DOCS

原產地

原產地

在製造地點缺失時預測製造原產地,或根據人工智能分析驗證已宣佈的原產地。

原產地 

Zonos AI 原產地 (COO) 透過智能確定產品製造地點來消除供應鏈不確定性,當此關鍵信息缺失時。我們的原產地預測系統檢查產品屬性和製造模式,以識別最可能的原產地,並提供可衡量的信心分數。

準確的原產地信息對於國際貿易合規、確定關稅稅率、符合法規要求以及應對貿易限制至關重要。缺失或不正確的原產地數據可能導致海關延誤、罰款和供應鏈中斷。

此解決方案針對以下關鍵場景:來自賣家或供應商的製造商數據缺失、二手市場中轉賣商不知道原始製造地點,以及通過交叉檢查現有原產地聲明來驗證合規性。

運作方式 

在幕後,該服務運行我們專有的多模式、多語言基於轉換器的模型。該模型從名稱、描述和類別字段中攝入文本,當提供時,圖像 URL 由共享視覺適配器編碼。該模型已被優化以在所有 200+ Zonos 支持的國家中產生良好校準的推理概率。具有最高概率的標籤作為 countryOfOrigin 返回,前 5 個標籤構成 alternates。該模型按滾動計劃使用數千萬份匿名海關聲明和電商列表進行刷新。

預測準確度與輸入數據質量直接相關。詳細的產品描述和寄送國數據能獲得高信心結果,而通用描述則無法提供足夠的信息進行可靠預測。

替代選項 

由於全球製造往往涉及多個國家,Zonos 原產地提供主要原產地預測以及當製造模式表明有多個可行位置時的替代可能性。每項預測都包括基於數據強度的信心分數。我們建議使用替代選項來評估邊界情況並做出明智的驗證決策,特別是當主要預測信心度中等時。有關替代選項在 API 響應中的示例,請參閱下方 推斷原產地 部分。

信心分數 

每項預測都包括一個信心分數 (0.0-1.0),基於數據質量和模式強度,分數越高表示確定性越高,分數越低表示可能需要人工審查。

主要預測獲得主 confidenceScore (0.0-1.0),代表對頂部結果的總體信心。替代選項則使用 probabilityMass 值 - 負對數概率,其中接近零的值表示在替代國家中可能性更高。所有替代國家的預測分數總和為 1.0,顯示確定性如何分佈在可能的國家中。

您可以建立與業務需求相符的自訂信心閾值 - 例如,自動接受信心分數高於 0.85 的主要預測,同時將較低分數路由到人工審查,其中替代選項可以指導決策。

推斷原產地 

Zonos 原產地 目前僅通過 API 提供。

要推斷原產地,請使用帶有產品數據的 countryOfOriginInfer mutation。雖然只有 name 字段是必需的,但提供更詳細的信息可以顯著提高預測準確度和信心分數。

1mutation CountryOfOriginInfer($input: [CountryOfOriginInferenceInput!]!) {
2 countryOfOriginInfer(input: $input) {
3 brand
4 categories
5 confidenceScore
6 countryOfOrigin
7 name
8 description
9 material
10 alternates {
11 countryOfOrigin
12 probabilityMass
13 }
14 }
15}

驗證原產地 

當已提供原產地時 - 無論來自賣家、目錄或其他來源 - Zonos 可以驗證它,而不是從頭開始預測。countryOfOriginValidate mutation 將提供的國家直接傳遞給模型並詢問:「此產品實際上來自此國家的可能性有多大?」

響應包括 probabilityOfMisrepresentation 分數 (0.0–1.0)。接近零的分數意味著提供的國家是可信的;接近 1.0 的分數表示宣佈的原產地可能不準確。alternates 字段顯示模型認為可能的其他國家,這可以幫助在標記誤報時識別實際原產地。

這對於交叉檢查供應商提供的原產地聲明、篩選二手或轉售庫存以及支持合規審查工作流程很有用。

1mutation CountryOfOriginValidate($input: [CountryOfOriginValidateInput!]!) {
2 countryOfOriginValidate(input: $input) {
3 countryOfOrigin
4 probabilityOfMisrepresentation
5 alternates {
6 countryOfOrigin
7 probabilityMass
8 }
9 }
10}

在上面的示例中,提供的原產地是 US,但模型返回 probabilityOfMisrepresentation0.884 - 表示宣佈的原產地不準確的可能性很高。alternates 列表顯示 CN 是最可能的實際原產地,這將符合此產品的製造商。

實施 

我們建議部署 Zonos 原產地 時使用與您的合規標準相符的信心閾值、低信心結果的審查工作流程以及主要預測返回中等信心時的後備策略。

此解決方案旨在透過填補信息空白來增強(而不是替代)您現有的原產地和合規流程。將預測用作可操作的智能來支持驗證努力並識別需要進行額外盡職調查的地方。

GraphQL API ReferenceTypes, inputs, and operations used in this guide
預約演示

這個頁面有幫助嗎?


在此頁面: