Yahoo TW Ecommerce, perusahaan e-commerce terkemuka di Taiwan yang beroperasi sebagai usaha bersama strategis dengan konglomerat retail lokal terkemuka di pasar, mengurangi waktu yang diperlukan penjual untuk menyelesaikan listingan produk di platformnya, Yahoo Auction, dari dua puluh menit menjadi hanya dua menit. Dengan mengintegrasikan primitif 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 pribadi yang berguna dan sadar konteks yang menyederhanakan penemuan, sementara bisnis melihat engagement yang lebih tinggi dibandingkan dengan algoritma backend lama. Pada akhirnya, arsitektur di perangkat ini mengurangi beban operasional bagi penjual sekaligus mengamankan data pengguna sensitif secara lokal dan melindungi perusahaan serta pelanggannya dari biaya penskalaan cloud yang terus meningkat.
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 di situs pihak pertama pengguna dan data sesi terautentikasi serta menjalankan model secara lokal, informasi pengguna yang sensitif tidak pernah keluar dari perangkat.
- Demokratisasi efektivitas biaya: Biaya infrastruktur AI yang dihosting di cloud diskalakan secara langsung dengan traffic pengguna, sehingga 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 menghilangkan overhead operasional backend yang rumit ini. Arsitektur berkelanjutan ini memungkinkan Yahoo TW Ecommerce mendemokratisasi kemampuan yang sangat responsif dan dipersonalisasi untuk semua penjual dan pembeli di seluruh marketplace, tanpa penghalang konten berbayar premium atau biaya ekosistem yang diwariskan.
Manfaat AI bawaan sangat berdampak pada kasus Yahoo Auction karena memungkinkan ambient intelligence, yang berarti bantuan yang berguna dan sadar konteks yang diproses secara lokal dan diberikan tepat saat pengguna membutuhkannya. Karena memproses data di sisi klien, browser menawarkan bantuan pintar ini secara aman tanpa mengirim log interaksi sensitif ke server eksternal.
Sembilan cara AI bawaan mendukung Yahoo Auction
Yahoo TW Ecommerce menerapkan sembilan kasus penggunaan berbeda menggunakan AI bawaan, yang mencakup kecerdasan sekitar, 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.
Gambar berikut memiliki teks yang diterjemahkan AI.
Asisten ulasan untuk pembeli: Membantu pembeli dengan saran ekspresi yang ditulis dengan baik dan sangat kontekstual untuk menyusun dan mendeskripsikan pengalaman mereka dengan lebih baik berdasarkan input sentimen dan rating yang dipilih pengguna.
Kecerdasan sekitar
Dalam konteks ini, kecerdasan sekitar mengacu pada bantuan proaktif yang sesuai konteks dan cocok secara alami dengan pengalaman penjelajahan pengguna.
Berikut cara Yahoo TW E-commerce menerapkan kecerdasan sekitar 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 baru-baru ini dan preferensi penjelajahan khusus situs pengguna, pemrosesan sisi klien memprediksi dan menyarankan kata kunci penelusuran yang bermanfaat untuk menyederhanakan proses penemuan perjalanan pelanggan.
Dukungan Shopping
Ringkasan produk: Meringkas halaman detail produk yang panjang menjadi sorotan yang mudah dipahami dalam kurang dari 100 kata.
Ringkasan ulasan berbasis emoji: Menggabungkan masukan pelanggan ke dalam ringkasan singkat menggunakan emoji yang representatif.
Penggunaan poin loyalitas: Mengidentifikasi poin loyalitas pengguna yang login dan menyarankan item yang dapat dibeli dengan poin yang akan segera berakhir (atau pembayaran tambahan minimal), lalu memanfaatkan inferensi lokal untuk memberi peringkat dan memilih kecocokan terbaik 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 pertanyaan pembeli secara instan menggunakan input suara atau teks bahasa alami. Model di perangkat menganalisis percakapan untuk mengetahui niat pembelian, secara cerdas menyimpulkan dan mengurasi daftar produk yang sesuai dengan minat pengguna.
Dampak bisnis di dunia nyata
Sejak men-deploy fitur ini secara live 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 rata-rata waktu yang diperlukan untuk menyelesaikan listingan produk sebesar 90%, dari 20 menit menjadi hanya 2 menit.
- Engagement yang 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 memanfaatkan alat AI baru.
- Interaksi berkualitas tinggi: Modul "kecerdasan ambient" 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 yang didukung AI langsung muncul di tata letak carousel standar yang ada di situs, tim tidak perlu melakukan refaktorisasi frontend yang mahal. Penerapan 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.
Mempelajari lebih lanjut kecerdasan ambient
Di antara sembilan kasus penggunaan, penerapan ambient intelligence menonjol sebagai contoh utama yang membuat AI di perangkat sangat efektif. Modul kecerdasan ambien Yahoo Auction menyederhanakan perjalanan pengguna. Mereka bertindak sebagai asisten di perangkat yang bermanfaat, yang memberikan saran real-time dan kontekstual tepat saat saran tersebut paling bermanfaat bagi pengguna.
Mengamankan data dan mengurangi biaya cloud dengan arsitektur lokal
Membuat rekomendasi yang sangat dipersonalisasi di tingkat ini memerlukan analisis data pengguna yang sangat sensitif. Yahoo Auction memanfaatkan data kontekstual lengkap pengguna seperti histori pembelian, kata kunci penelusuran, dan preferensi penjelajahan dari penyimpanan lokal. Mengirimkan data pribadi dalam jumlah ini ke server cloud akan menimbulkan latensi yang sangat besar dan risiko privasi yang signifikan.
Yahoo TW Ecommerce memecahkan 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 terekspos secara eksternal, sehingga membuktikan bahwa kecerdasan proaktif yang sangat dipersonalisasi sangat cocok untuk AI lokal.
"AI bawaan memungkinkan kami memberikan pengalaman ambient yang sangat dipersonalisasi tanpa mengorbankan privasi pengguna atau mengenakan biaya tersembunyi atau penghalang konten berbayar kepada komunitas kami. Ini adalah pergeseran paradigma dalam cara kita 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 e-commerce Yahoo Taiwan membuat Komponen Web khusus untuk menyederhanakan pemeliharaan.
Komponen wrapper ini menyediakan properti standar yang tidak terikat dan menangani siklus proses download pengguna yang lengkap. Dengan mengamati atribut data-status
komponen, tim secara dinamis memperbarui antarmuka pengguna untuk mencerminkan
status persis model: Tidak tersedia, dapat didownload, sedang didownload,
tersedia.
Desain ini memungkinkan platform mempertahankan stabilitas UI dan memberikan update secara instan di seluruh halaman tanpa memfaktorkan ulang kode inti yang mendasarinya.
Mengatasi batasan MPA dengan orkestrasi SharedWorker
Dalam Aplikasi Multi-Halaman (MPA), developer biasanya menggunakan thread latar belakang untuk mempertahankan alur kerja yang berjalan lama yang bertahan dari navigasi di situs yang sama. Meskipun API AI bawaan bersifat asinkron secara native 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 beralih antarhalaman.
Namun, primitif AI bawaan seperti Prompt API dibatasi untuk konteks dokumen level atas. Hal ini disebabkan oleh tantangan spesifikasi platform web terbuka: framework Kebijakan Izin W3C pada dasarnya terkait dengan hierarki dokumen, dan mekanisme standar untuk menyebarkan batas keamanan ini ke root pekerja independen masih dirancang oleh komunitas.
Solusi: SharedWorker sebagai Pengelola Resource
Untuk menavigasi batasan siklus proses ini dengan aman sambil mematuhi batas keamanan terikat dokumen, Yahoo TW Ecommerce menggunakan SharedWorker untuk mengoordinasikan komputasi AI di tab browser dengan origin yang sama. Alih-alih membiarkan navigasi halaman membatalkan komputasi AI yang aktif, SharedWorker bertindak sebagai broker peristiwa terpusat. Saat komputasi AI di perangkat diminta, SharedWorker berkoordinasi di seluruh tab terbuka serentak asal, mendelegasikan eksekusi ke konteks tab paralel yang lebih tidak rentan terhadap navigasi aktif dan memproses perintah hingga selesai tanpa gangguan prematur. Setelah komputasi AI berakhir, hasilnya akan di-cache dengan aman di Web Storage dengan time to live (TTL) yang ditentukan, sehingga dapat diakses secara instan di tab situs yang terbuka. Desain ini memastikan bahwa operasi AI di perangkat tangguh 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 sudah 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, fitur ini menghadirkan fitur kecerdasan ambien yang canggih yang memanfaatkan kredensial browser lokal dan histori pengguna yang kaya secara aman.
Seiring perkembangan kami, pelajaran yang didapat dari arsitektur Yahoo TW Ecommerce menjadi cetak biru dasar bagi developer lain yang ingin membangun pengalaman AI yang aman dan didorong secara lokal di web.