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

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