零售IT雙周報第30期：C2C零售龍頭如何用生成式AI支援日常開發作業

重點新聞(0303~0316)

#生成式AI #知識管理 #開發框架維運 #DevOps
eBay如何用生成式AI來開發、維運系統及管理知識

C2C電商龍頭eBay揭露自家IT團隊用生成式AI支援日常工作的三大用途，包括開發、維運及知識管理。

首先是利用Github Copilot來加速程式碼撰寫，包括轉化自然語言評語為程式碼、建議下一行程式碼、自動填入高重複性程式碼，以及自動生成測試用程式碼。經過A/B測試，他們發現使用Copilot後，程式碼品質沒有下降，而且Pull Request發布到程式碼真正合併（Merge）的時間減少了17%、程式碼更動到部署時間（Lead Time for Change ）減少了12%。

除了使用Copilot等商業軟體，eBay也用自家程式碼及內部文件來後訓練（Post-train）及微調（Fine-tune）Code Llama 13B模型，以支援自家工程團隊作業。eBay表示，這個專屬模型可以存取企業內所有程式碼，能有效找出程式碼重複等問題，還能在考慮不同服務的耦合及依賴性情況下，協助工程團隊更新開發框架及函式庫。

他們還用自家技術文件訓練出了一個專用GPT模型，搭配RAG技術，來當作IT人員查詢技術文件的介面。IT人員可以用自然語言詢問「做這件事需要呼叫哪個API」、「哪裡找這個數據的儀表板」等問題，而不需要自己翻找eBay海量技術文件。

#電商App維運 #前端工程 #購物體驗強化
Walmart從客戶端為切入點的App效能提升法

說到提升App效能，一個常見思路是從後端系統下手，例如優化資料庫、增加資料查詢效率等。Walmart近期則揭露自家App效能優化的另一個面向──從App客戶端來尋找著手點。

具體做法是，將使用者發起互動到App呈現最終結果，分成6個階段：開始、準備請求、呼叫、解析回應、視覺介面渲染、完成。他們會觀察這6個階段所需時間，從中找出改善空間。

以商品頁面呈現為例，他們發現這6階段中，開始到準備請求間的時間，以及渲染到完成中間的時間，都相當長。調查後，發現開始階段有過多重複的聆聽（Listening）指令，而渲染階段有一個動畫渲染選項預設為True，是沒有必要的。解決這些問題後，這兩個階段耗時分別縮短了150毫秒跟5、600毫秒。

Walmart表示，他們在iOS及Android App的不同UI都實施了這套做法，不僅找到了許多可優化之處，且解決後，觀察到明顯App上交易量提升。

#生成式AI #上架輔助工具
連上傳圖文都不用！Amazon新生成式AI工具只要貼商家連結就能產生產品頁面

近幾個月，各大電商紛紛推出以生成式AI為基礎的商品上架工具，通常是以商品圖片或簡單文字為基礎，來生成完整圖文。這次Amazon推出新工具，更是省去了上傳任何素材的步驟。商家只需貼上自家官網商品頁等外部網址，此工具便能自動讀取網頁內容，擷取生成Amazon商品頁面所需素材。（詳全文）

#沉浸式電商 #虛擬商店
服飾市集StockX打造Apple Vision Pro專用虛擬商店，既模擬實體購物及又保留自家電商特色

大型服飾市集StockX是一個交易模式特別的平臺，類似股票交易，買賣方會根據商品市場價格來協調出成交價。他們打造了一個專門在Apple Vison Pro運行的虛擬商店，可以於消費者所處環境中顯示出商品。同時，消費者可以打開懸浮於空中的價格波動儀表板，輔助商品購買決策。

有許多品牌都嘗試打造虛擬商店，作為一種行銷用小型體驗。StockX虛擬商店則可以用4K畫質呈現站上所有20多萬件商品，並維持與原本電商網站相同的特殊交易模式，可以視為該平臺正式電商通路。

#FinOps #雲端成本 #企業文化改造
Walmart從顧客體驗出發的FinOps文化

電商龍頭Walmart早在2015年就擁抱雲原生技術，打造OpenStack私有雲，至今核心數超過100萬個。2020年，他們用K8s打造了自家雲原生平臺，來調度9萬3千個節點，執行超過54萬個Pod叢集。2年前，還進一步結合兩家公雲和自家私雲，組成了三雲架構。為了支援超龐大雲端服務用量，他們2021年開始注意到控制雲端成本的FinOps做法。

他們了整合了來自四十種資料來源，來監控整體雲端用量和成本，並打造了可以追蹤每個工程團隊每天開銷的工具。接著，他們要求工程師不只要注意每日開銷，更要從長期角度來看：每次支出一年會帶來多少成本？是否會帶來對應價值的商品銷售或顧客體驗？讓每個工程師都能從顧客體驗出發，來思考雲端成本支出如何控管。（詳全文）

#社群媒體電商 #AI電腦視覺 #電商搜尋功能
圖片類社群媒體Pinterest利用電腦視覺技術打造服飾尺寸搜尋功能

圖片探索類社群媒體Pinterest近年不斷發展電商及行銷業務。不過，社群媒體起家的他們，不僅網站操作方法體驗與電商相差不少，也並非所有收錄圖片都足夠元數據，能支援電商搜尋，因此商品搜尋能力有限。

因應這個挑戰，他們利用電腦視覺技術分析站上服飾圖片，來判斷服飾適合尺寸，以支援服飾尺寸搜尋功能。近日，他們更推出可以根據體態來搜尋適當服飾品牌圖片的功能。搜尋圖片時，有一個過濾條件是體態，使用者可以點擊自認為最代表自己身材的模特兒圖片，來搜尋符合自身條件的服飾照片。Pinterest表示，目前數據顯示有使用這個功能的使用者，單一連線階段互動率較其他人高出66%，顯示此功能確實能引起使用者更多興趣。

更多零售IT動態：

1. 非第一線零售商也要消費數據！三菱食品如何取得並分析1.5億消費者數據

2. 達美樂整合Google Map Mobility Services到披薩外送員導航系統，來支援送貨到沒有地址的公園或新建案等地點

3. 大型家居電商Wayfair如何精簡MLOps流程來提升供應鏈管理模型開發效率

4. 肯德基嘗試利用AI虛擬店員提升自動點餐機溫度，不過目前功能只有打招呼和推銷

資料來源：iThome整理，2023年3月

責任編輯：郭又華

圖片來源：eBay、Amazon、StockX、Pinterest