eコマースプラットフォームでは、優れた商品説明は商品を目立たせ、販売を促進します。 優れた商品説明は、正確で読みやすく、顧客のニーズにつながるだけでなく、ブランドや小売業者のサイトのイメージを強化するものでなければなりません。
多くの組織では、少人数のライターチームが商品コピーとも呼ばれる説明 文の作成に取り組んでいます。 ビジネスのニーズによっては、ブランドとの一貫性を保ちながら、消費者の共感を得るために必要なすべての要素をバランスよく配置するまでに、商品コピーは何度も繰り返し進化することがあります。 ファッション業界など、新商品の投入頻度が高い業界では、プラットフォームで販売できるようになるまでに時間がかかります。
生成AIを使用することで、コピーライターは新しい商品説明文の作成に取り掛かることができます。 生成AIは、商品画像から基本的な説明を抽出し、商品に関する情報を組み合わせて、ブランドのニーズに沿ったトーンやスタイルを反映したコピーの草稿を作成するために使用できます。 作家はこれらを出発点として、ゼロから書き始めるよりもずっと、作家のニーズの最終状態に近い原稿を書くことができます。
ベースラインデータからの商品コピー案の作成
商品は多くの場合、サプライヤーやメーカーに関する基本的な詳細、商品の構造、小売業者の一般的な部門やカテゴリーとの整合性などがeコマース・プラットフォームに登録されます。 基本的な説明文も提供されるかもしれませんが、そうでない場合は、製品登録で提供された画像からの説明文を単純な画像からテキストへの変換モデルに送り、その情報を抽出することができます。(図1)
これらの要素は、生成される説明文のスタイルやトーンに関する指示とともに、別の形式の変換モデルである大規模言語モデル(LLM)に供給され、製品説明文のドラフトを作成することができます。 LLMのランダム性を利用し、複数の草稿を作成することができます。 (図2)
このワークフローは、組織内のクリエイティブな機能を強化する生成AIの力を示す優れた例です。 生成されたテキストや、生成されたテキストと最終的なコピーの関連付けに関するライターのフィードバックは、LLMがライターのニーズにより沿った結果を生成できるよう、ファインチューニングと呼ばれるプロセスでLLMにフィードバックされます。 しかし、最終的な結果を作り上げるには、常に人の目と人の手が必要です。
Databricksデータインテリジェンスプラットフォームによるワークフローの実現
上記のプロセスでは、多くの能力を結集する必要があります。 ワークフローは基本的に、構造化された情報と非構造化情報(画像データな ど)の組み合わせに依存するため、多様なデータを柔軟に扱うことができるプラットフォームへのアクセスが必要です。
さらに、プラットフォームは、これらのデータを2つの異なる生成AIモデルでまとめ、さまざまなユーザーインターフェイスを通じてエンドユーザーにデータを提供する前に、継続的なプロセスの一環として、これらのモデルによるデータ処理をオーケストレーションできなければなりません。 ありがたいことに、これらの機能はすべてDatabricks データインテリジェンスプラットフォームという1つのプラットフォームで実現できます。
Databricks は、レイクハウス・アーキテクチャの基盤となるオープンソースのストレージおよびアクセスフォーマットである Delta Lake 上に構築されており、組織がその環境で扱う可能性のあるあらゆる種類のデータを扱う能力を提供します。 インタラクティブなクエリ、バッチおよびリアルタイムのワークフローを通じて、このデータは、組織の要件に応じてさまざまなモードで処理できます。
オープンプラットフォームであるDatabricksは、オープンソースおよび商用の生成AIモデルを幅広く採用することができます。 新しいFoundation Model APIにより、最も人気のあるこれらのAPIの多くが、低コストかつ最小限の構成で容易に利用できるようになりました。
また、Databricksを通じて可能になったワークフローの出力をエンドユーザーに提供するために、このプラットフォームは一般的なユーザーインターフェースパッケージやプラットフォームとの幅広い統合をサポートしています。 Databricksを利用することで、組織は、どのように構築するかではなく、何を構築したいかに集中することができます。
上記のワークフローをDatabricksで構築したエンドツーエンドの例をご覧になりたいですか? Databricksのデータインテリジェンスプラットフォームの機能を使用し、生成AIを使用して商品コピーを作成するための重要な側面をすべて示しています。