Разметка данных для ритейла и e-commerce

Какие данные нужны ритейлу для обучения ИИ?

Ритейлу и e-commerce нужны размеченные фото и видео торгового зала, ценников и полок, а также тексты отзывов и карточек товаров. На этих данных обучают модели, которые считают остатки на полке, ищут просроченные ценники, распознают SKU на кассах самообслуживания и оценивают тональность отзывов покупателей.

Чем ближе разметка к реальным условиям магазина — освещению, ракурсам камер, ассортименту, — тем точнее модель работает в проде. Поэтому собираем и размечаем данные под конкретную сеть и её планограммы, а не только на типовых открытых датасетах.

Какие задачи разметки данных решает DataMarkup для ритейла?

Мы размечаем товары и полки для контроля выкладки, ценники и этикетки для проверки соответствия цен, видео торгового зала для аналитики покупательского потока и очередей, а также тексты отзывов и обращений для анализа тональности. Каждую задачу настраиваем под гайдлайн и метрики конкретной сети.

Какие услуги разметки данных использует ритейл у DataMarkup?

Под задачи ритейла чаще всего заказывают разметку изображений полок и ценников, разметку видео торгового зала, разметку текста отзывов и карточек товаров, а также готовые датасеты товаров для быстрого старта модели. Каждое направление — отдельная услуга со своим гайдлайном и форматами выгрузки.

Как вы контролируете качество разметки для ритейла?

Каждую партию проходит многоуровневый контроль: разметчик — проверяющий — выборочный аудит с расчётом IAA, межразметочного согласия. Для задач с высокой ценой ошибки, например ценников и SKU, применяем консенсус нескольких разметчиков. Итоговую accuracy фиксируем в отчёте и сверяем с порогом, согласованным на пилоте.

Если в отзывах и обращениях покупателей встречаются персональные данные, обезличиваем их перед разметкой и работаем на инфраструктуре в РФ по требованиям 152-ФЗ — это особенно важно для сетей с большим потоком клиентских обращений.

Ключевые факты

Смотрите также