Yahoo TW Ecommerce, perusahaan e-commerce terkemuka di Taiwan yang beroperasi sebagai usaha bersama strategis dengan konglomerat retail lokal terkemuka, mengurangi waktu yang diperlukan penjual untuk menyelesaikan listingan produk di platformnya, Yahoo Auction, dari dua puluh menit menjadi hanya dua menit. Dengan mengintegrasikan AI bawaan di perangkat yang mengutamakan privasi untuk mendukung asisten listingan otomatis dan pengalaman pengguna yang sangat dipersonalisasi, platform ini mencapai rasio klik-tayang (CTR) sebesar 3%.
Integrasi ini menguntungkan kedua sisi marketplace: pembeli mendapatkan fitur dipersonalisasi yang berguna dan kontekstual yang menyederhanakan penemuan, sementara bisnis melihat engagement yang lebih tinggi dibandingkan dengan algoritma backend lama. Pada akhirnya, arsitektur di perangkat ini menurunkan beban operasional bagi penjual sekaligus melindungi data pengguna sensitif secara lokal dan melindungi perusahaan serta pelanggannya dari biaya penskalaan cloud yang terus bertambah.
Alasan Yahoo TW Ecommerce memilih AI bawaan
Keputusan Yahoo TW Ecommerce untuk mengadopsi AI bawaan di perangkat berasal dari dua persyaratan bisnis utama:
- Privasi data: Dengan memanfaatkan histori interaksi pihak pertama pengguna di situs dan data sesi yang diautentikasi serta menjalankan model secara lokal, informasi pengguna sensitif tidak pernah meninggalkan perangkat.
- Demokratisasi efektivitas biaya: Biaya infrastruktur AI yang dihosting di cloud diskalakan secara langsung dengan traffic pengguna, yang sering kali memaksa platform digital untuk membatasi alat canggih dan pengalaman yang dipersonalisasi di balik langganan premium atau biaya transaksi penjual yang lebih tinggi. Mengalihkan inferensi di perangkat akan menghilangkan overhead operasional backend yang terus bertambah ini. Arsitektur berkelanjutan ini memungkinkan Yahoo TW Ecommerce mendemokratisasi kemampuan yang sangat responsif dan dipersonalisasi untuk semua penjual dan pembeli di seluruh marketplace, tanpa paywall premium atau biaya ekosistem yang diteruskan.
Manfaat AI bawaan sangat berdampak pada kasus Yahoo Auction karena memungkinkan kecerdasan pasif, yang berarti bantuan kontekstual yang berguna dan diproses secara lokal serta diberikan tepat saat pengguna membutuhkannya. Karena browser memproses data sisi klien, browser ini menawarkan bantuan cerdas ini dengan aman tanpa mengirim log interaksi sensitif ke server eksternal.
Sembilan cara AI bawaan mendukung Yahoo Auction
Yahoo TW Ecommerce menerapkan sembilan kasus penggunaan yang berbeda menggunakan AI bawaan, yang mencakup kecerdasan pasif, pengelolaan konten, dan dukungan belanja:
Pembuatan dan pengelolaan konten
Asisten listingan untuk penjual: Membantu penjual membuat deskripsi produk yang menarik dan akurat dengan cepat. Dengan mengupload satu gambar produk, asisten yang didukung AI Yahoo Auction menyarankan kategori produk yang relevan, judul draf, detail, hashtag, dan harga yang disarankan dalam waktu 20 detik agar penjual dapat meninjaunya. Draf ini berfungsi sebagai dasar yang berguna bagi penjual, sehingga mengurangi waktu rata-rata untuk mengisi listingan dari 20 menit menjadi 2 menit.
Teks berikut telah diterjemahkan oleh AI.
Asisten ulasan untuk pembeli: Membantu pembeli dengan saran ekspresi yang sangat kontekstual dan ditulis dengan baik untuk menyusun dan mendeskripsikan pengalaman mereka dengan lebih baik berdasarkan rating dan input sentimen yang dipilih pengguna.
Kecerdasan pasif
Dalam konteks ini, kecerdasan pasif mengacu pada bantuan proaktif dan kontekstual yang sesuai secara alami dengan pengalaman penjelajahan pengguna.
Berikut cara Yahoo TW Ecommerce menerapkan kecerdasan pasif untuk penggunanya:
Carousel rekomendasi produk yang dipersonalisasi: Menganalisis histori pembelian terbaru pengguna yang login untuk merekomendasikan produk dengan afinitas tinggi yang melengkapi pembelian mereka, sehingga meningkatkan rasio konversi.
Penelusuran dan rekomendasi prediktif: Menyesuaikan rekomendasi produk dan kata kunci penelusuran untuk pengguna yang login berdasarkan sesi aktif pengguna. Dengan mereferensikan konteks lokal, seperti penelusuran di situs terbaru pengguna dan preferensi penjelajahan khusus situs, pemrosesan sisi klien memprediksi dan menyarankan kata kunci penelusuran yang berguna untuk menyederhanakan proses penemuan perjalanan pelanggan.
Dukungan Shopping
Ringkasan produk: Meringkas halaman detail produk yang panjang menjadi poin penting yang mudah dipahami dalam waktu kurang dari 100 kata.
Ringkasan ulasan berbasis emoji: Mengumpulkan masukan pelanggan menjadi ringkasan singkat menggunakan emoji representatif.
Penggunaan poin loyalitas: Mengidentifikasi poin loyalitas pengguna yang login dan menyarankan item yang dapat dibeli dengan poin yang akan berakhir masa berlakunya (atau pembayaran tambahan minimal), lalu memanfaatkan inferensi lokal untuk memberi peringkat dan memilih item yang paling sesuai berdasarkan minat pribadi pengguna.
Rekomendasi gaya hidup: Menawarkan inspirasi gaya yang dipersonalisasi atau saran dekorasi rumah berdasarkan kategori produk yang dilihat pengguna.
Chatbot asisten belanja: Menyediakan chatbot interaktif di perangkat untuk menjawab kueri pembeli secara instan menggunakan input suara atau teks bahasa alami. Model di perangkat menganalisis percakapan untuk mengetahui niat pembelian, menyimpulkan, dan mengumpulkan daftar produk yang sesuai dengan minat pengguna secara cerdas.
Dampak bisnis nyata
Sejak men-deploy fitur ini secara langsung ke produksi pada akhir tahun 2025, Yahoo TW Ecommerce telah melacak pencapaian engagement yang signifikan menggunakan Google Analytics:
- Peningkatan efisiensi yang signifikan: Asisten listingan untuk penjual membantu mengurangi waktu rata-rata yang diperlukan untuk menyelesaikan listingan produk sebesar 90%, dari 20 menit menjadi hanya 2 menit.
- Engagement mendalam: Platform ini menghasilkan lebih dari 1 juta total peristiwa interaksi di lebih dari 100.000 pengguna unik. Hal ini menunjukkan minat dan adopsi pengguna yang tinggi, yang mengonfirmasi bahwa pengguna secara aktif menjelajahi dan menggunakan alat AI baru.
- Interaksi berkualitas tinggi: Modul "kecerdasan pasif" baru mencapai rasio klik-tayang (CTR) hampir 3% dibandingkan dengan CTR 1,3 hingga 1,8% pada rekomendasi produk lama yang mengandalkan algoritma standar atau kurasi manual oleh tim editorial. Karena rekomendasi berbasis AI langsung muncul di tata letak carousel standar yang ada di situs, tim menghindari refactoring frontend yang mahal. Implementasi yang lancar ini meminimalkan overhead engineering, sementara perbandingan performa langsung membuktikan bahwa AI di perangkat yang mendasarinya menampilkan saran yang sangat relevan dan berkonversi tinggi.
Melihat lebih dekat kecerdasan pasif
Di antara sembilan kasus penggunaan, penerapan kecerdasan pasif menonjol sebagai contoh utama yang membuat AI di perangkat sangat andal. Modul kecerdasan pasif Yahoo Auction menyederhanakan perjalanan pengguna. Modul ini bertindak sebagai asisten di perangkat yang berguna dan memberikan saran kontekstual real-time tepat saat saran tersebut paling membantu pengguna.
Mengamankan data dan mengurangi biaya cloud dengan arsitektur lokal
Untuk menghasilkan rekomendasi yang sangat dipersonalisasi pada tingkat ini, data pengguna yang sangat sensitif harus dianalisis. Yahoo Auction menggunakan data kontekstual pengguna yang kaya seperti histori pembelian, kata kunci penelusuran, dan preferensi penjelajahan dari penyimpanan lokal. Mengirim volume data pribadi ini ke server cloud akan menimbulkan latensi yang sangat besar dan risiko privasi yang signifikan.
Yahoo TW Ecommerce mengatasi masalah ini dengan mengandalkan arsitektur lokal. Dengan memanfaatkan data sesi dan penyimpanan lokal, model AI lokal memproses semuanya di sisi klien. Hal ini memastikan bahwa tidak ada data pribadi yang diekspos secara eksternal, sehingga membuktikan bahwa kecerdasan proaktif yang sangat dipersonalisasi sangat cocok untuk AI lokal.
"AI bawaan memungkinkan kami memberikan pengalaman pasif yang sangat dipersonalisasi tanpa mengorbankan privasi pengguna atau mengenakan biaya tersembunyi atau paywall kepada komunitas kami. Ini adalah pergeseran paradigma dalam cara kami menangani kecerdasan e-commerce."
— Paul Li, Lead Engineer, Yahoo TW Ecommerce
Mengelola siklus proses AI bawaan
Mengintegrasikan AI bawaan ke dalam lingkungan produksi memerlukan pengelolaan status download model dengan baik. Karena spesifikasi AI bawaan dan perilaku download dapat berubah, tim Yahoo TW Ecommerce membuat Komponen Web khusus untuk menyederhanakan pemeliharaan.
Komponen wrapper ini menyediakan properti standar yang terpisah dan menangani siklus proses download pengguna yang lengkap. Dengan mengamati atribut data-status
komponen, tim akan memperbarui antarmuka pengguna secara dinamis untuk mencerminkan
status model yang sebenarnya: Tidak tersedia, dapat didownload, mendownload,
tersedia.
Desain ini memungkinkan platform mempertahankan stabilitas UI dan memberikan update secara instan di seluruh halaman tanpa melakukan refactoring kode inti yang mendasarinya.
Mengatasi batasan MPA dengan orkestrasi SharedWorker
Di Aplikasi Multi-Halaman (MPA), developer biasanya menggunakan thread latar belakang untuk mempertahankan alur kerja yang berjalan lama yang bertahan dari navigasi situs yang sama. Meskipun API AI bawaan secara native bersifat asinkron dan tidak berdampak negatif pada responsivitas UI thread utama, memindahkannya ke thread latar belakang akan mencegah sesi inferensi aktif dihentikan secara tiba-tiba saat pengguna berpindah antar-halaman.
Namun, primitif AI bawaan seperti Prompt API dibatasi untuk konteks dokumen tingkat atas contexts. Hal ini disebabkan oleh tantangan spesifikasi platform web terbuka: framework Kebijakan Izin W3C pada dasarnya terikat dengan pohon dokumen, dan mekanisme standar untuk menyebarkan batas keamanan ini ke akar pekerja independen masih dirancang oleh komunitas.
Solusi: SharedWorker sebagai Pengatur Resource
Untuk menavigasi batasan siklus proses ini dengan aman sekaligus menghormati batas keamanan yang terikat dokumen, Yahoo TW Ecommerce menggunakan SharedWorker untuk mengoordinasikan komputasi AI di seluruh tab browser asal yang sama. Daripada membiarkan navigasi halaman membatalkan komputasi AI aktif, SharedWorker bertindak sebagai broker peristiwa terpusat. Saat komputasi AI di perangkat diminta, SharedWorker akan berkoordinasi di seluruh tab terbuka serentak asal, mendelegasikan eksekusi ke konteks tab paralel yang tidak terlalu rentan terhadap navigasi aktif dan memproses perintah hingga selesai tanpa gangguan prematur. Setelah komputasi AI berakhir, hasilnya akan di-cache dengan aman di Penyimpanan Web dengan waktu aktif (TTL) yang ditentukan, sehingga dapat langsung diakses di seluruh tab terbuka situs. Desain ini memastikan bahwa operasi AI di perangkat tahan terhadap transisi halaman, sehingga memaksimalkan efisiensi dan konsistensi di seluruh perjalanan Aplikasi Multi-Halaman.
Anda dapat menemukan detail solusi arsitektur ini dari GitHub:
Fitur ini aktif di Yahoo拍賣.
Masa depan AI sisi klien
Penerapan AI bawaan oleh Yahoo TW Ecommerce menunjukkan nilai praktis model di perangkat. Dengan memprioritaskan efektivitas biaya dan privasi data yang ketat, mereka membuka fitur kecerdasan pasif yang andal yang menggunakan kredensial browser lokal dan histori pengguna yang kaya dengan aman.
Seiring dengan terus berkembangnya teknologi, pelajaran yang didapat dari arsitektur Yahoo TW Ecommerce berfungsi sebagai cetak biru dasar bagi developer lain yang ingin membangun pengalaman AI yang aman dan berbasis lokal di web.