Waarom we een model herbouwden dat al voorop liep
Onze vorige modellen waren sterk afgestemd op e-commerce, en die afstemming werkte.
Wat steeds terugkwam, zowel aan de e-commerce- als aan de postkant, is hoe weinig informatie we vaak hebben. Een e-commerceadvertentie kan een beschrijvende titel, een categorie en iets over het materiaal van het artikel bevatten. Veel advertenties doen dat ook. Nog veel meer bestaan alleen uit een merknaam en een productnaam, en een advertentie met de naam Summit Ridge Mid vertelt u niet of het om een wandelschoen, een rugzak of een jas gaat, laat staan waarvan het gemaakt is.
Bij post is dit het moeilijkst. Zonos verwerkt het overgrote deel van alle postzendingen die de Verenigde Staten binnenkomen, en een pakket wordt daar vaak in twee of drie woorden omschreven, op een douaneformulier getypt door degene die de doos heeft ingepakt, zonder verdere informatie.
Daarvoor hebben we het model herbouwd: artikelen waarvan de omschrijving weinig prijsgeeft, via welk kanaal ze ook binnenkomen.
Een "T-shirt" kan onder 16+ HS-codes vallen - maar welke?
Stel dat een aangifte alleen t-shirt vermeldt. Dat kan elk van 16+ HS-codes zijn. De juiste code hangt af van het materiaal van het shirt, voor wie het gesneden is en hoe het gebreid is, en de verschuldigde invoerrechten veranderen met elk van die antwoorden. Alleen al katoen en synthetische vezels vallen onder verschillende onderverdelingen met wezenlijk verschillende tarieven.
Vermenigvuldig dat met een volledige catalogus. Kid-Silk Mohair 25g is het soort titel dat we de hele dag zien, en toch moet het uitkomen op één regel van het douanetarief.
Op die lastigere gevallen hebben we ons deze keer gericht. De goed omschreven artikelen krijgen dezelfde aandacht; alleen zetten die een classifier minder snel op het verkeerde been.
Hoe we het hebben gemeten
We hebben het nieuwe model gemeten zoals we zouden willen dat een leverancier dat voor ons doet: op live verkeer, niet op een testset die we zelf hebben gekozen. We gebruikten twee weken aan classificatieverzoeken die via ons platform binnenkwamen, dus de titels en omschrijvingen die onze klanten daadwerkelijk sturen, inclusief de omschrijvingen die nauwelijks een omschrijving zijn.
Over dat verkeer maakt het nieuwe model 29,4% minder fouten dan het model dat het vervangt.
Dit is een nieuw model, geen bijgestelde versie van het oude. We hebben het corpus waarvan het leert opnieuw opgebouwd en trainen het op officiële douanebeslissingen naast miljoenen gedeeltelijk omschreven advertenties die onze classifier elke dag ziet.
Tegenover een concurrent, op dezelfde zendingen
Een model vergelijken met uw eigen oudere model zegt maar zoveel. We namen 1.000 echte zendingen en haalden ze door drie systemen: de classifier van een toonaangevende concurrent, het model dat Classify Zonos AI vandaag gebruikt, en het nieuwe model. Elke zending werd op dezelfde manier beoordeeld.
Het model waarmee Classify Zonos AI vandaag werkt, maakte al 33% minder fouten dan de concurrent. Het nieuwe model maakt 70% minder fouten.
Sommige fouten kosten meer dan andere
Niet elke classificatiefout brengt dezelfde rekening met zich mee. Als een paar sokken één onderverdeling naast de juiste wordt ingedeeld, liggen de verschuldigde invoerrechten meestal dicht bij elkaar en merkt niemand het. Als diezelfde sokken in een heel ander hoofdstuk van het douanetarief belanden, geboekt als iets wat ze niet zijn, liggen de invoerrechten helemaal niet dicht bij elkaar. Dat zijn de fouten die later tot een onverwachte rekening leiden, en ze zijn een belangrijke reden waarom we het model hebben herbouwd.
Wat dit voor u betekent
- Vaker de juiste code. 29,4% minder fouten dan het model dat het vervangt, gemeten op live grensoverschrijdend verkeer.
- Gebouwd voor beperkte productdata. We hebben de herbouw gericht op korte, onvolledige omschrijvingen: het grootste deel van wat een postzending aanlevert, en een groter deel van een e-commercecatalogus dan de meeste verkopers verwachten.
- Minder verrassingen aan de grens. Minder verkeerde codes betekent minder zendingen die aankomen met een rekening voor invoerrechten die niemand had verwacht.
- Niets te veranderen aan uw kant. Het nieuwe model levert al classificaties. Als u Classify Zonos AI vandaag aanroept, blijven uw verzoek en het antwoord dat u terugkrijgt hetzelfde, dus er is geen integratiewerk nodig en geen instelling om in te schakelen.
Gemeten op twee weken aan live grensoverschrijdend verkeer en een vergelijking van 1.000 zendingen met een toonaangevende concurrent. De nauwkeurigheid van classificatie verschilt per productcategorie en hangt af van hoeveel detail de artikelomschrijving bevat.
Het nieuwe Classify-model van Zonos maakt 29,4% minder classificatiefouten
Elk pakket dat een grens overgaat, heeft een HS-code nodig, en die code bepaalt wat de zending verschuldigd is en hoe soepel ze wordt afgehandeld. Zonos werkt al meer dan 16 jaar aan dat probleem, en Zonos Classify Zonos AI lost het op met eigen AI-modellen die we zelf bouwen.
We trainen onze modellen op grensoverschrijdende data die we uit eerste hand zien en we testen ze zelf, in plaats van een algemeen model te gebruiken met een douaneprompt erop geplakt.
Dat werk heeft ons een voorsprong gegeven. Tegenover de classifier van een toonaangevende concurrent maakt het model waarmee Classify Zonos AI vandaag werkt, op dezelfde 1.000 zendingen 33% minder fouten.
Nu hebben we het opnieuw gebouwd om het nog beter te maken. Over twee weken aan live grensoverschrijdend verkeer maakt het nieuwe model 29,4% minder classificatiefouten dan het model dat het vervangt. Het is nu live.