یاهو تیدبلیو ایکامرس، یک شرکت پیشرو در تجارت الکترونیک در تایوان که به عنوان یک سرمایهگذاری مشترک استراتژیک با یک شرکت خردهفروشی محلی پیشرو در بازار فعالیت میکند، زمان مورد نیاز فروشندگان برای تکمیل فهرستبندی محصول در پلتفرم خود، یاهو آکشن، را از بیست دقیقه به تنها دو دقیقه کاهش داد. این پلتفرم با ادغام هوش مصنوعی داخلی و مبتنی بر حریم خصوصی برای تقویت یک دستیار فهرستبندی خودکار و تجربیات کاربری فوقالعاده شخصیسازیشده، به نرخ کلیک (CTR) 3٪ دست یافت.
این ادغام به نفع هر دو طرف بازار است: خریداران از ویژگیهای شخصیسازیشدهی مفید و آگاه از زمینه بهرهمند میشوند که کشف را ساده میکند، در حالی که کسبوکار در مقایسه با الگوریتمهای قدیمیِ backend، تعامل بیشتری را مشاهده میکند. در نهایت، این معماریِ روی دستگاه، بار عملیاتی فروشندگان را کاهش میدهد، در حالی که از دادههای حساس کاربر به صورت محلی محافظت میکند و شرکت و مشتریانش را از هزینههای فزایندهی مقیاسپذیری ابری مصون میدارد.
چرا Yahoo TW Ecommerce هوش مصنوعی داخلی را انتخاب کرد؟
تصمیم یاهو TW Ecommerce برای پذیرش هوش مصنوعی داخلی روی دستگاه، از دو الزام اصلی کسبوکار ناشی میشود:
- حریم خصوصی دادهها: با استفاده از تاریخچه تعاملات کاربر در محل و دادههای جلسه احراز هویت شده و اجرای مدلها به صورت محلی، اطلاعات حساس کاربر هرگز از دستگاه خارج نمیشود.
- دموکراتیزه کردن هزینهها: هزینههای زیرساخت هوش مصنوعی مبتنی بر ابر، مستقیماً با ترافیک کاربر افزایش مییابد و اغلب پلتفرمهای دیجیتال را مجبور میکند تا ابزارهای پیشرفته و تجربیات شخصیسازیشده را پشت اشتراکهای ویژه یا افزایش هزینههای تراکنشهای تجاری قرار دهند. تغییر استنتاج روی دستگاه، این سربار عملیاتی پیچیده در بکاند را از بین میبرد. این معماری پایدار به Yahoo TW Ecommerce اجازه میدهد تا قابلیتهای بسیار پاسخگو و شخصیسازیشده را برای همه فروشندگان و خریداران در سراسر بازار، بدون نیاز به پرداختهای ویژه یا هزینههای اکوسیستم منتقلشده، دموکراتیزه کند.
مزایای هوش مصنوعی داخلی به ویژه برای مورد حراج یاهو بسیار تأثیرگذار است زیرا هوش محیطی را فعال میکند، به این معنی که کمک مفید و آگاه از زمینهای که به صورت محلی پردازش و درست در زمانی که کاربر به آن نیاز دارد، ارائه میشود. از آنجا که مرورگر دادهها را در سمت کلاینت پردازش میکند، این کمکهای هوشمند را بدون ارسال گزارشهای حساس تعامل به سرورهای خارجی، به طور ایمن ارائه میدهد.
نه روشی که هوش مصنوعی داخلی، حراج یاهو را تقویت میکند
یاهو TW Ecommerce با استفاده از هوش مصنوعی داخلی، نه مورد استفاده متمایز را پیادهسازی کرد که شامل هوش محیطی، مدیریت محتوا و پشتیبانی خرید میشود:
تولید و مدیریت محتوا
دستیار فهرستبندی برای فروشندگان: به فروشندگان کمک میکند تا به سرعت توضیحات جذاب و دقیقی از محصول ارائه دهند. با آپلود یک تصویر از محصول، دستیار هوش مصنوعی Yahoo Auction ظرف 20 ثانیه دستهبندی مرتبط با محصول، عنوان اولیه، جزئیات، هشتگها و قیمت پیشنهادی را برای بررسی به فروشندگان پیشنهاد میدهد. این پیشنویس به عنوان یک مبنای مفید برای فروشندگان عمل میکند و میانگین زمان پر کردن یک فهرست را از 20 دقیقه به 2 دقیقه کاهش میدهد.
تصاویر زیر دارای متن ترجمه شده با هوش مصنوعی هستند.
دستیار نقد و بررسی برای خریداران: با پیشنهادهای عبارات بسیار متنی و خوشنوشته به خریداران کمک میکند تا تجربه خود را بر اساس رتبهبندی و احساسات انتخابی کاربر، بهتر ساختاربندی و توصیف کنند.
هوش محیطی
در این زمینه، هوش محیطی به کمک پیشگیرانه و آگاه از زمینه اشاره دارد که به طور طبیعی با تجربه مرور کاربر مطابقت دارد.
در اینجا نحوه پیادهسازی هوش محیطی توسط Yahoo TW Ecommerce برای کاربرانش را مشاهده میکنید:
چرخ فلک توصیههای محصول شخصیسازیشده: تاریخچه خریدهای اخیر کاربر وارد شده را تجزیه و تحلیل میکند تا محصولات با شباهت بالا را که مکمل خریدهای او هستند، پیشنهاد دهد و نرخ تبدیل را افزایش دهد.
جستجو و توصیههای پیشبینیکننده: توصیههای محصول و کلمات کلیدی جستجو را بر اساس جلسه فعال کاربر، متناسب با کاربر وارد شده تنظیم میکند. با ارجاع به زمینه محلی، مانند جستجوهای اخیر کاربر در سایت و تنظیمات مرور خاص سایت، پردازش سمت کلاینت کلمات کلیدی جستجوی مفید را پیشبینی و پیشنهاد میدهد تا فرآیند کشف سفر مشتری سادهتر شود.
پشتیبانی خرید
خلاصه محصول: صفحات طولانی جزئیات محصول را در کمتر از ۱۰۰ کلمه به نکات برجسته و قابل فهم خلاصه میکند.
خلاصهسازی نظرات مبتنی بر ایموجی: بازخورد مشتری را با استفاده از ایموجیهای معرف، در یک نمای کلی و مختصر جمعآوری میکند.
استفاده از امتیاز وفاداری: امتیازهای وفاداری کاربر وارد شده را شناسایی میکند و اقلام قابل خرید با امتیازهای منقضی شده (یا حداقل پرداختهای اضافی) را پیشنهاد میدهد و سپس از استنتاج محلی برای رتبهبندی و انتخاب بهترین موارد منطبق بر اساس علایق شخصی کاربر استفاده میکند.
توصیههای سبک زندگی: بر اساس دستهبندی محصولی که کاربر مشاهده میکند، الهامات شخصیسازیشدهای برای استایل یا توصیههایی برای دکوراسیون منزل ارائه میدهد.
چتبات دستیار خرید: یک چتبات تعاملی روی دستگاه ارائه میدهد تا فوراً با استفاده از متن زبان طبیعی یا ورودی صوتی به سؤالات خریدار پاسخ دهد. مدل روی دستگاه، مکالمه را برای هدف خرید تجزیه و تحلیل میکند و به طور هوشمندانه لیست محصولاتی را که با علایق کاربر همسو هستند، استنتاج و انتخاب میکند.
تأثیر کسب و کار در دنیای واقعی
از زمان استقرار این ویژگیها در اواخر سال ۲۰۲۵، Yahoo TW Ecommerce با استفاده از Google Analytics نقاط عطف قابل توجهی در تعامل کاربران را ردیابی کرده است:
- افزایش قابل توجه بهرهوری: دستیار فهرستبندی برای فروشندگان به کاهش میانگین زمان لازم برای تکمیل فهرستبندی محصول تا ۹۰ درصد، از ۲۰ دقیقه به تنها ۲ دقیقه کمک کرد.
- تعامل عمیق: این پلتفرم در مجموع بیش از ۱ میلیون رویداد تعاملی را در بیش از ۱۰۰۰۰۰ کاربر منحصر به فرد ایجاد کرد. این موضوع نشاندهندهی علاقه و پذیرش بالای کاربران است و تأیید میکند که کاربران به طور فعال در حال کاوش و استفاده از ابزارهای جدید هوش مصنوعی هستند.
- تعاملات با کیفیت بالا: ماژولهای جدید «هوش محیطی» به نرخ کلیک (CTR) نزدیک به ۳٪ دست یافتند، در حالی که نرخ کلیک در توصیههای محصولات قدیمی که به الگوریتمهای استاندارد یا انتخاب دستی توسط تیم تحریریه متکی بودند، ۱.۳ تا ۱.۸٪ بود. از آنجا که توصیههای مبتنی بر هوش مصنوعی مستقیماً در طرحبندی استاندارد موجود وبسایت قرار میگیرند، تیم از اصلاح پرهزینه ظاهر وبسایت جلوگیری کرد. این پیادهسازی یکپارچه، سربار مهندسی را به حداقل میرساند، در حالی که مقایسه عملکرد مستقیم ثابت میکند که هوش مصنوعی موجود در دستگاه، پیشنهادهای بسیار مرتبط و با نرخ تبدیل بالا را ارائه میدهد.
نگاهی دقیقتر به هوش محیطی
در میان نه مورد استفاده، پیادهسازی هوش محیطی به عنوان نمونهای برجسته از آنچه هوش مصنوعی روی دستگاه را منحصراً قدرتمند میکند، برجسته است. ماژولهای هوش محیطی یاهو اوکشن، سفر کاربر را ساده میکنند. آنها به عنوان دستیاران مفید روی دستگاه عمل میکنند و دقیقاً زمانی که برای کاربر مفیدتر هستند، پیشنهادهای بلادرنگ و آگاه از زمینه ارائه میدهند.
دادهها را ایمن کنید و هزینههای ابری را با معماری محلی کاهش دهید
تولید این سطح از توصیههای فوق شخصیسازیشده نیازمند تجزیه و تحلیل دادههای بسیار حساس کاربر است. Yahoo Auction از دادههای غنی کاربر مانند سابقه خرید، کلمات کلیدی جستجو و تنظیمات مرور از حافظه محلی استفاده میکند. ارسال این حجم از دادههای شخصی به یک سرور ابری، تأخیر بسیار زیاد و خطرات قابل توجهی برای حریم خصوصی ایجاد میکند.
یاهو TW Ecommerce این مشکل را با تکیه بر معماری محلی حل کرد. با استفاده از دادههای جلسه و ذخیرهسازی محلی، مدل هوش مصنوعی محلی همه چیز را در سمت کلاینت پردازش میکند. این تضمین میکند که هیچ داده شخصی در معرض دید خارجی قرار نمیگیرد و ثابت میکند که هوش عمیقاً شخصیسازیشده و پیشگیرانه منحصراً برای هوش مصنوعی محلی مناسب است.
«هوش مصنوعی داخلی به ما این قدرت را میدهد که بدون به خطر انداختن حریم خصوصی کاربران یا ایجاد هزینههای پنهان یا محدودیتهای پرداخت برای جامعهمان، تجربیات محیطی فوقالعاده شخصیسازیشدهای ارائه دهیم. این یک تغییر الگو در نحوه رویکرد ما به هوش تجارت الکترونیک است.»
— پاول لی، مهندس ارشد، Yahoo TW Ecommerce
چرخه عمر هوش مصنوعی داخلی را مدیریت کنید
ادغام هوش مصنوعی داخلی در یک محیط تولید، نیازمند مدیریت دقیق وضعیت دانلود مدل است. از آنجا که مشخصات هوش مصنوعی داخلی و رفتارهای دانلود میتوانند تغییر کنند، تیم Yahoo TW Ecommerce یک کامپوننت وب اختصاصی برای سادهسازی نگهداری ساخته است.
این کامپوننت پوششی، ویژگیهای استاندارد و مستقلی را ارائه میدهد و چرخه حیات کامل دانلود کاربر را مدیریت میکند. با مشاهده ویژگی data-status کامپوننت، تیم به صورت پویا رابط کاربری را بهروزرسانی میکند تا وضعیت دقیق مدل را منعکس کند: غیرقابل دسترس، قابل دانلود، در حال دانلود، موجود .
این طراحی به پلتفرم اجازه میدهد تا پایداری رابط کاربری را حفظ کند و بهروزرسانیها را فوراً در صفحات مختلف بدون تغییر کد اصلی ارائه دهد.
غلبه بر محدودیتهای MPA با هماهنگی SharedWorker
در برنامههای چند صفحهای (MPA)، توسعهدهندگان معمولاً از نخهای پسزمینه برای حفظ گردشهای کاری طولانیمدت که از پیمایشهای یک سایت جان سالم به در میبرند، استفاده میکنند. در حالی که APIهای هوش مصنوعی داخلی ذاتاً ناهمزمان هستند و تأثیر منفی بر پاسخگویی رابط کاربری نخ اصلی ندارند، انتقال آنها به یک نخ پسزمینه از خاتمه ناگهانی جلسات استنتاج فعال هنگام پیمایش کاربر بین صفحات جلوگیری میکند.
با این حال، عناصر اولیه هوش مصنوعی داخلی مانند Prompt API به زمینههای سند سطح بالا محدود شدهاند . این به دلیل چالش مشخصات پلتفرم وب باز است: چارچوب سیاست مجوزهای W3C اساساً به درخت سند گره خورده است و مکانیسمهای استاندارد برای انتشار این مرزهای امنیتی به ریشههای مستقل کارگر هنوز توسط جامعه در حال طراحی هستند.
راه حل: SharedWorker به عنوان هماهنگ کننده منابع
برای پیمایش ایمن این محدودیتهای چرخه عمر، ضمن رعایت مرزهای امنیتی مرتبط با سند، Yahoo TW Ecommerce از یک SharedWorker برای هماهنگی محاسبات هوش مصنوعی در تبهای مرورگر مبدا یکسان استفاده کرد. SharedWorker به جای اینکه اجازه دهد پیمایش صفحه، یک محاسبه فعال هوش مصنوعی را لغو کند، به عنوان یک واسطه رویداد متمرکز عمل میکند. هنگامی که یک محاسبه هوش مصنوعی روی دستگاه درخواست میشود، SharedWorker تبهای باز همزمان مبدا را هماهنگ میکند و اجرا را به یک زمینه تب موازی که کمتر مستعد پیمایش فعال است و درخواست را بدون وقفه زودرس پردازش میکند، واگذار میکند. پس از پایان محاسبه هوش مصنوعی، نتیجه به طور ایمن در ذخیرهسازی وب با زمان ماندگاری تعیینشده (TTL) ذخیره میشود و آن را فوراً در هر یک از تبهای باز وبسایت قابل دسترسی میکند. این طراحی تضمین میکند که عملیات هوش مصنوعی روی دستگاه در برابر انتقال صفحات مقاوم هستند و کارایی و سازگاری را در کل سفر برنامه چند صفحهای به حداکثر میرسانند.
میتوانید جزئیات این راهحلهای معماری را از گیتهاب پیدا کنید:
این ویژگیها در یاهو 拍賣فعال هستند.
آینده هوش مصنوعی سمت کلاینت
پیادهسازی هوش مصنوعی داخلی در Yahoo TW Ecommerce، ارزش عملی مدلهای درون دستگاهی را نشان میدهد. آنها با اولویتبندی مقرونبهصرفه بودن و حفظ حریم خصوصی دقیق دادهها، ویژگیهای قدرتمند هوش محیطی را فعال میکنند که با خیال راحت از اعتبارنامههای مرورگر محلی و تاریخچه غنی کاربر استفاده میکنند.
همچنان که ما به تکامل خود ادامه میدهیم، درسهایی که از معماری Yahoo TW Ecommerce آموختهایم، به عنوان یک طرح اولیه اساسی برای سایر توسعهدهندگانی که به دنبال ایجاد تجربیات هوش مصنوعی امن و محلی در وب هستند، عمل میکند.