Yahoo TW Ecommerce ซึ่งเป็นบริษัทอีคอมเมิร์ซชั้นนำในไต้หวันและดำเนินงานในรูปแบบกิจการร่วมค้าเชิงกลยุทธ์กับกลุ่มบริษัทค้าปลีกชั้นนำในตลาดท้องถิ่น ได้ลดเวลาที่ผู้ขายต้องใช้ในการทำข้อมูลสินค้าที่แสดงให้เสร็จสมบูรณ์บนแพลตฟอร์ม Yahoo Auction จาก 20 นาทีเหลือเพียง 2 นาที การผสานรวม Primitive AI ในตัวในอุปกรณ์ที่ให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรก เพื่อขับเคลื่อนผู้ช่วยข้อมูลอัตโนมัติและประสบการณ์ของผู้ใช้ที่ปรับเปลี่ยนในแบบของคุณอย่างยิ่งยวด ทำให้แพลตฟอร์มมีอัตราการคลิกผ่าน (CTR) 3%
การผสานรวมนี้เป็นประโยชน์ต่อทั้ง 2 ฝั่งของมาร์เก็ตเพลส โดยผู้เลือกซื้อจะได้รับฟีเจอร์ที่ปรับตามโปรไฟล์ของผู้ใช้ซึ่งมีประโยชน์และรับรู้บริบทที่ช่วยให้การค้นพบง่ายขึ้น ขณะที่ธุรกิจจะได้รับการมีส่วนร่วมที่สูงขึ้นเมื่อเทียบกับอัลกอริทึมแบ็กเอนด์เดิม ท้ายที่สุดแล้ว สถาปัตยกรรมในอุปกรณ์นี้จะช่วยลดภาระด้านการดำเนินงานสำหรับผู้ขาย พร้อมทั้งปกป้องข้อมูลผู้ใช้ที่ละเอียดอ่อนในเครื่อง และป้องกันไม่ให้บริษัทและลูกค้าต้องเสียค่าใช้จ่ายในการปรับขนาดระบบคลาวด์ที่เพิ่มขึ้น
เหตุผลที่ Yahoo TW Ecommerce เลือกใช้ AI ในตัว
การตัดสินใจของ Yahoo TW อีคอมเมิร์ซในการนำ AI ในอุปกรณ์มาใช้มีสาเหตุมาจากข้อกำหนดทางธุรกิจหลัก 2 ประการดังนี้
- ความเป็นส่วนตัวของข้อมูล: การใช้ประวัติการโต้ตอบในเว็บไซต์จากบุคคลที่หนึ่งของผู้ใช้และข้อมูลเซสชันที่ได้รับการตรวจสอบสิทธิ์ รวมถึงการเรียกใช้โมเดลในเครื่อง จะช่วยให้ข้อมูลผู้ใช้ที่มีความละเอียดอ่อนไม่หลุดออกจากอุปกรณ์
- การกระจายความเท่าเทียมด้านความคุ้มค่า: ค่าใช้จ่ายของโครงสร้างพื้นฐาน AI ที่โฮสต์ในระบบคลาวด์ จะปรับขนาดตามการเข้าชมของผู้ใช้โดยตรง ซึ่งมักจะทำให้แพลตฟอร์มดิจิทัล ต้องจำกัดการเข้าถึงเครื่องมือขั้นสูงและประสบการณ์การใช้งานที่ปรับเปลี่ยนในแบบของคุณไว้สำหรับ การสมัครใช้บริการแบบพรีเมียมหรือค่าธรรมเนียมการทำธุรกรรมของผู้ขายที่เพิ่มขึ้น การเปลี่ยน การอนุมานในอุปกรณ์จะช่วยลดค่าใช้จ่ายในการดำเนินการแบ็กเอนด์ ที่เพิ่มขึ้นนี้ สถาปัตยกรรมที่ยั่งยืนนี้ช่วยให้ Yahoo TW Ecommerce มอบความสามารถที่ตอบสนองสูงและปรับเปลี่ยนในแบบของคุณให้แก่ผู้ขาย และผู้เลือกซื้อทุกรายในมาร์เก็ตเพลสได้โดยไม่มีเพย์วอลล์ระดับพรีเมียมหรือ ค่าธรรมเนียมระบบนิเวศที่ส่งต่อกันมา
ประโยชน์ของ AI ในตัวนั้นมีผลอย่างยิ่งต่อกรณีการประมูลของ Yahoo เนื่องจากช่วยให้ระบบอัจฉริยะรอบตัวทำงานได้ ซึ่งหมายถึงความช่วยเหลือที่อิงตามบริบทและมีประโยชน์ ซึ่งประมวลผลในเครื่องและแสดงเมื่อผู้ใช้ต้องการ เนื่องจากเบราว์เซอร์ประมวลผลข้อมูลฝั่งไคลเอ็นต์ จึงสามารถให้ความช่วยเหลืออัจฉริยะเหล่านี้ได้อย่างปลอดภัยโดยไม่ต้องส่งบันทึกการโต้ตอบที่ละเอียดอ่อนไปยังเซิร์ฟเวอร์ภายนอก
9 วิธีที่ AI ในตัวช่วยขับเคลื่อน Yahoo Auction
Yahoo TW Ecommerce ได้นำ Use Case ที่แตกต่างกัน 9 รายการมาใช้โดยใช้ AI ในตัว ซึ่งครอบคลุมถึงระบบอัจฉริยะรอบตัว การจัดการเนื้อหา และการสนับสนุนการช็อปปิ้ง
การสร้างและการจัดการเนื้อหา
ผู้ช่วยในการแสดงข้อมูลสำหรับผู้ขาย: ช่วยให้ผู้ขายสร้างคำอธิบายผลิตภัณฑ์ที่น่าสนใจและถูกต้องได้อย่างรวดเร็ว เมื่ออัปโหลดรูปภาพผลิตภัณฑ์เพียงรูปเดียว ผู้ช่วยที่ทำงานด้วยระบบ AI ของ Yahoo Auction จะแนะนำหมวดหมู่สินค้าที่เกี่ยวข้อง ชื่อ รายละเอียด แฮชแท็ก และราคาที่แนะนำภายใน 20 วินาทีเพื่อให้ผู้ขายตรวจสอบ ฉบับร่างนี้เป็นข้อมูลพื้นฐานที่เป็นประโยชน์สำหรับผู้ขาย ช่วยลดเวลาเฉลี่ยในการกรอกข้อมูลในข้อมูลจาก 20 นาทีเหลือ 2 นาที
รูปภาพต่อไปนี้มีข้อความที่ AI แปล
ผู้ช่วยรีวิวสำหรับผู้ซื้อ: ช่วยผู้ซื้อด้วยคำแนะนำในการแสดงความคิดเห็นที่มีบริบทสูง และเขียนได้ดี เพื่อจัดโครงสร้างและอธิบายประสบการณ์ได้ดียิ่งขึ้น โดยอิงตามคะแนนและความรู้สึกที่ผู้ใช้เลือก
ปัญญาแวดล้อม
ในบริบทนี้ Ambient Intelligence หมายถึงความช่วยเหลือเชิงรุกที่รับรู้บริบท ซึ่งผสานรวมเข้ากับประสบการณ์การท่องเว็บของผู้ใช้ได้อย่างเป็นธรรมชาติ
Yahoo TW Ecommerce ใช้ปัญญาแวดล้อมสำหรับผู้ใช้ดังนี้
ภาพสไลด์คำแนะนำผลิตภัณฑ์ที่ปรับเปลี่ยนในแบบของคุณ: วิเคราะห์ประวัติการซื้อล่าสุดของผู้ใช้ที่เข้าสู่ระบบเพื่อแนะนำผลิตภัณฑ์ที่มีความเกี่ยวข้องสูงซึ่งช่วยเสริมการซื้อของผู้ใช้ และเพิ่มอัตรา Conversion
การค้นหาและการแนะนำแบบคาดการณ์: ปรับแต่งคำแนะนำผลิตภัณฑ์ และคีย์เวิร์ดค้นหาให้แก่ผู้ใช้ที่เข้าสู่ระบบตามเซสชันที่ใช้งานอยู่ของผู้ใช้ การประมวลผลฝั่งไคลเอ็นต์จะคาดการณ์และแนะนำคีย์เวิร์ดการค้นหาที่เป็นประโยชน์เพื่อลดความซับซ้อนของกระบวนการค้นพบเส้นทางของลูกค้าโดยอ้างอิงบริบทในพื้นที่ เช่น การค้นหาในเว็บไซต์ล่าสุดของผู้ใช้และความต้องการในการท่องเว็บที่เฉพาะเจาะจงของเว็บไซต์
การสนับสนุนสำหรับ Shopping
การสรุปผลิตภัณฑ์: สรุปหน้ารายละเอียดผลิตภัณฑ์ที่ยาวเหยียดให้เป็นไฮไลต์ที่เข้าใจง่ายในคำไม่เกิน 100 คำ
การสรุปรีวิวโดยใช้อีโมจิ: รวบรวมความคิดเห็นของลูกค้าเป็นภาพรวมที่กระชับโดยใช้อีโมจิที่เป็นตัวแทน
การใช้คะแนนสะสม: ระบุคะแนนสะสมของผู้ใช้ที่เข้าสู่ระบบ และแนะนำสินค้าที่ซื้อได้ด้วยคะแนนที่กำลังจะหมดอายุ (หรือการชำระเงินเพิ่มเติมขั้นต่ำ) จากนั้นใช้ประโยชน์จากการอนุมานในเครื่องเพื่อจัดอันดับและเลือกรายการที่ตรงกันมากที่สุด ตามความสนใจที่ปรับเปลี่ยนในแบบของผู้ใช้
คำแนะนำด้านไลฟ์สไตล์: ให้แรงบันดาลใจในการจัดสไตล์หรือคำแนะนำในการตกแต่งบ้านที่ปรับเปลี่ยนในแบบของผู้ใช้ตามหมวดหมู่สินค้าที่ผู้ใช้กำลังดู
แชทบ็อตผู้ช่วยช็อปปิ้ง: มีแชทบ็อตแบบอินเทอร์แอกทีฟในอุปกรณ์ เพื่อตอบคำถามของผู้ซื้อได้ทันทีโดยใช้ข้อความภาษาธรรมชาติหรือการป้อนข้อมูลด้วยเสียง โมเดลในอุปกรณ์จะวิเคราะห์การสนทนาเพื่อดูความตั้งใจในการซื้อ อนุมานและดูแลจัดการรายการผลิตภัณฑ์อย่างชาญฉลาดให้สอดคล้องกับความสนใจของผู้ใช้
ผลลัพธ์ทางธุรกิจที่จับต้องได้
ตั้งแต่การเปิดตัวฟีเจอร์เหล่านี้ในเวอร์ชันที่ใช้งานจริงในสภาพแวดล้อมการผลิตเมื่อสิ้นปี 2025 Yahoo TW Ecommerce ได้ติดตามเหตุการณ์สำคัญด้านการมีส่วนร่วมโดยใช้ Google Analytics ดังนี้
- เพิ่มประสิทธิภาพได้อย่างมาก: ผู้ช่วยการแสดงข้อมูลสำหรับผู้ขายช่วย ลดเวลาเฉลี่ยที่ต้องใช้ในการสร้างข้อมูลสินค้าที่แสดงให้เสร็จสมบูรณ์ลง 90% จาก 20 นาทีเหลือเพียง 2 นาที
- การมีส่วนร่วมอย่างลึกซึ้ง: แพลตฟอร์มสร้างกิจกรรมการโต้ตอบทั้งหมดกว่า 1 ล้านรายการในผู้ใช้ที่ไม่ซ้ำกันกว่า 100,000 ราย ซึ่งแสดงให้เห็นถึงความสนใจและการยอมรับของผู้ใช้ในระดับสูง และยืนยันว่าผู้ใช้กำลังสำรวจและใช้เครื่องมือ AI ใหม่ๆ อย่างแข็งขัน
- การโต้ตอบคุณภาพสูง: โมดูล "Ambient Intelligence" ใหม่มีอัตราการคลิกผ่าน (CTR) เกือบ 3% เมื่อเทียบกับ CTR 1.3-1.8% ในคำแนะนำผลิตภัณฑ์เดิมที่ใช้ประโยชน์จากอัลกอริทึมมาตรฐานหรือการดูแลจัดการด้วยตนเองโดยทีมบรรณาธิการ เนื่องจากคำแนะนำที่ขับเคลื่อนด้วย AI จะแสดง ในเลย์เอาต์ภาพสไลด์มาตรฐานที่มีอยู่ของเว็บไซต์โดยตรง ทีมจึง หลีกเลี่ยงการปรับโครงสร้างส่วนหน้าที่มีค่าใช้จ่ายสูงได้ การติดตั้งใช้งานที่ราบรื่นนี้ช่วยลดโอเวอร์เฮดด้านวิศวกรรม ในขณะที่การเปรียบเทียบประสิทธิภาพโดยตรงพิสูจน์ให้เห็นว่า AI ในอุปกรณ์พื้นฐานแสดงคำแนะนำที่เกี่ยวข้องสูงและมีอัตรา Conversion สูง
เจาะลึก Ambient Intelligence
ในบรรดา Use Case ทั้ง 9 รายการ การใช้งาน Ambient Intelligence โดดเด่น ในฐานะตัวอย่างสำคัญที่แสดงให้เห็นว่า AI บนอุปกรณ์มีประสิทธิภาพอย่างยิ่ง โมดูลปัญญาแวดล้อมของ Yahoo Auction ช่วยเพิ่มประสิทธิภาพเส้นทางของผู้ใช้ โดยทำหน้าที่เป็นผู้ช่วยที่มีประโยชน์ในอุปกรณ์ ซึ่งให้คำแนะนำแบบเรียลไทม์ตามบริบทในเวลาที่ เป็นประโยชน์ต่อผู้ใช้มากที่สุด
รักษาความปลอดภัยของข้อมูลและลดต้นทุนระบบคลาวด์ด้วยสถาปัตยกรรมในเครื่อง
การสร้างคำแนะนำที่ปรับเปลี่ยนในแบบของคุณอย่างยิ่งในระดับนี้ต้องมีการวิเคราะห์ ข้อมูลผู้ใช้ที่มีความละเอียดอ่อนสูง Yahoo Auction ใช้ประโยชน์จากข้อมูลเชิงบริบทที่สมบูรณ์ของผู้ใช้ เช่น ประวัติการซื้อ คีย์เวิร์ดที่ใช้ค้นหา และค่ากำหนดในการท่องเว็บจากพื้นที่เก็บข้อมูลในเครื่อง การส่งข้อมูลส่วนตัวจำนวนมากไปยังเซิร์ฟเวอร์ระบบคลาวด์จะทำให้เกิด เวลาในการตอบสนองที่สูงมากและความเสี่ยงด้านความเป็นส่วนตัวที่สำคัญ
Yahoo TW Ecommerce แก้ปัญหานี้ด้วยการใช้สถาปัตยกรรมในพื้นที่ โมเดล AI ในเครื่องจะประมวลผลทุกอย่างฝั่งไคลเอ็นต์โดยใช้ข้อมูลเซสชันและพื้นที่เก็บข้อมูลในเครื่อง ซึ่งจะช่วยให้มั่นใจได้ว่าจะไม่มีการเปิดเผยข้อมูลส่วนตัวภายนอก และพิสูจน์ว่าข้อมูลเชิงลึกที่ปรับเปลี่ยนในแบบของคุณและเชิงรุกนั้นเหมาะสำหรับ AI ในเครื่องอย่างยิ่ง
"AI ในตัวช่วยให้เรามอบประสบการณ์ที่ปรับเปลี่ยนตามผู้ใช้แต่ละรายและเป็นธรรมชาติ โดยไม่กระทบต่อความเป็นส่วนตัวของผู้ใช้หรือเรียกเก็บค่าธรรมเนียมแอบแฝงหรือเพย์วอลล์ จากชุมชน ซึ่งเป็นการเปลี่ยนแปลงกระบวนทัศน์ในวิธีที่เราเข้าถึงข้อมูลอัจฉริยะด้านอีคอมเมิร์ซ"
— Paul Li หัวหน้าวิศวกรของ Yahoo TW Ecommerce
จัดการวงจร AI ในตัว
การผสานรวม AI ในตัวเข้ากับสภาพแวดล้อมฮาร์ดแวร์และซอฟต์แวร์ต้องมีการจัดการสถานะการดาวน์โหลดโมเดลอย่างเหมาะสม เนื่องจากข้อกำหนดของ AI ในตัวและลักษณะการดาวน์โหลดอาจเปลี่ยนแปลง ทีม Yahoo TW Ecommerce จึงสร้างคอมโพเนนต์เว็บเฉพาะเพื่อปรับปรุงการบำรุงรักษา
คอมโพเนนต์ Wrapper นี้มีพร็อพเพอร์ตี้มาตรฐานที่แยกออกจากกัน และจัดการวงจรการดาวน์โหลดของผู้ใช้ทั้งหมด
ทีมจะอัปเดตอินเทอร์เฟซผู้ใช้แบบไดนามิกเพื่อแสดงสถานะที่แน่นอนของโมเดล ซึ่งได้แก่ ไม่พร้อมใช้งาน ดาวน์โหลดได้ กำลังดาวน์โหลด พร้อมใช้งาน โดยสังเกตdata-status
แอตทริบิวต์ของคอมโพเนนต์
การออกแบบนี้ช่วยให้แพลตฟอร์มรักษาความเสถียรของ UI และให้ข้อมูลอัปเดต ได้ทันทีในทุกหน้าโดยไม่ต้องปรับโครงสร้างโค้ดหลักพื้นฐาน
เอาชนะข้อจำกัดของ MPA ด้วยการจัดระเบียบ SharedWorker
ในแอปพลิเคชันแบบหลายหน้า (MPA) โดยทั่วไปแล้วนักพัฒนาซอฟต์แวร์จะใช้เธรดเบื้องหลัง เพื่อรักษาเวิร์กโฟลว์ที่ทำงานเป็นเวลานานซึ่งยังคงอยู่เมื่อมีการนำทางในเว็บไซต์เดียวกัน แม้ว่า API ของ AI ในตัวจะทำงานแบบไม่พร้อมกันโดยค่าเริ่มต้นและไม่ส่งผลเสียต่อการตอบสนองของ UI ในเธรดหลัก แต่การย้าย API เหล่านี้ไปยังเธรดเบื้องหลังจะช่วยป้องกันไม่ให้ระบบสิ้นสุดเซสชันการอนุมานที่ใช้งานอยู่โดยกะทันหันเมื่อผู้ใช้ไปยังหน้าต่างๆ
อย่างไรก็ตาม Prompt API ซึ่งเป็นองค์ประกอบพื้นฐานของ AI ในตัวจะจำกัดไว้ที่บริบทของเอกสารระดับบนสุด เท่านั้น สาเหตุเกิดจากความท้าทายในการระบุแพลตฟอร์มเว็บแบบเปิด กล่าวคือ กรอบนโยบายสิทธิ์ของ W3C เชื่อมโยงกับโครงสร้างเอกสารอย่างแน่นแฟ้น และชุมชนยังคงออกแบบกลไกมาตรฐานเพื่อเผยแพร่ขอบเขตความปลอดภัยเหล่านี้ไปยังรูทของ Worker อิสระ
โซลูชัน: SharedWorker เป็นตัวจัดสรรทรัพยากร
Yahoo TW Ecommerce ใช้ SharedWorker เพื่อประสานงานการประมวลผล AI ในแท็บเบราว์เซอร์ที่มีต้นทางเดียวกันเพื่อจัดการข้อจำกัดของวงจรนี้อย่างปลอดภัยในขณะที่ยังคงเคารพขอบเขตด้านความปลอดภัยที่ผูกกับเอกสาร SharedWorker จะทำหน้าที่เป็น ตัวกลางในการจัดการเหตุการณ์ส่วนกลางแทนที่จะให้การนำทางหน้าเว็บ ยกเลิกการคำนวณ AI ที่ใช้งานอยู่ เมื่อมีการขอการคำนวณ AI ในอุปกรณ์ SharedWorker จะประสานงานในแท็บที่เปิดพร้อมกันของต้นทาง โดยมอบหมายการดำเนินการไปยังบริบทแท็บแบบคู่ขนานซึ่งมีแนวโน้มที่จะเกิดการนำทางที่ใช้งานอยู่น้อยกว่า และประมวลผลพรอมต์จนเสร็จสมบูรณ์โดยไม่หยุดชะงักก่อนเวลาอันควร เมื่อการคำนวณของ AI สิ้นสุดลง ระบบจะแคชผลลัพธ์อย่างปลอดภัยใน Web Storage โดยมี Time To Live (TTL) ที่กำหนดไว้ ทำให้เข้าถึงได้ทันที ในแท็บที่เปิดอยู่ของเว็บไซต์ การออกแบบนี้ช่วยให้มั่นใจได้ว่าการดำเนินการของ AI ในอุปกรณ์จะมีความยืดหยุ่นต่อการเปลี่ยนหน้า ซึ่งจะช่วยเพิ่มประสิทธิภาพและความสอดคล้องตลอดเส้นทางของแอปพลิเคชันแบบหลายหน้า
คุณดูรายละเอียดของวิธีแก้ปัญหาด้านสถาปัตยกรรมเหล่านี้ได้จาก GitHub
ฟีเจอร์เหล่านี้พร้อมใช้งานใน Yahoo拍賣 แล้ว
อนาคตของ AI ฝั่งไคลเอ็นต์
การใช้งาน AI ในตัวของ Yahoo TW Ecommerce แสดงให้เห็นถึงคุณค่าที่แท้จริงของโมเดลในอุปกรณ์ การให้ความสำคัญกับความคุ้มค่าและ ความเป็นส่วนตัวของข้อมูลอย่างเคร่งครัดจะช่วยให้ ปลดล็อกฟีเจอร์อัจฉริยะรอบข้างอันทรงพลังที่ใช้ข้อมูลเข้าสู่ระบบของเบราว์เซอร์ในเครื่องและประวัติผู้ใช้ที่สมบูรณ์ได้อย่างปลอดภัย
เมื่อเราพัฒนาต่อไป บทเรียนที่ได้เรียนรู้จากสถาปัตยกรรมของ Yahoo TW Ecommerce จะเป็นพิมพ์เขียวพื้นฐานสำหรับนักพัฒนาซอฟต์แวร์รายอื่นๆ ที่ต้องการ สร้างประสบการณ์การใช้งาน AI ที่ปลอดภัยและขับเคลื่อนด้วยข้อมูลในพื้นที่บนเว็บ