详细内容或原文请订阅后点击阅览

Rufus 如何利用 Amazon Bedrock 为数百万亚马逊客户提供对话式购物体验

2025年11月20日 18:13 33 Comments
X Twitter Instagram Mail

我们的亚马逊团队开发了 Rufus，这是一款人工智能驱动的购物助手，可提供智能的对话式体验来取悦我们的客户。今年有超过 2.5 亿客户使用了 Rufus。月度用户同比增长 140%，互动量同比增长 210%。此外，在购物过程中使用 Rufus 的客户 [...]

来源:亚马逊云科技 _机器学习
我们的 Amazon 团队开发了 Rufus，这是一款人工智能驱动的购物助手，可提供智能的对话式体验来取悦我们的客户。今年有超过 2.5 亿客户使用了 Rufus。月度用户同比增长 140%，互动量同比增长 210%。此外，在购物过程中使用 Rufus 的客户完成购买的可能性提高了 60%。为了实现这一目标，我们的团队仔细评估每一个决定，旨在专注于最重要的事情：打造最佳的代理导购体验。通过专注于客户驱动的功能，Rufus 现在变得更智能、更快、更有用。在这篇文章中，我们将分享我们对 Amazon Bedrock 的采用如何加速 Rufus 的发展。构建客户驱动的架构定义明确的用例对于塑造需求和实施至关重要，构建人工智能驱动的购物助手也不例外。对于像 Rufus 这样的购物助理，我们的用例与客户提出的问题类型一致，我们的目标是每一个答案都超出他们的期望。例如，顾客可能想了解有关他们正在考虑购买的鞋子的一些事实，并询问“这些鞋子防水吗？”另一位顾客可能想向 Rufus 寻求建议，并问道：“给我一些适合马拉松跑步的好鞋选择。”这些示例仅代表我们设计 Rufus 通过从客户用例逆向工作来支持的各种问题类型的一小部分。在定义客户用例后，我们在设计 Rufus 时考虑了整个堆栈，以便为客户无缝工作。从最初的版本到后续的迭代，我们收集指标来了解 Rufus 的表现如何，以不断变得更好。这意味着不仅要衡量使用 LLM-as-a-judge 等工具回答问题的准确程度，还要分析延迟、重复客户参与度和每次交互的对话轮数等因素，以更深入地了解 cu
助手 体验 人工智能 支持的 询问 构建 可能性 最初的 购物 专注 了解 后续的 重要的 客户驱动 用例 客户 Rufus 提高 对话 交互的 每一个 Amazon 鞋子 明确的 意味着 问题 最佳的 驱动的 提出的