Amazon usa Amazon SageMaker AI per valutare la qualità dei contenuti che i marchi pubblicano nelle schede prodotto del marketplace. Il sistema esamina l’insieme di immagini, testi e impaginazione e restituisce indicazioni per migliorarlo. L’ambito è quello di A+ Content, lo spazio multimediale con cui i venditori presentano prodotti e identità del marchio. L’azienda indica che i partner con contenuti A+ di alta qualità registrano vendite superiori dell’8–20% rispetto a quelli che non li utilizzano.
La difficoltà nasce dalla libertà creativa concessa ai venditori: A+ Content non impone specifiche rigide sulle proporzioni delle immagini o sulla lunghezza dei testi. Lo utilizzano sia marchi con grandi gruppi di progettazione interni sia imprese con risorse limitate, con risultati molto diversi. Un progetto può combinare testi, immagini e video: controllare separatamente ciascun elemento lascia fuori la coerenza del racconto complessivo. Amazon rende quindi l’intera pagina come un’istantanea, da valutare nella forma in cui appare al cliente.
L’esempio proposto dall’azienda è una scheda dedicata a un frullatore. La fotografia principale può essere nitida, la descrizione corretta e l’immagine del prodotto in cucina ben realizzata. Eppure, il testo potrebbe indicare una caraffa capiente mentre la fotografia mostra un modello monoporzione; oppure l’ordine delle immagini potrebbe mettere in primo piano l’ambiente anziché il prodotto. Sono relazioni che un modello visivo-linguistico, capace di interpretare insieme immagini e linguaggio, può esaminare attraverso la vista completa della pagina.
Il modello riceve una griglia con quattro dimensioni: narrazione visiva, presentazione delle caratteristiche, impaginazione A+ e ottimizzazione della conversione. Per ciascuna restituisce un voto da 0 a 10, un valore di confidenza e una motivazione in linguaggio naturale. Criteri espliciti stabiliscono quando sottrarre punti, per esempio se mancano immagini del prodotto nel suo contesto d’uso, se i moduli sono poco vari o se le informazioni si ripetono. Le spiegazioni permettono ai venditori di comprendere quali aspetti abbiano abbassato la valutazione.
Per avvicinare questi giudizi agli standard degli esperti di commercio elettronico, Amazon mantiene fissi il modello e le istruzioni e addestra un classificatore CatBoost sui risultati strutturati. Aggiornare direttamente il modello visivo-linguistico richiederebbe infrastrutture GPU e, con poche migliaia di esempi etichettati, comporterebbe il rischio di adattarsi eccessivamente ai dati di addestramento. La soluzione scelta concentra invece gli aggiornamenti sul classificatore: nuove annotazioni o modifiche ai criteri possono essere recepite con un breve processo eseguito su CPU.
Alla valutazione semantica si affianca il riconoscimento ottico dei caratteri, o OCR, che misura densità del testo, densità dei caratteri, spaziatura e leggibilità complessiva. Il controllo intercetta pagine difficili da leggere anche quando le descrizioni risultano informative. Nella verifica su un insieme di test separato, ricavato da 5.478 pagine di dieci categorie, la combinazione di modelli raggiunge un’accuratezza del 94%. Il riferimento basato sulla media dei quattro voti visivo-linguistici e su una soglia fissa si ferma all’80%.
Il passaggio dal giudizio all’intervento utilizza SHAP, una tecnica che identifica quanto ciascuna caratteristica abbia contribuito alla classificazione. Un modello linguistico trasforma poi i risultati e le motivazioni in azioni ordinate per priorità. Dopo le revisioni effettuate dai venditori seguendo le raccomandazioni, Amazon ha misurato un aumento medio del punteggio di qualità di 1,4 punti su 10. Il riscontro riguarda così anche l’effetto delle indicazioni sui contenuti modificati.
Il percorso comprende infine una componente di generazione basata su modelli di diffusione: i segnali di qualità guidano la produzione di immagini migliorate, affiancate ai suggerimenti testuali per i venditori. La valutazione diventa quindi un punto di partenza per intervenire sulle schede. Per le imprese che gestiscono il catalogo, il risultato operativo è una sequenza che collega il problema individuato, la priorità di correzione e la creazione di nuovi materiali visivi.