Yahoo TW Ecommerce ซึ่งเป็นบริษัทอีคอมเมิร์ซชั้นนำในไต้หวันและดำเนินงานในรูปแบบกิจการร่วมค้าเชิงกลยุทธ์กับกลุ่มธุรกิจค้าปลีกชั้นนำในตลาดท้องถิ่น ได้ลดเวลาที่ผู้ขายต้องใช้ในการสร้างข้อมูลสินค้าที่แสดงให้เสร็จสมบูรณ์ในแพลตฟอร์ม Yahoo Auction จาก 20 นาทีเหลือเพียง 2 นาที แพลตฟอร์มนี้มีอัตราการคลิกผ่าน (CTR) 3% โดยผสานรวม ฟีเจอร์พื้นฐานของ AI ในอุปกรณ์ที่ให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรกที่สร้างขึ้นในตัวเพื่อขับเคลื่อนผู้ช่วยในการกรอกข้อมูลอัตโนมัติและประสบการณ์ของผู้ใช้ ที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคล
การผสานรวมนี้เป็นประโยชน์ต่อทั้งผู้ซื้อและผู้ขายในมาร์เก็ตเพลส โดยผู้ซื้อจะได้รับฟีเจอร์ที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลซึ่งมีประโยชน์และคำนึงถึงบริบทเพื่อลดความซับซ้อนในการค้นพบ ขณะที่ธุรกิจจะเห็นการมีส่วนร่วมที่สูงขึ้นเมื่อเทียบกับอัลกอริทึมแบ็กเอนด์แบบเดิม สถาปัตยกรรมในอุปกรณ์นี้ช่วยลดภาระด้านการดำเนินงานของผู้ขาย พร้อมทั้งปกป้องข้อมูลผู้ใช้ที่ละเอียดอ่อนในเครื่อง และป้องกันไม่ให้บริษัทและลูกค้าต้องเสียค่าใช้จ่ายในการปรับขนาดระบบคลาวด์ที่เพิ่มขึ้น
เหตุผลที่ Yahoo TW Ecommerce เลือกใช้ AI ในตัว
การตัดสินใจใช้ AI ในตัวในอุปกรณ์ของ Yahoo TW Ecommerce มาจากข้อกำหนดทางธุรกิจหลัก 2 ข้อ ได้แก่
- ความเป็นส่วนตัวของข้อมูล: การใช้ประวัติการโต้ตอบในเว็บไซต์ของข้อมูลจากบุคคลที่หนึ่งของผู้ใช้และข้อมูลเซสชันที่ผ่านการตรวจสอบสิทธิ์ รวมถึงการเรียกใช้โมเดลในเครื่อง จะทำให้ข้อมูลที่ละเอียดอ่อนของผู้ใช้ไม่ถูกส่งออกจากอุปกรณ์
- การทำให้การใช้ AI คุ้มค่าใช้จ่าย: ค่าใช้จ่ายของโครงสร้างพื้นฐาน AI ที่โฮสต์ในระบบคลาวด์จะเพิ่มขึ้นตามปริมาณการเข้าชมของผู้ใช้ ซึ่งมักจะทำให้แพลตฟอร์มดิจิทัลต้องจำกัดการเข้าถึงเครื่องมือขั้นสูงและประสบการณ์ที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลไว้เบื้องหลังการสมัครใช้บริการแบบพรีเมียมหรือค่าธรรมเนียมการทำธุรกรรมของผู้ขายที่เพิ่มขึ้น การเปลี่ยนไปใช้การอนุมานในอุปกรณ์จะช่วยลดค่าใช้จ่ายในการดำเนินงานแบ็กเอนด์ที่เพิ่มขึ้นนี้ สถาปัตยกรรมที่ยั่งยืนนี้ช่วยให้ Yahoo TW Ecommerce สามารถทำให้ความสามารถที่ตอบสนองได้ดีและปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลเป็นเรื่องง่ายสำหรับผู้ขายและผู้ซื้อทุกคนในมาร์เก็ตเพลส โดยไม่มีเพย์วอลล์แบบพรีเมียมหรือค่าธรรมเนียมระบบนิเวศที่ส่งต่อมา
ประโยชน์ของ AI ในตัวมีผลอย่างยิ่งต่อกรณีของ Yahoo Auction เนื่องจากช่วยให้เกิด Ambient Intelligence ซึ่งหมายถึงความช่วยเหลือที่คำนึงถึงบริบทและเป็นประโยชน์ ซึ่งประมวลผลและแสดงผลในเครื่องเมื่อผู้ใช้ต้องการ เนื่องจากเบราว์เซอร์ประมวลผลข้อมูลฝั่งไคลเอ็นต์ จึงสามารถให้ความช่วยเหลืออัจฉริยะเหล่านี้ได้อย่างปลอดภัยโดยไม่ต้องส่งบันทึกการโต้ตอบที่ละเอียดอ่อนไปยังเซิร์ฟเวอร์ภายนอก
9 วิธีที่ AI ในตัวช่วยขับเคลื่อน Yahoo Auction
Yahoo TW Ecommerce ได้ใช้ AI ในตัวเพื่อสร้าง Use Case ที่แตกต่างกัน 9 กรณี ซึ่งครอบคลุม Ambient Intelligence, การจัดการเนื้อหา และการสนับสนุนการช็อปปิ้ง
การสร้างและการจัดการเนื้อหา
ผู้ช่วยในการกรอกข้อมูลสำหรับผู้ขาย: ช่วยให้ผู้ขายสร้างคำอธิบายผลิตภัณฑ์ที่น่าสนใจและถูกต้องได้อย่างรวดเร็ว เมื่ออัปโหลดรูปภาพผลิตภัณฑ์เพียงรูปเดียว ผู้ช่วยที่ขับเคลื่อนด้วย AI ของ Yahoo Auction จะแนะนำหมวดหมู่สินค้าที่เกี่ยวข้อง ชื่อแบบร่าง รายละเอียด แฮชแท็ก และราคาที่แนะนำภายใน 20 วินาทีเพื่อให้ผู้ขายตรวจสอบ แบบร่างนี้เป็นข้อมูลพื้นฐานที่เป็นประโยชน์สำหรับผู้ขาย ซึ่งช่วยลดเวลาเฉลี่ยในการกรอกข้อมูลจาก 20 นาทีเหลือ 2 นาที
รูปภาพต่อไปนี้มีข้อความที่แปลด้วย AI
ผู้ช่วยในการเขียนรีวิวสำหรับผู้ซื้อ: ช่วยผู้ซื้อด้วยคำแนะนำการแสดงออกที่เขียนได้ดีและคำนึงถึงบริบทอย่างมาก เพื่อช่วยจัดโครงสร้างและอธิบายประสบการณ์ของผู้ใช้ได้ดียิ่งขึ้นโดยอิงตามคะแนนและความรู้สึกที่ผู้ใช้เลือก
Ambient Intelligence
ในบริบทนี้ Ambient Intelligence หมายถึงความช่วยเหลือเชิงรุกที่คำนึงถึงบริบทซึ่งเข้ากันได้ดีกับประสบการณ์การท่องเว็บของผู้ใช้
Yahoo TW Ecommerce ได้ใช้ Ambient Intelligence สำหรับผู้ใช้ดังนี้
แคร์เซลคำแนะนำผลิตภัณฑ์ที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคล: วิเคราะห์ประวัติการซื้อล่าสุดของผู้ใช้ที่เข้าสู่ระบบเพื่อแนะนำผลิตภัณฑ์ที่มีความเกี่ยวข้องสูงซึ่งช่วยเสริมการซื้อของผู้ใช้ และเพิ่มอัตรา Conversion
การค้นหาและการแนะนำเชิงคาดการณ์: ปรับคำแนะนำผลิตภัณฑ์และคีย์เวิร์ดการค้นหาให้เหมาะกับผู้ใช้ที่เข้าสู่ระบบโดยอิงตามเซสชันที่ใช้งานอยู่ของผู้ใช้ การประมวลผลฝั่งไคลเอ็นต์จะคาดการณ์และแนะนำคีย์เวิร์ดการค้นหาที่เป็นประโยชน์เพื่อลดความซับซ้อนของกระบวนการค้นพบในเส้นทางของลูกค้า โดยอ้างอิงบริบทในเครื่อง เช่น การค้นหาล่าสุดของผู้ใช้ในเว็บไซต์และความต้องการในการท่องเว็บเฉพาะเว็บไซต์
การสนับสนุนการช็อปปิ้ง
การสรุปผลิตภัณฑ์: สรุปหน้ารายละเอียดผลิตภัณฑ์ที่ยาวให้เป็นไฮไลต์ที่เข้าใจง่ายในคำไม่เกิน 100 คำ
การสรุปรีวิวโดยใช้อีโมจิ: รวบรวมความคิดเห็นของลูกค้าให้เป็นภาพรวมที่กระชับโดยใช้อีโมจิที่เป็นตัวแทน
การใช้คะแนนสะสม: ระบุคะแนนสะสมของผู้ใช้ที่เข้าสู่ระบบและแนะนำสินค้าที่ซื้อได้ด้วยคะแนนที่กำลังจะหมดอายุ (หรือการชำระเงินเพิ่มเติมจำนวนเล็กน้อย) จากนั้นใช้การอนุมานในเครื่องเพื่อจัดอันดับและเลือกรายการที่ตรงกันมากที่สุดโดยอิงตามความสนใจที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลของผู้ใช้
คำแนะนำไลฟ์สไตล์: แสดงแรงบันดาลใจในการจัดสไตล์หรือคำแนะนำในการตกแต่งบ้านที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลโดยอิงตามหมวดหมู่สินค้าที่ผู้ใช้กำลังดู
แชทบ็อตผู้ช่วยในการช็อปปิ้ง: มีแชทบ็อตแบบโต้ตอบในอุปกรณ์เพื่อตอบคำถามของผู้ซื้อทันทีโดยใช้ข้อความภาษาธรรมชาติหรือการป้อนข้อมูลด้วยเสียง โมเดลในอุปกรณ์จะวิเคราะห์การสนทนาเพื่อดูความตั้งใจในการซื้อ โดยอนุมานและจัดรายการผลิตภัณฑ์ที่สอดคล้องกับความสนใจของผู้ใช้อย่างชาญฉลาด
ผลกระทบทางธุรกิจที่เกิดขึ้นจริง
นับตั้งแต่เปิดตัวฟีเจอร์เหล่านี้ในสภาพแวดล้อมจริงเมื่อปลายปี 2025 Yahoo TW Ecommerce ได้ติดตามเหตุการณ์สำคัญด้านการมีส่วนร่วมโดยใช้ Google Analytics ดังนี้
- ประสิทธิภาพเพิ่มขึ้นอย่างมาก: ผู้ช่วยในการสร้างข้อมูลสินค้าที่แสดงสำหรับผู้ขายช่วยลดเวลาเฉลี่ยที่ต้องใช้ในการสร้างข้อมูลสินค้าที่แสดงให้เสร็จสมบูรณ์ 90% จาก 20 นาทีเหลือเพียง 2 นาที
- การมีส่วนร่วมอย่างลึกซึ้ง: แพลตฟอร์มนี้สร้างเหตุการณ์การโต้ตอบทั้งหมดกว่า 1 ล้านรายการจากผู้ใช้ที่ไม่ซ้ำกันกว่า 100,000 ราย ซึ่งแสดงให้เห็นถึงความสนใจและการใช้งานของผู้ใช้ในระดับสูง โดยยืนยันว่าผู้ใช้กำลังสำรวจและใช้เครื่องมือ AI ใหม่ๆ อย่างจริงจัง
- การโต้ตอบที่มีคุณภาพสูง: โมดูล "Ambient Intelligence" ใหม่มีอัตราการคลิกผ่าน (CTR) เกือบ 3% เทียบกับ CTR 1.3% ถึง 1.8% ในคำแนะนำผลิตภัณฑ์แบบเดิมที่อิงตามอัลกอริทึมมาตรฐานหรือการจัดโดยทีมบรรณาธิการด้วยตนเอง เนื่องจากคำแนะนำที่ขับเคลื่อนด้วย AI จะปรากฏในเลย์เอาต์แคร์เซลมาตรฐานที่มีอยู่ของเว็บไซต์โดยตรง ทีมจึงไม่ต้องปรับโครงสร้างส่วนหน้าใหม่ซึ่งมีค่าใช้จ่ายสูง การติดตั้งใช้งานที่ราบรื่นนี้ช่วยลดค่าใช้จ่ายด้านวิศวกรรม ขณะที่การเปรียบเทียบประสิทธิภาพโดยตรงแสดงให้เห็นว่า AI ในอุปกรณ์พื้นฐานจะแสดงคำแนะนำที่เกี่ยวข้องสูงและมี Conversion สูง
เจาะลึก Ambient Intelligence
ในบรรดา Use Case ทั้ง 9 กรณี การใช้ Ambient Intelligence ถือเป็นตัวอย่างที่สำคัญที่แสดงให้เห็นถึงสิ่งที่ทำให้ AI ในอุปกรณ์มีประสิทธิภาพอย่างโดดเด่น โมดูล Ambient Intelligence ของ Yahoo Auction ช่วยลดความซับซ้อนของเส้นทางของผู้ใช้ โดยทำหน้าที่เป็นผู้ช่วยที่เป็นประโยชน์ในอุปกรณ์ ซึ่งให้คำแนะนำแบบเรียลไทม์ที่คำนึงถึงบริบทในเวลาที่ผู้ใช้ต้องการมากที่สุด
รักษาความปลอดภัยของข้อมูลและลดค่าใช้จ่ายระบบคลาวด์ด้วยสถาปัตยกรรมในเครื่อง
การสร้างคำแนะนำที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลในระดับนี้ต้องมีการวิเคราะห์ข้อมูลผู้ใช้ที่ละเอียดอ่อน Yahoo Auction ใช้ข้อมูลตามบริบทที่สมบูรณ์ของผู้ใช้ เช่น ประวัติการซื้อ คีย์เวิร์ดการค้นหา และความต้องการในการท่องเว็บจากพื้นที่เก็บข้อมูลในเครื่อง การส่งข้อมูลส่วนบุคคลจำนวนมากนี้ไปยังเซิร์ฟเวอร์ระบบคลาวด์จะทำให้เกิดเวลาในการตอบสนองที่ยาวนานและความเสี่ยงด้านความเป็นส่วนตัวอย่างมาก
Yahoo TW Ecommerce แก้ปัญหานี้โดยใช้สถาปัตยกรรมในเครื่อง โมเดล AI ในเครื่องจะประมวลผลทุกอย่างฝั่งไคลเอ็นต์โดยใช้ข้อมูลเซสชันและพื้นที่เก็บข้อมูลในเครื่อง ซึ่งช่วยให้มั่นใจได้ว่าจะไม่มีการเปิดเผยข้อมูลส่วนบุคคลต่อภายนอก โดยพิสูจน์ให้เห็นว่าระบบอัจฉริยะเชิงรุกที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคลอย่างลึกซึ้งเหมาะอย่างยิ่งสำหรับ AI ในเครื่อง
"AI ในตัวช่วยให้เรามอบประสบการณ์ Ambient ที่ปรับเปลี่ยนให้เหมาะกับแต่ละบุคคล โดยไม่กระทบต่อความเป็นส่วนตัวของผู้ใช้หรือเพิ่มค่าธรรมเนียมแอบแฝงหรือเพย์วอลล์ให้กับชุมชนของเรา ซึ่งเป็นการเปลี่ยนกระบวนทัศน์ในการเข้าถึงระบบอัจฉริยะด้านอีคอมเมิร์ซ"
— Paul Li, หัวหน้าวิศวกร, Yahoo TW Ecommerce
จัดการวงจรของ AI ในตัว
การผสานรวม AI ในตัวเข้ากับสภาพแวดล้อมฮาร์ดแวร์และซอฟต์แวร์ต้องมีการจัดการสถานะการดาวน์โหลดโมเดลอย่างเหมาะสม เนื่องจากข้อกำหนดและลักษณะการดาวน์โหลด ของ AI ในตัวอาจมีการเปลี่ยนแปลง ทีม Yahoo TW Ecommerce จึงสร้างคอมโพเนนต์ เว็บเฉพาะเพื่อลดความซับซ้อนในการบำรุงรักษา
คอมโพเนนต์ Wrapper นี้มีพร็อพเพอร์ตี้มาตรฐานที่แยกออกจากกันและจัดการวงจรการดาวน์โหลดของผู้ใช้ทั้งหมด ทีมจะอัปเดตอินเทอร์เฟซผู้ใช้แบบไดนามิกเพื่อแสดงสถานะที่แน่นอนของโมเดล ได้แก่ ไม่พร้อมใช้งาน ดาวน์โหลดได้ กำลังดาวน์โหลด
พร้อมใช้งาน โดยสังเกตdata-status
แอตทริบิวต์ของคอมโพเนนต์
การออกแบบนี้ช่วยให้แพลตฟอร์มรักษาความเสถียรของ UI และแสดงการอัปเดตในหน้าต่างๆ ได้ทันทีโดยไม่ต้องปรับโครงสร้างโค้ดหลักพื้นฐานใหม่
เอาชนะข้อจำกัดของ MPA ด้วยการจัดระเบียบ SharedWorker
ในแอปพลิเคชันแบบหลายหน้า (MPA) นักพัฒนาซอฟต์แวร์มักจะใช้เธรดเบื้องหลังเพื่อรักษางานที่ใช้เวลานานซึ่งยังคงทำงานอยู่แม้จะมีการไปยังส่วนต่างๆ ในเว็บไซต์เดียวกัน แม้ว่า API ของ AI ในตัวจะเป็นแบบอะซิงโครนัสโดยกำเนิดและไม่ส่งผลเสียต่อการตอบสนองของ UI ในเธรดหลัก แต่การย้าย API เหล่านี้ไปยังเธรดเบื้องหลังจะช่วยป้องกันไม่ให้เซสชันการอนุมานที่ใช้งานอยู่ถูกยกเลิกอย่างกะทันหันเมื่อผู้ใช้ไปยังหน้าต่างๆ
อย่างไรก็ตาม ฟีเจอร์พื้นฐานของ AI ในตัว เช่น Prompt API จะ จำกัดอยู่เฉพาะบริบทของเอกสารระดับบนสุด ซึ่งเป็นผลมาจากความท้าทายด้านข้อกำหนดของแพลตฟอร์มเว็บแบบเปิด โดยเฟรมเวิร์กนโยบายสิทธิ์ของ W3C เชื่อมโยงกับแผนผังเอกสารอย่างแยกไม่ออก และชุมชนยังคงออกแบบกลไกมาตรฐานเพื่อเผยแพร่ขอบเขตความปลอดภัยเหล่านี้ไปยังรากของ Worker ที่เป็นอิสระ
โซลูชัน: SharedWorker เป็นตัวจัดระเบียบทรัพยากร
Yahoo TW Ecommerce ใช้ SharedWorker เพื่อประสานงานการประมวลผล AI ในแท็บเบราว์เซอร์ที่มีต้นทางเดียวกัน เพื่อให้สามารถจัดการข้อจำกัดด้านวงจรเหล่านี้ได้อย่างปลอดภัยพร้อมทั้งคำนึงถึงขอบเขตความปลอดภัยที่ผูกกับเอกสาร SharedWorker จะทำหน้าที่เป็นตัวกลางเหตุการณ์แบบรวมศูนย์แทนที่จะให้การนำทางหน้าเว็บยกเลิกการประมวลผล AI ที่ใช้งานอยู่ เมื่อมีการขอการประมวลผล AI ในอุปกรณ์ SharedWorker จะประสานงานในแท็บที่เปิดอยู่พร้อมกันของต้นทาง โดยมอบหมายการดำเนินการไปยังบริบทแท็บแบบขนานซึ่งมีแนวโน้มที่จะมีการไปยังส่วนต่างๆ น้อยกว่า และประมวลผลพรอมต์จนเสร็จสมบูรณ์โดยไม่หยุดชะงักก่อนเวลา เมื่อการประมวลผล AI สิ้นสุดลง ระบบจะแคชผลลัพธ์อย่างปลอดภัยในพื้นที่เก็บข้อมูลเว็บโดยมีเวลาใช้งาน (TTL) ที่กำหนดไว้ ซึ่งทำให้เข้าถึงได้ทันทีในแท็บที่เปิดอยู่ของเว็บไซต์ การออกแบบนี้ช่วยให้การดำเนินการ AI ในอุปกรณ์มีความยืดหยุ่นต่อการเปลี่ยนหน้า ซึ่งจะเพิ่มประสิทธิภาพและความสอดคล้องกันตลอดเส้นทางของแอปพลิเคชันแบบหลายหน้า
คุณดูรายละเอียดของวิธีแก้ปัญหาด้านสถาปัตยกรรมเหล่านี้ได้จาก GitHub ดังนี้
ฟีเจอร์เหล่านี้พร้อมใช้งานใน Yahoo拍賣
อนาคตของ AI ฝั่งไคลเอ็นต์
การใช้ AI ในตัวของ Yahoo TW Ecommerce แสดงให้เห็นถึงคุณค่าที่ใช้งานได้จริงของโมเดลในอุปกรณ์ การให้ความสำคัญกับความคุ้มค่าใช้จ่ายและความเป็นส่วนตัวของข้อมูลอย่างเข้มงวดช่วยให้บริษัทสามารถปลดล็อกฟีเจอร์ Ambient Intelligence ที่มีประสิทธิภาพซึ่งใช้ข้อมูลเข้าสู่ระบบของเบราว์เซอร์ในเครื่องและประวัติผู้ใช้ที่สมบูรณ์ได้อย่างปลอดภัย
เมื่อเราพัฒนาต่อไป บทเรียนที่ได้เรียนรู้จากสถาปัตยกรรมของ Yahoo TW Ecommerce จะเป็นพิมพ์เขียวพื้นฐานสำหรับนักพัฒนาซอฟต์แวร์รายอื่นๆ ที่ต้องการสร้างประสบการณ์การใช้งาน AI ที่ปลอดภัยและขับเคลื่อนด้วยข้อมูลในเครื่องบนเว็บ