Amazon SageMaker AI와 A+ 콘텐츠의 품질 평가

서론

전자상거래 플랫폼에서 콘텐츠의 품질은 고객 결제 전환율과 직접 연결됩니다. 특히 Amazon의 A+ 콘텐츠는 상품 상세 페이지에서 시각적 요소와 텍스트를 종합하여 브랜드의 독창성을 표현할 수 있도록 합니다. 높은 품질의 A+ 콘텐츠를 사용하면 판매 증대에 기여할 수 있고, 따라서 이에 대한 효율적인 평가 방법이 필요합니다. 이번 글에서는 Vision-Language Models(VLMs)을 기반으로 한 콘텐츠 품질 평가 시스템을 소개하며, Amazon SageMaker AI를 활용한 구현 방법을 설명합니다.

본문

VLM 기반의 콘텐츠 평가 시스템

A+ 콘텐츠의 품질을 평가하기 위해 VLM을 활용하는 방식은 개별 자산의 평가를 넘어 콘텐츠 전체의 조화로운 스토리를 고려합니다. VLM은 이미지를 분석하여 전체적인 내용을 이해하고, 텍스트와의 종합적인 관계성을 기반으로 평가합니다. 이러한 접근은 기존의 컴퓨터 비전 모델로는 파악하기 어려운 콘텐츠 구성 요소 간의 연계성을 평가할 수 있습니다.

사례 적용 및 결과

Amazon SageMaker AI를 활용한 콘텐츠 품질 평가 시스템은 다양한 과정을 통해 완성됩니다. 전체 콘텐츠 페이지를 스냅샷으로 변환하고, 이 이미지를 VLM이 평가하며, OCR 기술을 통해 텍스트의 가독성을 분석합니다. 결과적으로, CatBoost 분류기를 통해 최종 품질 점수를 산출합니다.

이 시스템의 가장 큰 장점은 품질 평가 점수와 함께 실제 개선의 방향을 제시할 수 있다는 점입니다. Shapley Additive Explanations(SHAP)를 활용하여 어떤 요소가 평가에 가장 큰 영향을 미쳤는지 강조하고, 이는 개별 브랜드나 파트너들이 콘텐츠 개선에 실질적인 도움을 제공합니다.

구현 방법

1. 콘텐츠 스냅샷 렌더링 및 데이터 수집: Amazon SageMaker Processing Job을 통해 콘텐츠의 렌더링 이미지를 생성합니다.
2. VLM 모델 유지 및 OCR 추출: SageMaker AI Inference에서 VLM을 호스팅하여 실시간 평가를 수행하며, SageMaker JumpStart를 통해 OCR 모델을 배치합니다.
3. 특성 집계 및 저장: SageMaker Feature Store를 활용하여 내용을 저장하고, 모델 훈련에 필요한 비균형 가중치 및 비선형 결정 경계를 학습합니다.
4. 특성 해명 및 품질 추천: SHAP 값을 활용해 어떤 특성이 결정에 얼마나 영향을 미쳤는지를 파악하고, 최적의 개선 방향을 제공합니다.

결론

Amazon SageMaker AI를 기반으로 한 VLM 콘텐츠 품질 평가 시스템은 고품질의 A+ 콘텐츠를 위한 실질적인 지원을 제공하며, 고객 경험 및 판매 파트너 실적을 향상시킵니다. 본 시스템의 도입으로 고객의 전환을 높이고, 브랜드 신뢰도를 강화하는 데 기여할 수 있습니다. 앞으로도 글로벌 카탈로그의 다양한 제품에 대해 더욱 효율적인 VLM 백본과 추론 방법을 평가할 예정입니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-amazon-marketplace-evaluates-content-quality-with-amazon-sagemaker-ai/