據(jù)Coresight Research的研究報告顯示，

服裝在電商網(wǎng)購的平均退貨率高達 24.4%，

相比整體的網(wǎng)購?fù)素浡蔬€高出8%。

另外，

由于消費者在網(wǎng)上購買時，

會選擇不同尺寸、不同顏色的商品，

然后退回不適合自己的包裹，

導(dǎo)致過去2年的在線退貨率比往年有所增長。

亞馬遜為了改善這個問題，

推出了 4項基于生成式人工智能 的功能，

這些功能包括了：

個性化尺碼推薦、合身評論摘要、尺碼表，

以及為賣家設(shè)計的 “Fit Insights”工具。

• 個性化尺碼推薦

亞馬遜通過AI人工智能，

開發(fā)了個性化尺碼推薦的深度算法，

快速地幫助消費者，在各種各樣的尺碼中，

找到最適合自己穿搭的尺碼。

這個功能的原理是，

實時地結(jié)合 品牌的尺碼系統(tǒng)、產(chǎn)品評論，

以及消費者的合身偏好之間的尺碼關(guān)系。

并根據(jù)消費者的需求變化進行調(diào)整，

從而給出最適合的尺寸建議。

此外，

該功能還能根據(jù)消費的定制化需求，

找到最適合自己風(fēng)格的衣服。

需要注意的是，

這項AI功能還有一些不足之處，

如家庭中的父母經(jīng)常為他們的子女購買衣服，

那么，

AI可能會混淆父母與孩子之間的尺碼。

• 合身評論摘要

去年8月份，

亞馬遜推出了一個基于人工智能生成的，

用于展示消費者購物后的評論小卡片擴展。

小卡片展示了一個簡短的摘要內(nèi)容，

詳細記錄了消費者對產(chǎn)品的評論，

點擊后，可以查看產(chǎn)品的關(guān)鍵屬性。

亞馬遜基于大型語言模型

（下文簡稱“LLMs”），

能工從大量的reviews中提取合身服裝的信息，

包括尺寸的準確性，

服裝對身體每個部位的合身性，

以及面料彈力等相關(guān)信息。

然后，

人工智能將根據(jù)消費的購物習(xí)慣，

展示最接近用戶購物的個性化評論。

從而提高購物效率，

因為他們不用一直滑動指尖，

不斷的閱讀大量的賣家秀，

來了解這件衣服是否適合自己。

• 尺碼表

LLMs之所以能夠生成非常準確，

和一致的尺碼表，

是因為它能自動地，

從多個信息源不斷地提取和清理尺碼表信息，

然后將大量的數(shù)據(jù)重新整合，

刪除重復(fù)信息，

并自動矯正缺失或者不正確的測量值。

從而轉(zhuǎn)化為標(biāo)準化尺寸表。

• Fit Insights Tool

這個工具植入了AI智能分析功能，

能夠從reviews中，

提取和總結(jié)消費者對服裝版型、款式，

以及面料的反饋。

并將評論中關(guān)于退貨、尺碼表分析，

等相關(guān)評論聯(lián)系起來。

識別原服裝尺碼表存在的缺陷，

有了這些數(shù)據(jù)，

賣家可以從在線溝通中，

更好的了解消費者對尺寸的需求，

更新尺碼表信息，

并于新批次的設(shè)計和生產(chǎn)中不斷迭代，

以減少產(chǎn)品的退貨率。

據(jù)了解，這幾項功能，

僅僅是亞馬遜使用AI人工智能，

改善賣家優(yōu)化產(chǎn)品，

和消費者購物體驗的一小部分。

早在2023年4月，

亞馬遜就推出了一款名為：

Amazon Bedrock的AI工具，

能夠幫助賣家編輯產(chǎn)品的5點描述，

并增強產(chǎn)品的形象。

據(jù)賣家的使用數(shù)據(jù)反饋，

該功能將產(chǎn)品的點擊率提高40%。

（USD6688導(dǎo)航）