Resumindo a AVA: escopo da P&D

A AVA é uma assistente por voz autônoma 100% dedicada às empresas de comércio eletrônico, especialmente, a toda comunicação mantida por seus departamentos de atendimento ao cliente — ou seja, produtos (características, preços, especificações, etc.). Perguntas simples, como “disponibilidade do produto”, ou termos como “devoluções”, também são importantes; no entanto, lidar com essas consultas é relativamente fácil e não é um desafio em si. A assistente deve lidar com o conhecimento do produto como um ser humano faria para garantir uma experiência de compra semelhante à que podemos encontrar nas lojas físicas.

Organizar todo esse conhecimento é uma coisa. No entanto, as pessoas perguntam principalmente sobre coisas que não estão listadas na descrição do produto; extraí-lo das descrições, bem como de conversas passadas, é o “x” da questão.

Escopo, Desafios e Marcos de P&D

Além de falar sobre descrição ou conversa com os clientes, a AVA foi criada para ser um produto comercial. O que é ainda mais importante: será um produto vendido no modelo B2B para lojas online de qualquer porte.

Administrar um negócio de comércio eletrônico requer muitas especializações diferentes e experiência prática. É crucial fornecer soluções fáceis de introduzir e manter. Portanto, precisamos automatizar o processo de “construção” da assistente, tanto quanto possível, tendo em mente a qualidade do produto final — uma assistente por voz especializada e dedicada a uma determinada loja. Sendo assim, a AVA será “máquinas de desenvolvimento de máquinas”.

Começaremos desenvolvendo um algoritmo responsável pela criação de um modelo de linguagem adaptado ao e-commerce, trabalhando em corpus textuais consistindo em descrições de produtos retiradas de diversas empresas de e-commerce em diversos setores. É a base para a próxima etapa: algoritmos de PNL, dos quais dois são particularmente interessantes — eles serão o núcleo da plataforma AVA.

gMAP e MAP

O aspecto mais crucial do projeto é adaptar a plataforma às várias lojas e estruturas de dados que podemos encontrar entre elas. Por exemplo, algumas empresas de comércio eletrônico trabalham com dados altamente estruturados (consistindo em uma hierarquia de categorias de produtos); outras não. Além disso, precisamos que as características do produto também sejam estruturadas. Chamamos esta peça de “MAP”: Mapa de Atributos que descreve produtos.

O MAP é o centro da nossa assistente. É um espaço vetorial multidimensional, organizando o conhecimento do assistente sobre os produtos. Cada produto é automaticamente colocado neste espaço, criando um modelo único para cada loja separadamente.

A criação de objetos complexos como o MAP é demorada e requer conhecimento técnico. Simultaneamente, como mencionamos acima, quem trabalha com e-commerce precisa de soluções fáceis de usar, rápidas e confiáveis. Para isso, iremos disponibilizar o “gMAP”: gerador de MAPs.

Ele fornece a simplificação máxima possível do trabalho necessário para criar o MAP, aplicando algoritmos de aprendizado de máquina (machine learning) e interface gráfica para modificações manuais do MAP (aprendizado ativo).

Combustível para a AVA

O gMAP usa dados de três fontes diferentes:

• O plugin da edrone, que rastreia o comportamento dos clientes e passa para a plataforma da edrone;
• A API da plataforma de e-commerce, que é útil para buscar dados do produto, mas nem todas as plataformas fornecem sua API; e
• O feed de produtos, que é amplamente usado no comércio eletrônico como uma lista universal de produtos, usada para diversos fins, especialmente marketing, publicidade e monitoramento de estoque.

O feed de produtos é a fonte mais abrangente de conhecimento do produto. Ele contém o nome do produto, descrição, fotos, nome da categoria, produtor, preço, disponibilidade, envio e outras informações valiosas. A AVA extrairá das conversas todas as informações não incluídas nas descrições dos produtos — disponíveis por meio do plugin da edrone (API).

Arquitetura da AVA

Próximos desafios

No roadmap da AVA, existem marcos não incluídos na descrição acima, também dignos de menção:

• Recomendador de pesquisa — consiste em algoritmos responsáveis por combinar produtos com os requisitos dos clientes e fazer perguntas adicionais, se necessário, para recomendação eficaz de produto (também suportado por filtragem colaborativa e análise de afinidade).
• Protótipo de algoritmo para lidar com atributos universais de produtos específicos de comércio eletrônico — em vários setores de comércio eletrônico, os produtos têm algumas características universais com as quais são descritos; ou seja, o “tamanho” na indústria da moda é um excelente exemplo de tal característica.
• Módulo NLU — capaz de extrair os principais requisitos dos clientes de comércio eletrônico.

Você está interessado em se juntar a nós neste desafio?

O Centro Nacional de Pesquisa e Desenvolvimento — uma agência polonesa de implementação com a missão de apoiar empresas e unidades científicas polonesas no desenvolvimento de suas habilidades para criar e fazer uso de soluções baseadas em resultados de pesquisa —  já nos concedeu 2,5 milhões de dólares para investirmos no projeto da AVA.

Junte-se à nossa equipe de especialistas; no momento, estamos procurando:

• Engenheiros de Processamento de Linguagem Natural
• Engenheiros Sênior de Processamento de Linguagem Natural

Sinta-se à vontade para entrar em contato conosco por meio do canal de sua preferência:

• e-mail: dreamteam@edrone.me
• Telefone: +48 510 044 120