MongoDBとTogether AIを使用して製品のオンボーディングを高速化し、多言語の製品説明を作成するための生成系AI対応ソリューションを提供します。
業種: 小売
製品: MongoDB Atlas、Document Model、MongoDB Node.js ドライバー
パートナー: Together AI
ソリューション概要
このソリューションでは、AIビジュアル モデルを使用して画像を処理し、画像の正確かつ強制的な説明を生成する生成系AIベースのアーキテクチャをビルドできます。MongoDB Atlas は運用データレイヤーとして機能し、柔軟なデータモデルを活用して新しい説明を追加するたびに増やすし、効率的なデータ管理とスケーラビリティ を確保します。
このソリューションは、小売業界で特に価値が高くなります。新しい製品を小売業者のカタログにオンボードするプロセスでは、特に複数の言語やさまざまなターゲット層に向けて製品の説明を作成する場合、時間がかかる場合があります。このソリューションは、生成系AIによって初期コンテンツ作成を自動化することで、ワークフローを効率化し、各製品の説明に確実な基礎を提供し、最終的に製品化までの時間を短縮し、カタログ UX ライティングの整合性を向上させます。
高品質な説明の重要性
ビジネス ダッシャー は、「製品の説明が不十分または不完全である場合、70% のユーザーが製品ページを離れる」と記載しています。
製品説明は、カスタマー ジャーニーにおいて重要な役割を果たします。買い物客は、購入の決定を行う際にそういった説明を利用します。説明が不十分または欠けている場合、企業は潜在的な収益を失い、顧客を苛立たせるリスクがあります。
ビジネス ダッシャーによると、「オンライン87 ショップの % が、購入を決定する際に製品の説明が重要であると判断している」ため、ユーザーンゲージメントと満足度が向上します。一方、不正確な説明があると、収益が失われる可能性があり、AX セマンティクスによると「製品コンテンツが不十分なため、ユーザーの 40% がオンライン購入を返した」としてカスタマーベースと信頼が拒否される可能性があります。
従来の製品の説明の挑戦
高品質の説明を作成するには、多数の詳細と慎重な考慮事項が必要です。いくつかの挑戦には、次のようなものがあります。
魅力的な説明を作成する：適切に記述された製品の説明は、ターゲットのニーズと希望に対処すると同時に、ビジネスのUXライティング戦略とブランドIDに一致するコンシステントなトーンを維持します。
SEO 最適化: オーガニックトラフィックを増やし、検索エンジンのランキングを向上させるための、SEO に最適化された製品説明を作成します。
多言語の複雑さ: 多言語のポータルや複数の稼働地域を持つ小売業者の複雑さが増す。
コンテンツ承認の遅延: 説明を記述した後でも、引き続き書き込み (write)承認プロセスが必要になるため、販売までの時間が遅延します。
参照アーキテクチャ
このアーキテクチャには、3 つの重要なコンポーネントがあります。
MongoDB Atlas：クラウド上でデータをマネージドする汎用データプラットフォーム。MongoDB document modelは、複雑さを導入することなく、説明（つまり複数言語の翻訳）を追加することで、製品を簡単に増やすことができます。
オブジェクト ストレージ： 製品イメージファイルのストレージと取得のための効果的なシステム。これは、Google Cloud ストレージ、 Azure Blob Storage、またはAWS S3 でビルドできます。
一緒にAI: さまざまな生成系AIサービスを提供し、数行のコードで主要オープンソースモデルの実行や微調整を簡単にします。このソリューションは、利用可能な視覚 LMを使用して製品の説明を生成します。
次の図は、このソリューションのアーキテクチャを示しています。
図 1. 製品説明向け生成系 AI アーキテクチャ
このアーキテクチャには、次のデータフローがあります。
1。製品の取り込み
ソリューションは、ユーザー/イベントラベルの付いた図の左側で開始されます。ノート PC のアイコンは Product 説明 ジェネレーター システムを表します。まず、新しい製品を受け取ります。これを手動または 自動イベントを通じて一括で追加します。
2。リクエストの説明
次に、関連する AI のエンドポイントとなる接続されたデバイスにクエリを送信して説明を生成し、コンピューター視覚と自然言語プロセシング（NLP）を組み合わせた視覚モデルを利用して、テキストと合わせて画像をプロセシングし、理解します。リクエストには、イメージURL、説明の長さ、使用される視覚モデル、説明の言語が含まれます。
3。説明の生成
AI は、Llama3 視覚モデルを使用して画像をスキャンし、指定された要件に一致する説明を生成し、製品の説明をアプリケーションに返します。
4。ストアの説明
最後に、MongoDBのカタログ内で製品を説明とともにアップサートし、接続されたすべてのシステムでリアルタイムの可用性を確保します。
このアーキテクチャのスケーラビリティを示すために、以下の図をご覧ください。MongoDB Change Streams を統合することにより、カタログをリスニングしているすべてのアプリケーションでリアルタイムの更新が可能になります。例として、ｅコマースポータル、ソーシャル メディア プラットフォーム、およびその他のタッチポイントがあります。
次の図は、リアルタイム統合を伴うこのソリューションのアーキテクチャを示します。
図 2. リアルタイム アプリケーションを備えた製品説明向け生成系 AI アーキテクチャ
ソリューションのビルド
このソリューションでは、 GitHubリポジトリを使用します。
リポジトリの README では、次の手順が詳しく説明されています。
デモデータベースを複製する
Atlas アカウント内でクラスターをプロビジョニングし、提供されたデータ ダンプと単一のmongorestoreコマンドを使用してデモデータベースにデータを入力します。
Together AI アカウントを作成してください
一緒にAIにサインインします。アカウントに移動し、ユーザーキーを検索します。このキーは、プロファイルに移動し、次に設定に移動してAPIキーを選択すると確認できます。このキーは、必要に応じて .envファイルに保存します。
アプリケーションのフロントエンドを設定
GitHubリポジトリをローカル マシンにクローンしてデモ コードを取得し、環境変数を構成して、依存関係をインストールします。最後に、http://localhost:3003 でアプリをローカルに実行する。
キーポイント
高品質な製品説明がビジネスの成功を促進: 高品質な製品説明は、ユーザー エンゲージメントを高め、SEO ランキングを向上させて閲覧数が増加し、顧客がより豊富な情報に基づいた購入決定を行えるようにサポートします。
MongoDBとAIを活用して製品説明を自動化: MongoDB の柔軟でスケーラブルなデータベースと Together AI の利用可能な視覚モデルを組み合わせることで、小売業者はビジネス ニーズに一致するリアルタイムの製品説明の生成を自動化できます。
最新のアーキテクチャでは、製品化までの時間が短縮されます。 AI とオートメーションにより製品のオンボード プロセスを効率化すると、手動の作業が軽減され、承認が高速化されます。製品の説明に生成系AIを使用すると、コンシステントなUXと説明が維持され、製品カタログを展開するための迅速なスケーラビリティが可能になります。
作成者
Angie Guemes, MongoDB
Prashant Juttukonda, MongoDB