GPT‑4o mini ဖြင့် စွမ်းဆောင်ထားသော Zalando Assistant က သုံးစွဲသူအတွေ့အကြုံကို မြှင့်တင်ပေးသည်

Zalando⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် ဥရောပ၏ အကြီးဆုံး အွန်လိုင်း ဖက်ရှင်နှင့် လူနေမှုပုံစံ ပလက်ဖောင်းများထဲမှ တစ်ခုဖြစ်ပြီး နိုင်ငံ 25 နိုင်ငံရှိ ဖောက်သည် သန်း 50 ကျော်ကို ဝန်ဆောင်မှုပေးလျက်ရှိသည်။ အဝတ်အထည်၊ ဖိနပ်နှင့် အလှအပဆိုင်ရာ ထုတ်ကုန်များစွာ ပါဝင်သော catalog အကြီးစားတစ်ခုနှင့်အတူ ကုမ္ပဏီသည် ၎င်း၏ ကမ်းလှမ်းမှုများကို တဖြည်းဖြည်း ချဲ့ထွင်လာခဲ့ပြီး ဖက်ရှင်နှစ်သက်သူများအတွက် အဓိက သွားရောက်ရာနေရာတစ်ခု ဖြစ်လာခဲ့သည်။

Zalando သည် ကိုယ်ပိုင်လိုက်ဖက်သော အကြောင်းအရာအကြံပြုချက်များ ပေးပြီး ထုတ်ကုန်ရှာဖွေမှုကို လွယ်ကူချောမွေ့စေသော AI စွမ်းအားသုံး ကိရိယာဖြစ်သည့် Zalando Assistant ကို ဖန်တီးရန် OpenAI နှင့် ပူးပေါင်းလုပ်ဆောင်ခဲ့သည်။ GPT‑4o mini နှင့် ခိုင်မာသော အကဲဖြတ်မှု framework ကို အသုံးပြုထားသည့် နောက်ဆုံးဗားရှင်းသည် ယခင်ဗားရှင်းနှင့် နှိုင်းယှဉ်လျှင် အောက်ပါရလဒ်များကို ပေးအပ်ခဲ့သည်-

• ထုတ်ကုန်နှိပ်ချက် 23% တိုးလာခြင်း
• wishlist ထဲသို့ ထည့်သည့် ထုတ်ကုန် 40% ကျော် တိုးလာခြင်း
• ဒေသခံဘာသာစကားများပါဝင်သော ဈေးကွက် 25 ခုအထိ အသုံးပြုနိုင်မှုကို ချဲ့ထွင်နိုင်ခြင်း

Zalando Assistant ၏ ပထမဗားရှင်းကို 2023 ခုနှစ်တွင် ဂျာမန်နှင့် အင်္ဂလိပ်စကားပြော ဈေးကွက် 4 ခုတွင် စတင်မိတ်ဆက်ခဲ့သည်။ ယင်း၏အောင်မြင်မှုကို အခြေခံ၍ Zalando အဖွဲ့သည် 2024 ခုနှစ်တွင် Assistant ကို ဈေးကွက် 20 ကျော်အထိ ချဲ့ထွင်ရန် ရည်မှန်းချက်ထားခဲ့သည်။

ယင်းအတွက် Assistant ၏ ကိုယ်ပိုင်လိုက်ဖက်အောင်ပြုလုပ်နိုင်စွမ်းများကို ပိုမိုကောင်းမွန်အောင်လုပ်ပြီး အရွယ်ချဲ့တိုးချဲ့နိုင်ရန် လိုအပ်ခဲ့သည်။ ဥရောပတစ်ဝန်းရှိ ဈေးကွက်များကို ဝန်ဆောင်မှုပေးရန် အဖွဲ့သည် ဘာသာစကား 20 ကျော်တွင် ကောင်းစွာလုပ်ဆောင်နိုင်သော AI ဖြေရှင်းချက်တစ်ခု လိုအပ်ခဲ့သည်။

ထို့ပြင် Assistant သည် အသေးစိတ်ကွဲပြားသော ညွှန်ကြားချက်များကိုလည်း လိုက်နာနိုင်ရမည် ဖြစ်သည်။ Assistant ၏ ပထမဗားရှင်းကို စွမ်းဆောင်ပေးခဲ့သော GPT‑3.5 သည် ညွှန်ကြားချက်လိုက်နာရသော လုပ်ငန်းများအတွက် အကောင်းဆုံးမဟုတ်ခဲ့ပါ။ ဥပမာအားဖြင့် သုံးစွဲသူများက ရာသီအလိုက် အဝတ်အစားများ သို့မဟုတ် ပွဲအခမ်းအနားအလိုက် ဝတ်စုံများကို မေးသောအခါ ရလဒ်များမှာ မကြာခဏ အလွန်ယေဘုယျဆန်နေတတ်သည်။

Zalando နှင့် OpenAI အဖွဲ့များသည် နီးကပ်စွာ ပူးပေါင်းလုပ်ဆောင်ကာ ရင်းနှီးမြှုပ်နှံရန် နယ်ပယ် 2 ခုကို သတ်မှတ်ခဲ့ကြသည်။ ၎င်းတို့မှာ “evals” ဟုခေါ်သော အကဲဖြတ်မှု framework ကို ပိုမိုကောင်းမွန်အောင်လုပ်ခြင်းနှင့် Assistant ကို စွမ်းဆောင်ပေးသော မော်ဒယ်ကို အဆင့်မြှင့်တင်ခြင်းတို့ ဖြစ်သည်။

OpenAI အဖွဲ့၏ အကြံပြုချက်များကို လမ်းညွှန်အဖြစ်ယူကာ Zalando သည် Assistant ကို အကဲဖြတ်ရာတွင် ပိုမိုအသေးစိတ်သော နည်းလမ်းတစ်ရပ်ကို လက်ခံအသုံးပြုခဲ့သည်။ framework အသစ်တွင် routing နှင့် response generation ကဲ့သို့သော စနစ်၏ အစိတ်အပိုင်းတစ်ခုချင်းစီကို သီးခြားစမ်းသပ်ရန် component-specific evaluations များ ပါဝင်ခဲ့သည်။

မော်ဒယ်အကဲဖြတ်မှုကို နောက်ထပ်တိုးတက်စေရန် အဖွဲ့သည် few-shot တုံ့ပြန်ညွှန်ကြားချက်များ၏ အရည်အသွေးနှင့် တိကျမှန်ကန်မှုကို မြှင့်တင်ခဲ့သည်။ Few-shot prompting သည် အရည်အသွေးမြင့် သို့မဟုတ် နိမ့်သော အဆင့်သတ်မှတ်ချက်တစ်ခု မည်သို့ပုံပေါ်သင့်သည်ကို ရှင်းလင်းသော ဥပမာများပြသခြင်းဖြင့် LLM မော်ဒယ်တစ်ခုအား အရည်အသွေးစံနှုန်းများကို ပိုမိုနားလည်စေသည်။

ဥပမာအားဖြင့် အားနည်းသောနှင့် အားကောင်းသော တုံ့ပြန်ချက်များ မည်သို့ပုံစံရှိသည်ကို မော်ဒယ်အား ပြသခြင်းအားဖြင့် ၎င်း၏ output အရည်အသွေးကို အကဲဖြတ်နိုင်စွမ်းနှင့် သုံးစွဲသူမျှော်မှန်းချက်များနှင့် ကိုက်ညီအောင်လုပ်နိုင်စွမ်းကို မြှင့်တင်ခဲ့သည်။

ဤအပ်ဒိတ်များက Zalando အတွက် Assistant ၏ အားသာချက်များနှင့် အားနည်းချက်များအပေါ် လက်တွေ့အသုံးချနိုင်သော သိမြင်ချက်များကို ပေးခဲ့ပြီး တိကျသေချာသော တိုးတက်မှုများ ပြုလုပ်ရန်နှင့် မော်ဒယ်အဆင့်မြှင့်တင်မှုအတွက် ယုံကြည်စိတ်ချစွာ ပြင်ဆင်နိုင်ရန် ကူညီပေးခဲ့သည်။

ပိုမိုကောင်းမွန်သော အကဲဖြတ်မှု framework တစ်ခု အဆင်သင့်ဖြစ်လာပြီးနောက် နောက်တစ်ဆင့်မှာ Assistant ကို GPT‑3.5 မှ GPT‑4o mini သို့ ပြောင်းရွှေ့ခြင်းဖြစ်သည်။ ယင်းမော်ဒယ်သည် ကုန်ကျစရိတ်ပိုမိုထိရောက်ပြီး ဘာသာစကားမျိုးစုံနှင့် ညွှန်ကြားချက်လိုက်နာမှု လုပ်ငန်းများအတွက် ပိုမိုသင့်တော်သည်။

နှစ်ပတ်အတွင်းမှာပင် အဖွဲ့သည် Assistant ၏ traffic 50% ကို မော်ဒယ်အသစ်သို့ ပြောင်းရွှေ့နိုင်ခဲ့ပြီး ကျန်ရှိသည့် ပြောင်းရွှေ့မှုကိုလည်း မကြာမီ ပြီးစီးစေခဲ့သည်။

ဤပြောင်းလဲမှုသည် အရေးပါသော အချိုးအကွေ့တစ်ခု ဖြစ်ခဲ့သည်။ ယခုအခါ Assistant သည် ပြင်သစ်ဘာသာနှင့် စပိန်ဘာသာကဲ့သို့သော ဘာသာစကားအသစ်များတွင် လုပ်ဆောင်နိုင်လာပြီး Zalando သည် ၎င်း၏ ဈေးကွက်များတစ်လျှောက် ဒေသခံနှင့် ယဉ်ကျေးမှုအရ သက်ဆိုင်သော အကြံပြုချက်များကို ပေးနိုင်လာသည်။ မော်ဒယ်သည် latency နှင့် လုပ်ငန်းလည်ပတ်မှုကုန်ကျစရိတ်များကိုလည်း လျှော့ချပေးကာ သုံးစွဲသူအရေအတွက် တိုးလာသည်နှင့်အမျှ အရွယ်ချဲ့နိုင်စွမ်းကို အာမခံပေးသည်။

GPT‑4o mini နှင့် ပိုမိုကောင်းမွန်သော အကဲဖြတ်မှုလုပ်ငန်းစဉ်တို့၏ ပေါင်းစပ်မှုကြောင့် Assistant ၏ ယခင်ဗားရှင်းများနှင့် နှိုင်းယှဉ်လျှင် မျှော်မှန်းထားသည်ထက် ကျော်လွန်သော တိုင်းတာနိုင်သည့် ရလဒ်များ ရရှိခဲ့သည်-

• ထိတွေ့ပါဝင်မှု တိုးတက်ခြင်း: အကြံပြု carousel အတွင်း ထုတ်ကုန်နှိပ်ချက်များ 23% တိုးလာပြီး wishlist ထဲသို့ ထည့်မှုများ 41% တက်လာကာ သုံးစွဲသူအပြန်အလှန်တုံ့ပြန်မှု ပိုမိုအားကောင်းလာကြောင်း ပြသခဲ့သည်။
• အရည်အသွေး feedback: အသုံးပြုသူများက “မအသုံးဝင်” ဟု သတ်မှတ်သော အကြံပြုချက်အရေအတွက် 5% လျော့နည်းသွားခဲ့ပြီး Assistant အသစ်၏ ရွေးချယ်မှုများအပေါ် ကျေနပ်မှု ပိုမိုမြင့်မားလာကြောင်း ထင်ဟပ်စေသည်။
• ပိုမိုကောင်းမွန်သော ကုန်ကျစရိတ်ထိရောက်မှု: GPT‑3.5 မှ GPT‑4o mini သို့ ပြောင်းရွှေ့ခြင်းဖြင့် Zalando သည် Assistant ကို ဈေးကွက်ပိုမိုများသို့ ဖြန့်ကျက်အသုံးပြုကာ traffic ကို 12 ဆအထိ ချဲ့ထွင်နိုင်ခဲ့ပြီး ကုန်ကျစရိတ်ကို သိသိသာသာ မတိုးစေခဲ့ပါ။
• အရွယ်ချဲ့ ဒေသန္တရပြုခြင်း: ယခုအခါ Assistant သည် Zalando ၏ ဈေးကွက် 25 ခုလုံးတွင် ချောမွေ့စွာ လုပ်ဆောင်နိုင်ပြီး ဘာသာစကားမျိုးစုံနှင့် ယဉ်ကျေးမှုဆိုင်ရာ အခြေအနေများကို ပံ့ပိုးပေးသည်။

ဤအောင်မြင်မှုအပေါ် အခြေခံ၍ Zalando သည် Assistant ကို ပိုမိုစကားပြောဆန်သော စွမ်းရည်များဖြင့် ဆက်လက်တိုးတက်စေပြီး “နိုဝင်ဘာလမှာ Barcelona မှာ ကျင်းပမယ့် ဖေဖေရဲ့ 60 နှစ်ပြည့်မွေးနေ့အတွက် ဘာဝတ်သင့်လဲ” ကဲ့သို့ အသေးစိတ်သော မေးခွန်းများကိုလည်း ဖြေနိုင်အောင် လုပ်ဆောင်နေသည်။ ကုမ္ပဏီသည် အရွယ်ချဲ့တိုးချဲ့နေစဉ် ဘာသာစကားနှင့် ယဉ်ကျေးမှု အခြေအနေမျိုးစုံအတွက် Zalando Assistant ကို ဆက်လက် စိတ်ကြိုက်ပြင်ဆင်လျက်ရှိသည်။