准确的搜索结果和个性化推荐无疑是现代电子商务的基石。随着全球越来越多的企业迁移到网上，每家这样的公司的目标都很简单——帮助用户快速轻松地找到他们想要的东西，以便在电子平台上实现最大化的消费。
为了让这一切成为可能——从搜索查询相关性到排名模型和推荐引擎——机器学习(ML)得到了利用。任何ML系统的成功都需要三个关键方面:算法、硬件和实际数据。虽然前两个条件很容易获得，不构成严重障碍，但数据收集和标记仍然是一个主要障碍。
数据标注
我们如何以一种快速、准确、负担得起且可持续的方式找到并标记数据？企业不仅希望少花钱、少等待，还希望获得可靠、高质量的数据。而且不是一次性的，而是持续的——数据集和ML算法需要在部署后进行更新和改进。
存在多种选择。其中一种方法被称为人机回环数据标签，属于一般以人为中心的人工智能范式。这种方法利用这种方法利用人工标记，并使用聚合技术，从而产生大型数据集，防止单个执行者的错误。
行业趋势和需求任务
人机回环中第三方提供的许多电子商务任务，其中包括：
- 推荐系统(RS)
- 搜索结果的相关性
- 在线目录改进
- 价格优化
- 质量保证和客户支持
- 设计、公关和营销
让我们根据今年的趋势简要地看一下三个用例。
产品搜索相关性
这是一项非常常见和重要的任务，确保当用户在平台的搜索栏中输入一个特定品牌和/或型号的小工具——无论是手机、平板电脑还是笔记本电脑——他们实际上得到了他们所要求的东西，这听起来很容易让人误解。
当然，结果越准确，客户就越满意，销售额就越高——反之亦然。通过众包的人机回环标签，产品搜索相关性通常可以攀升至90%以上，有时比许多内部解决方案快60%。人群执行者通常在这些任务中应用他们的人工判断，通过使用多项选择问卷从最相关到最不相关对搜索结果进行评级。
补充项目推荐
许多电子平台不断面临的挑战与他们的推荐系统的效率和准确性有关。这归结为改进互补物品和配件的推荐算法，以便向客户展示最相关的优惠。这是电子商务平台获得改善其销售数字、增长和最终繁荣的最有效方法之一。
在许多情况下，人机回环中的标记已经被证明可以将推荐系统的准确率提高到90%左右，召回率提高到75%左右。带有RS任务的典型数据标记管道可能如下所示
人工标签通常被给予两种产品的照片以及它们的文本形式的技术规格。然后，执行者需要确定两个产品是否兼容，即一个产品是另一个产品的附件还是可能的补充物。一个很好的例子是智能手机和手机壳，或者通常属于一起的任何其他物品的组合。
偶然发现的搜索
另一个以不同方式提高电子商务销售的任务是偶然搜索，即推荐新的和独特的商品，供客户偶然发现。这里的目标是不要让用户离开，给用户提供一些令人兴奋的东西，即使开始购物时并不认为他们一定需要。
在某些情况下，带有人机回环标签的偶然性搜索准确率可以达到92%。在这类任务中，数千件——有时是数万件——商品被人为贴上标签，执行者被问到的问题包括："这件商品很酷吗？""你觉得这件商品有吸引力吗？""你会用这件商品进行临时性购买吗？"等等。像大多数其他电子商务任务一样，这往往可能是主观的，但这正是重点：只有人工标签人员能够以任何有意义的方式对这种类型的用户主观性进行衡量。
主要要点
人机回环中的数据标签是电子商务和零售业的可靠和强大合作伙伴的可靠候选，原因如下：
● 电商平台为改进其引擎和算法所需的数据既要准确又要丰富。人机回环能够提供高质量和高数量的数据，以促进快速和可扩展的人工智能发展。
● 只要训练算法和硬件解决方案仍然是全球大多数公司可利用的固定变量，从长远来看，正是那些选择专注于其数据标签管理的公司将获胜。这样的公司必然会通过优化和最小化他们的支出，并最终领先于他们的竞争对手，扩大自己的业务运营。
● 整个电子商务和在线零售业目前正在经历一场重大变革——不仅因为它将在两年内取代线下零售，还因为越来越多的行业特定任务正在以更低的成本在许多人机回环标签平台上提供。这一趋势预计将为电子商务的持续增长提供额外的推动力。
