构建一个人工智能驱动的购物助手

智能购物助手能学习你的购物习惯，提供个性化建议 #生活知识# #购物技巧# #智能购物助手#

构建一个人工智能驱动的购物助手

关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Amazon Bedrock， Online Shopping Assistance， Product Discovery， Information Overload， Generative Ai Assistant， Shopping Cart Abandonment]

导读

许多零售商正转向使用像Amazon Rufus这样的AI驱动的虚拟助手，以帮助顾客找到并购买合适的产品。为了确保有效性，这些虚拟助手提供的建议必须准确，并且仅限于产品目录范围内。在这个简短演讲中，您将了解亚马逊云科技 Generative AI Labs团队是如何实现这一目标的，以及您如何使用大型语言模型构建数字购物助手。

演讲精华

以下是小编为您整理的本次演讲的精华。

在2024年亚马逊云科技 re:Invent大会上，亚马逊云科技专家解决方案架构师Pat Riley和Yuri Chalmer Raleigh进行了一场题为“构建AI驱动的购物助手”的精彩演讲。他们深入探讨了在线零售店面所面临的挑战，以及亚马逊云科技上的生成式人工智能如何为这些长期存在的问题提供创新解决方案。

Pat Riley首先承认了顾客在网上购物时遇到的众所周知的困难。产品发现看似简单的任务，却可能因零售商庞大的产品目录而变得艰难。大量选择可能会导致信息过载，让购物者困惑于框架锤和大锤之间的区别，或者哪种工具最适合他们的特定项目和身体条件。另一个挑战是难以根据评论和行业认可度识别出最受欢迎和评价最高的产品。

Riley随后带领观众回顾了过去几十年零售搜索的演变历程。在20世纪90年代，该行业依赖于正则表达式搜索，这是一种在产品目录中寻找文字字符串匹配的基本方法。进入新千年的2000年代，行业引入了搜索引擎优化、自动补全功能和增强的用户界面，改善了搜索体验，但仍有进一步改进的空间。

2020年代见证了机器学习优化和自然语言处理的融合，极大地提升了网上购物体验。然而，正如Riley所强调的，2024年的当下标志着一个关键时刻，聊天机器人、代理工作流程和网上购物的未来融合在一起，为零售商提供了革新客户与店面互动方式的机会。

Riley强调了在线购物助手在塑造零售业未来中的关键作用。想象一种情况，客户可以与虚拟木材专家对话，寻求建造露台所需木材类型的指导——无论是经过处理的、框架用的，还是昂贵的胡桃木。生成式人工智能助手可以推理出这些决策，提供量身定制的建议，消除猜测的需要。

此外，这种AI驱动的助手可以显著提高转化率，减少购物车放弃率，确保客户一开始就将正确的产品添加到购物车中，无需不断添加和删除。通过与经过专业知识培训的知识渊博的代理进行对话交流，就像在实体硬件店的过道中寻求专家建议一样，可以缓解决策困难。

减少信息过载是生成式人工智能在网上购物中的另一个关键优势。通过在聊天机器人窗口中呈现两到三个精选产品选项，并附带“添加到购物车”按钮，可以最小化庞大店面的杂乱无章，简化客户的决策过程。

为了展示这一可能性，Yuri Chalmer Raleigh继续演示了他们开发的零售助手演示。在深入探讨技术细节之前，Raleigh询问了观众在家装修项目中的经历和相关挑战。许多与会者举手承认，由于缺乏知识或无法清楚表达具体需求，导致多次往返五金店的挫折感。

该演示旨在解决这一痛点，模拟一个客户希望建造户外露台但缺乏必要专业知识的场景。Raleigh浏览了一个虚构的网站，展示了完全由亚马逊Titan模型生成的产品图像和描述，展现了生成式人工智能的能力。

随着演示的进行，聊天机器人与客户互动，确认他们打算建造一个10x10的户外露台。作为回应，聊天机器人提供了量身定制的产品推荐，包括栏杆、露台楼梯和地板板。值得注意的是，聊天机器人向客户介绍了他们可能不知道的现成产品，如预组装的露台楼梯，模拟了在实体家装店咨询知识渊博的专家的体验。

Raleigh随后揭示了演示背后复杂的亚马逊云科技服务架构。前端基于React，托管在Amazon CloudFront和Amazon S3上，确保无缝交付Web应用程序。Amazon AppSync(一种GraphQL API服务)充当连接组件，促进聊天机器人与存储在Amazon DynamoDB表中的产品目录之间的通信。

演示的核心是Amazon Bedrock，一种强大的生成式人工智能服务，利用了OpenSearch(一种向量数据库)的功能。产品目录(包括图像、描述和详细信息)被摄取到Amazon S3存储桶中，然后转换为向量嵌入，在OpenSearch中实现语义搜索和推理。通过与Amazon Lambda函数的集成，Bedrock扮演了代理的角色，理解客户查询、推理需求、在OpenSearch中查询相关匹配项，并提供上下文响应。

DynamoDB作为内存缓冲区发挥了关键作用，维护整个对话过程中获得的上下文知识。这确保了聊天机器人可以无缝地引用先前的互动，并根据客户不断发展的需求进行构建，模拟人与人之间自然对话的流程。

Raleigh强调了Amazon Bedrock提供的灵活性和定制选项，使开发人员能够微调模型、尝试代理工作流程(单代理或多代理)并与各种模型提供商集成。这种灵活性使零售商能够根据自身的产品和客户群量身定制购物体验。

此外，Raleigh强调了在处理网站上的客户数据时，确保安全和隐私的至关重要性，并强调了亚马逊云科技服务(如Bedrock)内置的强大安全措施。

总之，在2024年亚马逊云科技 re:Invent大会上的“构建AI驱动的购物助手”环节展示了生成式人工智能在革新网上购物体验方面的变革潜力。通过利用亚马逊云科技服务(如Amazon Bedrock、AppSync和DynamoDB)，零售商可以创建智能、上下文感知的购物助手，提供个性化推荐、减少信息过载，并指导客户完成复杂的决策过程。该演示展示了生成式人工智能如何弥合在线和实体店体验之间的差距，让客户无缝获取所需的知识和指导，从而做出明智的购买决策。

下面是一些演讲现场的精彩瞬间：

演讲者向观众致辞，承认他们面临的挑战，并承诺将讨论亚马逊云科技上可用的解决方案，以及展示提高商店前台客户购物体验的潜力的演示。

浏览庞大的产品目录并做出明智的购买决定可能是一项艰巨的任务，演讲者用选择合适的锤子作为项目的生动例子来说明这一点。

亚马逊的人工智能助手可以通过提供个性化推荐和专家建议，帮助客户做出明智的决定并减少购物车放弃率，从而简化购买过程。

人工智能助手为家居装修项目提供有用的建议，就像家居装修店里的专家一样，使DIY任务变得更加容易。

亚马逊Bedrock为聊天机器人提供支持，该机器人使用OpenSearch中的向量嵌入进行语义搜索和推理，以理解客户查询并提供相关的产品信息。

Bedrock因其敏捷性、速度和可定制性而受到赞誉，允许客户使用各种模型和代理配置来探索和优化他们的产品推荐和购物体验。

强调了在网站上保护客户数据的安全性和隐私性的重要性，因为他们正在处理敏感信息。

总结

在一个线上购物体验往往令人失望的世界里，亚马逊云科技提出了一种创新的解决方案:由生成式人工智能驱动的购物助理。这种虚拟助理专为零售网站而设计，旨在解决线上购物者面临的主要挑战，如发现产品、信息过载和普遍体验。

凭借Amazon Bedrock、OpenSearch和AppSync等尖端技术，该助理能够理解客户的查询、推理他们的需求并推荐最相关的产品。它提供个性化和情境化的体验，根据每次对话进行调整，引导购物者完成决策过程。无论是装修项目还是寻找合适的工具，助理都扮演着虚拟专家的角色，消除决策困难并减少购物车放弃。

亚马逊云科技邀请企业探索这一革命性解决方案，它有望将线上购物体验转变为流畅直观的互动。通过利用生成式人工智能的潜力，零售商可以为客户提供个性化的服务和专家支持，从而增强客户忠诚度和满意度。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。

网址：构建一个人工智能驱动的购物助手 https://www.yuejiaxmz.com/news/view/682092

相关内容

8 个最佳人工智能购物助手工具
《主动式智能导购 AI 助手构建》解决方案评测
[如何使用LangChain构建智能购物助手：一步步指南]
探索 Rasa Shopping Bot：AI 购物助手的构建与应用
人工智能驱动的虚拟助理的进步
人工智能在智能零售中的智能购物助手与个性化推荐挑战
人工智能购物软件智能购物助手，让购物更轻松
构建智能购物助手：利用LangChain和Ionic创建产品搜索API
人工智能驱动的智慧城市：构建宜居、高效和可持续的未来！
亚马逊Rufus：深入了解这款AI驱动的购物助手

随便看看