Rozwiązania problemu klasyfikacji
Ponieważ istnieje wiele różnych produktów i często zmieniające się zasady, może to być skomplikowane. Ludzie, nawet eksperci, prawidłowo przypisują kod tylko około 7 razy na 10, a ręczna klasyfikacja produktów to dodatkowe obciążenie.
Innym rozwiązaniem jest napisanie programu komputerowego ze wszystkimi zasadami. Eksperci branżowi klasyfikują produkty, a inżynierowie oprogramowania dodają zasady, które stosują eksperci. System taki może przypisać prawidłowy kod około 9 razy na 10. Wiem o tym, ponieważ nasz zespół w Zonos to zrobił. Zasady, które tworzymy, zwracają uwagę na:
- Sposób, w jaki opisywany jest produkt
- Którego obrazu używa się do reklamowania produktu
- Kto sprzedaje produkt
- Koszt produktu
Zwracanie uwagi na te czynniki daje maksymalną dokładność klasyfikacji.
Dokładność klasyfikacji pozycji na poziomie 9/10 jest niesamowita, ale nie skończyliśmy jeszcze. Ten jeden niepoprawnie sklasyfikowany przedmiot jest dla nas cenny, ponieważ używamy go jako danych do zidentyfikowania trudnych wzorców w celu poprawy naszej dokładności i wyników. Na przykład niedawno zobaczyłem produkt w sklepie internetowym opisany jako skarpetki, które „wyglądają dobrze w garniturze i byłyby idealnym uzupełnieniem do kosztownych butów wizytowych", co mogłoby być trudne do klasyfikacji. Ludzie wiedzą, że produkt to skarpetki, ale opis mógł dotyczyć garniturów lub butów.
Aby uniemożliwić komputerowi zmylenie, zasady stają się coraz bardziej skomplikowane. Możesz sobie wyobrazić, że staje się jeszcze trudniej, gdy używana jest tylko nazwa marki, słowo jest błędnie napisane, lub zdjęcie produktu zawiera kilka przedmiotów.
Biorąc pod uwagę wszystkie te istniejące czynniki powodujące problemy, aby osiągnąć prawidłową klasyfikację co najmniej 99 razy na 100, używamy uczenia maszynowego. Uczenie maszynowe mówi, że przestaniemy mówić komputerowi każde małe szczegóły, które mogą być ważne, i poprosimy komputer, aby sam nauczył się, co jest ważne. Nadal mamy ekspertów i zasady, ale komputer ma znacznie większe zadanie i często może uzyskać znacznie lepsze wyniki niż ludzie.
Uczenie maszynowe: Rozpoznawanie wzorców
Jednym ze sposobów, w jaki prosimy komputer, aby rozwiązał ten problem, jest podanie mu obrazów produktów i proszenie komputera o znalezienie wzorców w tych obrazach. Gdy komputer będzie gotów, będzie w stanie zidentyfikować różnice, które ludzie mogą przegapić.
Oto przykład reflektorów samochodowych. Biorąc pod uwagę tysiące zdjęć reflektorów samochodowych, poprosiłem komputer, aby zorganizował je według tego, jak bardzo obrazy różnią się od siebie. Nie powiedziałem komputerowi nic o obrazach. Gdy to zrobił, komputer zdecydował, że istnieją trzy lub cztery różne rodzaje obrazów powszechnie używanych do sprzedawania reflektora samochodowego. Przykłady każdego typu obrazu produktu wyglądają tak:
Na tych obrazach są dwa kształty reflektorów samochodowych i jeden, który jest na samochodzie. Jeśli spojrzę na inne obrazy w każdej grupie, zobaczę, że każda grupa jest wypełniona obrazami, które są podobne. Jeśli sklepy części samochodowych zaczną sprzedawać reflektory samochodowe ze zdjęciami pudełka, narzędzia uczenia maszynowego to zauważą i automatycznie się dostosują. Używam tych informacji dla tysięcy różnych kategorii produktów na milionach produktów.
Często narzędzia uczenia maszynowego mogą zauważyć wzorce, które ludzie przegapią. Na przykład reflektor motocykla wygląda nieco inaczej niż reflektor samochodowy; lub produkt kosmetyczny jest często sprzedawany z kobietą trzymającą przedmiot blisko twarzy, lub drogi przedmiot odzieży jest często umieszczany na modelu, a tańszy przedmiot jest umieszczany na manekinie lub po prostu złożony na stole. Te wzorce i szczegóły wydają się łatwe do zauważenia, gdy je zauważę, ale w rzeczywistości są dość łatwe do przegapienia.
Maszyny mogą nauczyć się również zdrowego rozsądku. Jeśli sklep specjalizuje się w produktach zdrowotnych i kosmetycznych, wiemy, że kwiaty i winogrona na niektórych zdjęciach produktu nie są sprzedawane; to tylko dekoracja. Lub jeśli ciężarówka półciężarowa sprzedawana za 24,99 USD, to prawdopodobnie zabawkowa ciężarówka lub koszulka. Takie powszechne źródła zamieszania są traktowane przez maszynę mniej więcej tak samo, jak byś to traktował ty. Im więcej system jest używany, tym bardziej się ulepsza.
Możemy nauczyć maszyny uczyć się z naszych błędów. Po tym, jak klasyfikacja pomyli winogrona lub kwiaty na obrazie po raz pierwszy, można nauczyć ją ignorować te nieistotne, ozdobne przedmioty i skupić się na pojemniku kremu kosmetycznego w centrum obrazu. To pojawia się często, gdy coś jest nowe. Zawsze możemy zaprosić ludzkiego klasyfikatora, aby zaglądał do trudnych lub nowych problemów.
Fakt, że komputer szuka wzorców, a ekspert przegląda te wzorce, to świetny sposób, aby wysłać więcej produktów z mniejszym kłopotem. Na koniec dnia to buduje zaufanie. Wysłanie produktu przez granice nie powinno wymagać od Ciebie wiedzy o wszystkim, co wchodzi w wysiłek; ale wiedząc, że praca została wykonana, możesz być pewny, że nasz system klasyfikacji jest ważnym narzędziem do rozwijania biznesu.
Klasyfikacja kodów taryf HS spotyka się z uczeniem maszynowym
W Zonos nasz zespół ekspertów branżowych i inżynierów oprogramowania stale pracuje nad sposobami uproszczenia handlu transgranicznego. Jednym z aspektów jest zapewnienie prawidłowej klasyfikacji produktów przesyłanych przez granice. Wszystkie kraje używają tego samego systemu do opisywania sprzedawanych produktów, zwanego systemem kodów harmonogramowych. Prawidłowa klasyfikacja produktów przy użyciu kodów HS lub HTS pomaga zapewnić spójność podczas badania przesyłek na granicy.
Istnieje wiele złożoności związanych z wysyłką produktów przez granice, ale jeśli chodzi o kody HS, dokładna automatyczna klasyfikacja może być krytycznym narzędziem dla wzrostu biznesu. Chociaż dokładna klasyfikacja produktów była w przeszłości procesem żmudnym i kosztownym, naprawiamy to. Zonos ma zmieniające branżę narzędzie zwane Classify, które przypisuje kod harmonogramowy opisom produktów.
Jako zarówno specjalista branżowy, jak i inżynier oprogramowania, mogę wyjaśnić to z unikalnej perspektywy. Przeanalizujmy, jak klasyfikacja HS do handlu transgranicznego łączy się z uczeniem maszynowym.
Jeśli sprzedajesz produkt o nazwie „Men's Gold Toe Windsor Wool (12 Pairs) Black", nasz system może przypisać mu kod 6115.94. Urzędnik celny badający przesyłki wysyłane do kraju może spojrzeć na kod, zrozumieć zawartość paczki i przesłać towar bez opóźnień.
Pierwsze dwie cyfry, 61, mówią urzędnikowi, że przedmiot to odzież na drutach lub szydełkowana, a nie 62 dla przedmiotów niezaplatanych. Drugie dwie cyfry, 15, wskazują, że to skarpetki. Ostatnie dwie cyfry, 94, pokazują, że to skarpetki do połowy uda.
Może się wydawać oczywiste, że produkt o nazwie „Men's Gold Toe Windsor Wool (12 Pairs) Black" byłby zgodny z opisem 6115.94, ale istnieje wiele podobnych kodów, które mogłyby zostać wybrane w zależności od grubości nici lub innych zagadnień. Nasze narzędzie klasyfikacyjne musi dopasować kod do produktu i znaleźć najlepsze dostępne dopasowanie.
To staje się bardziej skomplikowane, gdy wiemy, dokąd towar jest wysyłany. Każdy kraj przypisuje dodatkowe kody. Na przykład dodatkowe 00 na końcu 6115.94.00 mówi urzędnikowi celnemu Kanady, że to wełniana skarpeta, a 6115.94.0000 podaje jeszcze więcej szczegółów, pozwalając im wiedzieć, że podatki należne na przedmiot są znacznie wyższe niż dla zwykłej wełnianej skarpety. Nie mogłem znaleźć wyjaśnienia, dlaczego jest to różne, dlatego prawidłowa klasyfikacja jest tak ważna; bardzo łatwo można pomylić się przy klasyfikacji produktów.
Opis 6115.94.0000 jest identyczny z opisem 6115.94.00, ale te dwa dodatkowe zera mogą podnieść stawkę celną. Nasze narzędzia muszą nie tylko rozumieć najdokładniejszą klasyfikację, ale także rozumieć, jak nasze decyzje wpływają na naszych klientów.