Решения для классификации
Так как существует так много различных товаров и часто меняющиеся правила, это может быть сложным. Люди, даже эксперты, получают код правильно примерно в 7 из 10 случаев, а ручная классификация товаров — дополнительная рабочая нагрузка.
Другое решение — написать компьютерную программу со всеми правилами. Специалисты отрасли классифицируют товары, а инженеры программного обеспечения добавляют правила, которые следуют эксперты. Такая система может получить правильный код примерно в 9 из 10 случаев. Я знаю это, потому что наша команда в Zonos это сделала. Правила, которые мы создаем, обращают внимание на следующее:
- Способ описания товара
- Какое изображение используется для рекламы товара
- Кто продает товар
- Стоимость товара
Обращение внимания на эти факторы приводит к максимальной точности классификации.
Наличие точности классификации товаров 9/10 невероятно, но мы еще не закончили. Тот один неправильно классифицированный товар ценен для нас, потому что мы используем его как данные для выявления сложных закономерностей, чтобы улучшить нашу точность и результаты. Например, я недавно видел товар в интернет-магазине, описанный как носки, которые «выглядят хорошо в строгом костюме и были бы идеальным дополнением к дорогой паре нарядных туфель», что может быть трудно классифицировать. Люди знают, что товар предназначен для носков, но описание может касаться костюмов или туфель.
Чтобы компьютер не запутался, правила становятся все более и более сложными. Вы можете представить, что это становится еще сложнее, когда используется только название бренда, слово написано с ошибкой или на изображении товара несколько товаров.
Со всеми этими существующими факторами, вызывающими проблемы, чтобы получить классификацию правильно по крайней мере в 99 из 100 случаев, мы используем машинное обучение. Машинное обучение говорит нам, что мы перестанем рассказывать компьютеру каждую мелочь, которая может быть важна, и попросим компьютер учиться самостоятельно, что важно. У нас по-прежнему есть эксперты и правила, но у компьютера есть гораздо большая работа и часто он может получить намного лучше результаты, чем люди.
Машинное обучение: распознавание закономерностей
Один из способов попросить компьютер решить эту проблему для нас — дать ему изображения товаров и попросить компьютер найти закономерности в этих изображениях. Когда он будет готов, компьютер сможет определить различия, которые люди могут упустить.
Вот пример автомобильных фар. Учитывая тысячи изображений автомобильных фар, я попросил компьютер организовать их по тому, насколько отличаются изображения друг от друга. Я ничего не рассказывал компьютеру об изображениях. Когда он это сделал, компьютер решил, что существует три или четыре различных вида изображений, обычно используемых для продажи автомобильной фары. Примеры каждого типа изображения товара выглядят так:
На этих изображениях есть два вида автомобильных фар и одна, которая находится на автомобиле. Если я посмотрю на другие изображения в каждой группе, я вижу, что каждая группа заполнена похожими изображениями. Если магазины автомобильных запчастей начнут продавать автомобильные фары с изображениями коробки, инструменты машинного обучения заметят и адаптируются автоматически. Я использую эту информацию для тысяч различных категорий товаров в миллионах товаров.
Часто инструменты машинного обучения могут заметить закономерности, которые люди упускают. Например, фара мотоцикла выглядит немного иначе, чем фара автомобиля; или косметический продукт часто продается с женщиной, держащей товар рядом с лицом, или дорогой предмет одежды часто размещается на манекене, а дешевый товар часто размещается на манекене или просто сложен на столе. Эти кажутся легкими закономерностями и деталями, которые нужно заметить, как только я их замечу, но на самом деле их очень легко пропустить.
Машины могут также усвоить здравый смысл. Если магазин специализируется на товарах здоровья и красоты, мы знаем, что цветы и виноград, которые находятся в некоторых изображениях товаров, не продаются; они просто декоративные. Или если грузовик продается за $24.99, вероятно, это игрушечный грузовик или футболка. Эти распространенные источники путаницы рассматриваются машиной более или менее так же, как вы или я их рассматривали бы. Чем больше система используется, тем она улучшается.
Мы можем научить машины учиться на наших ошибках. После того как классификация запутала виноград или цветы в изображении в первый раз, она может быть обучена игнорировать эти неуместные, декоративные товары и сосредоточиться на кадке косметического крема в центре изображения. Это происходит часто, когда что-то новое. Мы всегда можем привести человека-классификатора, чтобы посмотреть на трудные или новые проблемы.
Наличие компьютера, ищущего закономерности, и эксперта, проверяющего эти закономерности, — отличный способ доставить больше товаров с меньшими проблемами. В конце концов, это создает доверие. Отправка товара через границы не должна требовать, чтобы вы знали все, что входит в эту работу; но зная, что работа выполнена, вы можете доверять тому, что наша система классификации является важным инструментом для развития вашего бизнеса.
Классификация кодов тарифа HS встречается с машинным обучением
В Zonos наша команда специалистов по отрасли и программного обеспечения постоянно работает над упрощением трансграничной торговли. Одним из аспектов этого является обеспечение того, что любой бизнес, перемещающий товары через границы, имеет эти товары должным образом классифицированы. Все страны используют одну систему для описания продаваемых вами продуктов, называемую системой гармонизированных кодов. Надлежащая классификация ваших продуктов с использованием кодов HS или HTS помогает обеспечить согласованность при проверке ваших посылок на границе.
Существует много сложностей при отправке товаров через границы; но когда дело доходит до кодов HS, точная автоматическая классификация может служить критическим инструментом для развития вашего бизнеса. Хотя точная классификация продуктов была утомительным и дорогостоящим процессом в прошлом, мы это исправляем. Zonos имеет инструмент, изменяющий отрасль, называемый Classify, который присваивает гармонизированный код описаниям продуктов.
Как специалист отрасли и инженер программного обеспечения, я могу объяснить, как это работает, с уникальной точки зрения. Давайте разберемся, как классификация HS для трансграничной торговли встречается с машинным обучением.
Если вы продаете товар под названием «Мужские шерстяные носки Gold Toe Windsor (12 пар) Черные», наша система может присвоить ему код 6115.94. Таможенный офицер, проверяющий товары, отправляемые в страну, может посмотреть на код, понять, что находится в посылке, и отправить товар дальше без задержек.
Первые две цифры, 61, говорят офицеру, что товар представляет собой вязаную или крючковую одежду, а не 62 для невязаной одежды. Вторые две цифры, 15, указывают, что это носки. Последние две цифры, 94, показывают, что это полнодлинные носки.
Может показаться очевидным, что товар с названием «Мужские шерстяные носки Gold Toe Windsor (12 пар) Черные» соответствует описанию 6115.94, но есть много похожих кодов, которые могли бы быть выбраны в зависимости от толщины нити или других соображений. Наш инструмент классификации должен соответствовать коду товару и найти наилучший доступный матч.
Это становится более сложным, когда мы знаем, где отправляется товар. Каждая страна назначает дополнительные коды. Например, дополнительный 00 в конце 6115.94.00 говорит канадскому таможенному офицеру, что это шерстяной носок, а 6115.94.0000 предоставляет еще больше деталей, позволяя им узнать, что налоги на товар значительно выше, чем на простой шерстяной носок. Я не смог найти объяснение того, почему это отличается, что делает правильную классификацию столь важной; так легко ошибиться при классификации продуктов.
Описание 6115.94.0000 идентично описанию 6115.94.00, но эти две дополнительные нули могут увеличить размер пошлины. Наши инструменты должны не только понимать наиболее правильную классификацию, но и понимать, как наши решения влияют на наших клиентов.