problema da oltre 16 anni, e Zonos Classify Zonos AI lo risolve con modelli di IA proprietari che sviluppiamo internamente.
Addestriamo i nostri modelli su dati transfrontalieri che osserviamo direttamente e li testiamo noi stessi, invece di usare un modello generico a cui è stato aggiunto un prompt doganale.
Questo lavoro ci ha mantenuti in testa. Rispetto al classificatore di un importante concorrente, sulle stesse 1.000 spedizioni, il modello che Classify Zonos AI utilizza oggi commette il 33% di errori in meno.
Ora lo abbiamo ricostruito per renderlo ancora migliore. Su due settimane di traffico transfrontaliero reale, il nuovo modello commette il 29,4% di errori di classificazione in meno rispetto al modello che sostituisce. È già attivo.