Rozwiązania dla klasyfikacji
Ponieważ istnieje tak wiele różnych produktów i często zmieniających się zasad, może to być skomplikowane. Ludzie, nawet eksperci, mają rację tylko w około 7 przypadkach na 10, a ręczna klasyfikacja produktów to dodatkowe obciążenie.
Innym rozwiązaniem jest napisanie programu komputerowego z wszystkimi zasadami. Eksperci branżowi classify produkty, a inżynierowie oprogramowania dodają zasady, którymi kierują się eksperci. Taki system może uzyskać poprawny kod w około 9 przypadkach na 10. Wiem o tym, ponieważ nasz zespół w Zonos to zrobił. Zasady, które tworzymy, zwracają uwagę na następujące czynniki:
- Sposób opisu produktu
- Jakie zdjęcie jest używane do reklamowania produktu
- Kto sprzedaje produkt
- Koszt produktu
Zwracanie uwagi na te czynniki skutkuje maksymalną dokładnością klasyfikacji.
Posiadanie dokładności klasyfikacji przedmiotów na poziomie 9/10 jest niesamowite, ale to jeszcze nie koniec. Ten jeden błędnie sklasyfikowany przedmiot jest dla nas cenny, ponieważ wykorzystujemy go jako dane do identyfikacji trudnych wzorców w celu poprawy naszej dokładności i wyników. Na przykład niedawno widziałem produkt w sklepie internetowym opisany jako skarpetki, które „wyglądają dobrze w dopasowanym garniturze i byłyby idealnym uzupełnieniem drogiej pary butów”, co mogłoby być trudne do classify. Ludzie wiedzą, że produkt dotyczy skarpetek, ale opis mógłby dotyczyć garniturów lub butów.
Aby zapobiec myleniu komputera, zasady stają się coraz bardziej skomplikowane. Możesz sobie wyobrazić, że staje się to jeszcze trudniejsze, gdy używa się tylko nazwy marki, słowo jest źle napisane lub zdjęcie produktu zawiera kilka przedmiotów.
Mając wszystkie te istniejące czynniki powodujące problemy, aby uzyskać prawidłową klasyfikację w co najmniej 99 przypadkach na 100, korzystamy z uczenia maszynowego. Uczenie maszynowe oznacza, że przestaniemy mówić komputerowi o każdej drobnej rzeczy, która może być ważna, 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 o rozwiązanie tego problemu, jest dostarczenie mu obrazów produktów i poproszenie go o znalezienie wzorców w tych obrazach. Gdy jest gotowy, komputer może zidentyfikować różnice, które mogą umknąć ludzkiej uwadze.
Oto przykład reflektorów samochodowych. Mając tysiące zdjęć reflektorów samochodowych, poprosiłem komputer o uporządkowanie ich według tego, jak różne są od siebie. Nie powiedziałem komputerowi nic o tych obrazach. Kiedy to zrobił, komputer zdecydował, że istnieją trzy lub cztery różne rodzaje obrazów powszechnie używanych do sprzedaży reflektora samochodowego. Przykłady każdego typu obrazu produktu wyglądają tak:
Na tych obrazach znajdują się dwa kształty reflektorów samochodowych i jeden, który jest na samochodzie. Jeśli spojrzę na inne obrazy w każdej grupie, widzę, że każda grupa jest wypełniona obrazami, które są podobne. Jeśli sklepy z częściami samochodowymi zaczęłyby sprzedawać reflektory samochodowe ze zdjęciami pudełka, narzędzia uczenia maszynowego zauważyłyby to i dostosowałyby się automatycznie. Używam tych informacji dla tysięcy różnych kategorii produktów w milionach produktów.
Często narzędzia uczenia maszynowego mogą zauważyć wzorce, które umykają ludziom. Na przykład, reflektor motocykla wygląda nieco inaczej niż reflektor samochodowy; lub produkt kosmetyczny często sprzedawany jest z kobietą trzymającą przedmiot blisko twarzy, a drogi element odzieży często umieszczany jest na modelce, podczas gdy tańszy przedmiot często leży na manekinie lub jest po prostu złożony na stole. Te wzorce i szczegóły wydają się łatwe do zauważenia, gdy już je dostrzegę, ale w rzeczywistości są dość łatwe do przeoczenia.
Maszyny mogą również nauczyć się zdrowego rozsądku. Jeśli sklep koncentruje się na produktach zdrowotnych i kosmetycznych, wiemy, że kwiaty i winogrona, które znajdują się na niektórych obrazach produktów, nie są sprzedawane; są tylko dekoracyjne. Lub jeśli ciężarówka jest sprzedawana za 24,99 USD, to prawdopodobnie jest to zabawkowa ciężarówka lub koszulka. Te powszechne źródła zamieszania są traktowane przez maszynę mniej więcej tak samo, jak ty lub ja byśmy je traktowali. Im więcej system jest używany, tym bardziej się poprawia.
Możemy nauczyć maszyny, aby uczyły się na naszych błędach. Po tym, jak klasyfikacja pomyli winogrona lub kwiaty na obrazie po raz pierwszy, można ją nauczyć ignorować te nieistotne, dekoracyjne przedmioty i skupić się na tubie kremu do pielęgnacji w centrum obrazu. To często pojawia się, gdy coś jest nowe. Zawsze możemy zaangażować ludzkiego klasyfikatora, aby przyjrzał się trudnym lub nowym problemom.
Zlecenie komputerowi poszukiwania wzorców i przeglądanie tych wzorców przez eksperta to doskonały sposób na wysyłanie większej liczby produktów z mniejszymi problemami. Na koniec dnia tworzy to zaufanie. Wysyłanie produktu przez granice nie powinno wymagać, abyś wiedział wszystko, co wiąże się z tym wysiłkiem; ale wiedząc, że praca została wykonana, możesz zaufać, że nasz system klasyfikacji jest ważnym narzędziem do rozwoju Twojego biznesu.
Klasyfikacja kodów taryfowych HS spotyka uczenie maszynowe
W Zonos, nasz zespół ekspertów branżowych i programistów nieustannie pracuje nad sposobami uproszczenia handlu transgranicznego. Jednym z aspektów jest zapewnienie, że każda firma transportująca produkty przez granice ma te przedmioty odpowiednio sklasyfikowane. Wszystkie kraje korzystają z tego samego systemu do opisywania produktów, które sprzedajesz, nazywanego systemem kodów zharmonizowanych. Prawidłowa klasyfikacja Twoich produktów przy użyciu kodów HS lub HTS pomaga zapewnić spójność podczas kontroli paczek na granicy.
Istnieje wiele złożoności związanych z transportem produktów przez granice; ale jeśli chodzi o kody HS, dokładne automatyczne klasyfikacje mogą być kluczowym narzędziem do rozwoju Twojej firmy. Chociaż dokładna klasyfikacja produktów była w przeszłości żmudnym i kosztownym procesem, my to zmieniamy. Zonos ma narzędzie zmieniające branżę o nazwie Classify, które przypisuje kod zharmonizowany do opisów produktów.
Jako specjalista branżowy i inżynier oprogramowania mogę wyjaśnić, jak to działa z unikalnej perspektywy. Rozłóżmy, jak klasyfikacja HS dla handlu transgranicznego spotyka się z uczeniem maszynowym.
Jeśli sprzedajesz produkt o nazwie „Męskie skarpetki Gold Toe Windsor Wool (12 par) czarne”, nasz system może przypisać mu kod 6115.94. Urzędnik celny sprawdzający przedmioty wysyłane do kraju może spojrzeć na kod, zrozumieć, co znajduje się w paczce i szybko ją przepuścić.
Pierwsze dwie cyfry, 61, informują urzędnika, że przedmiot jest odzieżą dzianą lub szydełkowaną, a nie 62 dla przedmiotów nieszydełkowanych. Drugie dwie cyfry, 15, wskazują, że są to skarpetki. Ostatnie dwie cyfry, 94, ujawniają, że są to skarpetki pełnej długości.
Może się wydawać oczywiste, że produkt o nazwie „Męskie skarpetki Gold Toe Windsor Wool (12 par) czarne” pasuje do opisu 6115.94, ale istnieje wiele podobnych kodów, które mogłyby zostać wybrane w zależności od grubości nici lub innych czynników. Nasze narzędzie klasyfikacyjne musi dopasować kod do produktu i znaleźć najlepsze dostępne dopasowanie.
To staje się bardziej skomplikowane, gdy wiemy, dokąd przedmiot jest wysyłany. Każdy kraj przypisuje dodatkowe kody. Na przykład dodatkowe 00 na końcu 6115.94.00 informuje kanadyjskiego urzędnika celnego, że są to skarpetki wełniane, a 6115.94.0000 dostarcza jeszcze więcej szczegółów, informując ich, że podatki należne od przedmiotu są znacznie wyższe niż za zwykłe skarpetki wełniane. Nie mogłem znaleźć wyjaśnienia, dlaczego to się różni, dlatego właściwa klasyfikacja jest tak ważna; tak łatwo jest popełnić błąd przy klasyfikacji produktów.
Opis 6115.94.0000 jest identyczny z opisem 6115.94.00, jednak te dwa dodatkowe 0 mogą zwiększyć stawkę rate. Nasze narzędzia muszą nie tylko rozumieć najdokładniejszą klasyfikację, ale także rozumieć, jak nasze decyzje wpływają na naszych klientów.