Кейс автоматизации для маркетплейсов
Автоматизация сопоставления фотографий шевронов с товарными позициями
Задача
Производитель шевронов столкнулся с серьезной проблемой при работе с маркетплейсами. Компания имела обширный ассортимент продукции - тысячи различных шевронов с уникальными характеристиками: цветом, размером, формой, текстом и символикой.
При размещении товаров на маркетплейсах требовалось точно сопоставлять фотографии продукции с соответствующими артикулами (SKU) в каталоге.
Ручное сопоставление занимало значительное время и было подвержено ошибкам. Традиционные системы компьютерного зрения требовали больших инвестиций в разработку и обучение моделей, что не соответствовало бюджетным ограничениям компании.
При размещении товаров на маркетплейсах требовалось точно сопоставлять фотографии продукции с соответствующими артикулами (SKU) в каталоге.
Ручное сопоставление занимало значительное время и было подвержено ошибкам. Традиционные системы компьютерного зрения требовали больших инвестиций в разработку и обучение моделей, что не соответствовало бюджетным ограничениям компании.
Техническое решение
Архитектура системы
Была разработана инновационная система на основе больших языковых моделей (LLM), которая обрабатывает изображения продукции и создает:
- Структурированные параметрические описания - детальные текстовые характеристики каждого шеврона
- Векторные представления - математические модели для быстрого поиска по сходству
Технический стек
- Backend: FastAPI (Python)
- База данных: PostgreSQL с расширением pgvector
- LLM: OpenRouter.io API для обработки изображений
- Векторизация: SentenceTransformer для создания эмбеддингов
- Фронтенд: HTML/JavaScript с Jinja2 шаблонами
Как это работает
Ключевые компоненты
LLMService: Обрабатывает изображения через API больших языковых моделей, генерируя детальные описания продукции в структурированном формате.
VectorService: Преобразует текстовые описания в векторные представления для математического поиска по сходству.
DBService: Управляет хранением данных в PostgreSQL с поддержкой векторных операций через pgvector.
ImportModule: Автоматизирует процесс импорта данных из Excel-файлов и обработки изображений.
Процесс работы
- Импорт данных: Система загружает информацию о продукции из Excel-файлов и соответствующие изображения
- Обработка изображений: LLM анализирует каждое фото и создает подробное описание характеристик шеврона
- Векторизация: Текстовые описания преобразуются в векторные представления
- Индексация: Данные сохраняются в базе с поддержкой быстрого векторного поиска
- Поиск: При загрузке нового изображения система находит наиболее похожие товары
Результаты тестирования
Система была протестирована на реальных данных компании:
- Точность Top-1: 77% - система правильно определяет точное соответствие в 77% случаев
- Общая точность: 95.2% - правильный товар находится в топ-5 результатов в 95.2% случаев
- Скорость обработки: Менее 2 секунд на запрос
- Масштабируемость: Система успешно обрабатывает каталоги с тысячами позиций
Бизнес-эффект
- Экономия времени
- Сокращение времени сопоставления с 5-10 минут до 30 секунд на товар
- Автоматизация 95% процессов сопоставления
- Повышение точности
- Снижение ошибок сопоставления на 80%
- Улучшение качества данных на маркетплейсах
- Снижение затрат
- Использование готовых LLM вместо разработки собственных моделей
- Минимальные требования к вычислительным ресурсам
Особенности реализации
- Гибкость настройки
- Настраиваемые параметры поиска и пороги сходства
- Поддержка различных форматов входных данных
- Возможность дообучения на специфических данных клиента
- Мониторинг и аналитика
- Детальное логирование всех операций поиска
- Статистика точности и производительности
- Инструменты для анализа результатов
- Масштабируемость
- Асинхронная обработка запросов
- Поддержка пакетной обработки данных
- Горизонтальное масштабирование компонентов
Ключевые преимущества
- Экономическая эффективность: Использование готовых LLM значительно снижает стоимость разработки по сравнению с созданием собственных моделей компьютерного зрения
- Быстрое внедрение: Система может быть развернута и настроена за несколько дней
- Высокая точность: Комбинация LLM и векторного поиска обеспечивает точность, сопоставимую с дорогими специализированными решениями
- Универсальность: Подход может быть адаптирован для других типов продукции с визуальными характеристиками
Перспективы развития
- Интеграция с системами управления товарами (PIM)
- Расширение на другие категории продукции
- Добавление функций автоматической категоризации
- Интеграция с API маркетплейсов для автоматической публикации товаров
Найдём решение для вашего бизнеса