КАК ЗА 5 СЕКУНД НАЙТИ ВСЕ ПОХОЖИЕ ИЗОБРАЖЕНИЯ
ИИ-кейс патентного бюро, который пригодится Ecommerce
RETAIL / ECOMMERCE
Вам будет особенно полезно, если:
У вас сотни тысяч изображений — например, в каталоге маркетплейса.
Покупатели тратят много времени на поиск нужного товара, перебирая категории и подкатегории — из-за этого конверсия в продажу ниже, чем у небольших магазинов.
Нет идей, как еще улучшить UX/UI сайта, чтобы покупатели за 5 секунд находили свою идеальную куртку, кровать, люстру, обои или машину.
Заказчик
«Интэлс» — крупное патентное бюро, занимается регистрацией и защитой объектов интеллектуальной собственности: товарных знаков, изобретений, промышленных образцов и компьютерных программ.
Работает с 1988 года в России и за рубежом. За это время бюро создало информационную базу из более чем 1,5 млн товарных знаков.
Работает с 1988 года в России и за рубежом. За это время бюро создало информационную базу из более чем 1,5 млн товарных знаков.
1988
начало работы бюро
≈ 1,5 млн
товарных знаков
в базе
в базе
16 500+
клиентов
35 000+
товарных знаков зарегистрировали
Ситуация
Патентоведы занимаются регистрацией товарных знаков. Один из важных этапов работы — поиск тождественных логотипов в базе: если такие найдутся, клиенту скорее всего откажут в регистрации и помогут придумать другой логотип. А если случайно пропустить очень похожий логотип в базе, клиент может получить иск за плагиат, материальный ущерб и удар по репутации. Ошибка патентоведа стоит дорого.
Поэтому раньше каждый патентовед почти месяц вручную искал совпадения по базе для одного клиента и готовил отчет, куда включал до 100 изображений. Такая трудоемкость сказывалась на стоимости услуг бюро, при этом все равно был риск проглядеть похожие изображения.
Потом поиск автоматизировали — подрядчик сделал систему, которая выдавала результат меньше чем за минуту.
Поэтому раньше каждый патентовед почти месяц вручную искал совпадения по базе для одного клиента и готовил отчет, куда включал до 100 изображений. Такая трудоемкость сказывалась на стоимости услуг бюро, при этом все равно был риск проглядеть похожие изображения.
Потом поиск автоматизировали — подрядчик сделал систему, которая выдавала результат меньше чем за минуту.
Поиск по базе взяли на себя алгоритмы машинного обучения (сайт «Интэлса»)
В процессе выяснилось:
1
В отчете системы было до 3000 изображений — это лучше, чем 1,5 млн, но среди них много неактуальных.
2
Система не находила 50% похожих изображений. Из-за этого — низкий уровень доверия к ней.
3
Подрядчик пропал, доступа к коду нет. Непонятно, как развивать систему и дообучать модель — это обязательно надо делать, когда количество изображений в базе увеличивается на 10%.
Задача
Нужен надежный IT-партнер, который поставит новую систему распознавания изображений и будет развивать ее при необходимости.
Модель должна выдавать минимальное количество максимально похожих изображений, чтобы не отвлекать патентоведа на рутину.
Модель должна выдавать минимальное количество максимально похожих изображений, чтобы не отвлекать патентоведа на рутину.
Несколько секунд на один поиск и возможность одновременно искать изображения для нескольких клиентов.
Точность — не ниже 80% (это высокий показатель для подобных задач).
Система должна быть устойчива к искажениям изображений: её нельзя обмануть, если повернуть или отзеркалить логотип.
Решение
Как вариант — применить модели ИИ от известных поисковиков, обучающиеся на миллиардах изображений. Но они выдают много «шумовых» изображений, придется их долго перебирать вручную.
В итоге остановились на разработке от российской компании EORA, которая создает диалоговые системы (чат-боты) с высокой точностью распознавания, а также решения с OCR — то, что нам нужно. Сейчас их продукт для распознавания и сравнения изображений называется EORA MAGE.
В итоге остановились на разработке от российской компании EORA, которая создает диалоговые системы (чат-боты) с высокой точностью распознавания, а также решения с OCR — то, что нам нужно. Сейчас их продукт для распознавания и сравнения изображений называется EORA MAGE.
Система определит, что логотип этого турецкого магазина очень напоминает товарный знак известной немецкой сети супермаркетов-дискаунтеров Lidl
Система монетизируется за счет оплаты каждого обращения к API: чем их больше, тем дешевле — от 20 копеек до 1 рубля за обращение.
Внедрение занимает 1–1,5 месяца, после этого можно работать и параллельно заниматься отладкой (длится примерно 4–5 месяцев).
От заказчика требуется поддержка актуальности данных и быстрый доступ алгоритмов к ним. Лучше всего хранить данные в облаке, например, Amazon.
Результаты
Удалось добиться 80-процентной точности. С системой одновременно могут работать 5 пользователей, поиск занимает 5 секунд.
Система показывает изображения в порядке актуальности: все максимально похожие — в первой сотне. Патентные поверенные почти не тратят время на рутинный поиск по базе.
Бюро запустило новую услугу, которая стоит 2–3 тысячи рублей: можно зарегистрироваться на их сайте, загрузить логотип и за 5 секунд проверить его на уникальность. Так решение от EORA на автомате зарабатывает деньги для бюро — эксперты не требуются.
Система показывает изображения в порядке актуальности: все максимально похожие — в первой сотне. Патентные поверенные почти не тратят время на рутинный поиск по базе.
Бюро запустило новую услугу, которая стоит 2–3 тысячи рублей: можно зарегистрироваться на их сайте, загрузить логотип и за 5 секунд проверить его на уникальность. Так решение от EORA на автомате зарабатывает деньги для бюро — эксперты не требуются.
80%
точность распознавания изображений EORA MAGE
5
секунд на высокоточный поиск по базе
5
пользователей могут одновременно искать товарные знаки
Что еще стоит знать про EORA MAGE
Решение подходит для бизнеса, у которого много изображений, и среди них непросто что-то найти. Например, для интернет-магазинов с десятками категорий и подкатегорий товаров: одеждой, отделочными материалами (вы пробовали найти подходящие обои?), мебелью, дизайнерскими вещами, хендмейдом и даже автомобилями.
Для маркетплейсов лучше всего работают следующие сценарии:
Для маркетплейсов лучше всего работают следующие сценарии:
1
«Хочу такое же!» Кто-то увидел в ютьюбе человека в красивой куртке и хочет такую же. Или красивые обои в журнале. Фотографирует, загружает на маркетплейс, и система выдает максимально похожие варианты из каталога. Проще поиск — выше конверсия в продажу.
2
«Не совсем то, что нужно». Система анализирует предпочтения покупателя на сайте и показывает похожие товары. Покупатель выбирает то, что подходит на 100%, а не уходит на другой маркетплейс.
3
«Не прогадать с ценой». Это для партнеров маркетплейсов. Перед тем как выставить товар, можно загрузить его фотографию на маркетплейс — система покажет аналогичные товары у других продавцов. Станет понятно, какую цену поставить и имеет ли смысл здесь размещаться.
Есть похожая задача? Появились вопросы? Напишите эксперту
Расскажите коротко о своей задаче, наш эксперт все объяснит и проведет демонстрацию.