亞馬遜話畀你知：點用 AI 審你嘅產品頁
AWS Machine Learning Blog 日前公開了 Amazon Marketplace 一個內部做法：點樣用視覺語言模型（Vision-Language Model, VLM）同一個輕量 CatBoost 分類器，去評估賣家產品頁上面 A+ Content 嘅整體質量。呢篇唔係產品發布，而係一個技術方法嘅拆解，重點喺「點樣將一個多模態內容評估問題落地到生產環境」。
A+ Content 係亞馬遜產品詳情頁上面嘅富媒體區塊，品牌可以放圖片、影片、文字入去。AWS 指，用咗高質量 A+ Content 嘅賣家，銷售比冇用嘅同類賣家高 8–20%。問題係，品牌質素參差：有大型設計團隊嘅成熟品牌，亦有用極少資源開業嘅新品牌，內容質素因此差異很大。
呢個系統嘅核心思路唔係逐張圖逐段字去評分，而係將整個產品頁渲染成一張完整嘅 snapshot，再畀 VLM 做整體評估。原因好簡單：一個產品頁嘅質素，係文字、圖片、影片共同構成嘅，單看某個資產會漏走整體協調性呢個訊號。
點樣運作
整個 pipeline 分幾步：
- Snapshot 渲染：將完整嘅產品頁內容渲染成單一圖像。
- VLM 語義評分：畀 VLM 配合一套評分準則（rubric）對 snapshot 做書面評估，得出語義層面嘅分數。呢步唔使針對性訓練，因為 VLM 本身訓練過可以跟指令。
- OCR 可讀性訊號：另設一個 OCR 模組去提取文字可讀性指標（例如字體大小、對比度、排版）。
- CatBoost 融合分類：將 VLM 語義分數同 OCR 可讀性訊號合併，送入一個輕量 CatBoost 分類器。呢個分類器係用專家標註數據訓練嘅，目的係令最終輸出同人類審核員更貼近。
- SHAP 可解釋性：用 SHAP（SHapley Additive exPlanations）去解釋每次評分決策，生成具體、可執行嘅改進建議畀賣家。
- 全託管喺 SageMaker AI：由數據攝取、標註、模型託管到生產監控，全部部署喺 Amazon SageMaker AI 平台。
另外，呢個系統仲有一個 diffusion-based 生成組件，可以根據質量評估嘅結果，自動生成改善後嘅視覺資產。即係唔單止「幫你評分」，仲會「幫你改」。
呢個點解值得留意
呢個案例展示咗一個趨勢：大企業已經開始將 VLM 由「能識圖」推進到「能按 rubric 評分」，並且用輕量傳統 ML 模型（CatBoost）做最終融合，而不是單純依賴 LLM 輸出。呢個混合架構對推理成本嘅控制、對人類一致性嘅貼近，可能都比純端到端 VLM 方案更有優勢。
同時，SHAP 可解釋性嘅引入，係一個對企業客户唔可或缺嘅設計：賣家唔只想知道「你個分幾低」，仲要知道「點解低」同「點樣改」。
阿調搞兩下
呢個案例有意思嘅地方，唔係「AI 幫你睇圖」，而係「AI 幫你老細睇你嘅圖」。A+ Content 嘅終端使用者係賣家，賣家嘅客户先至係買家。呢個系統嘅評估標準由誰訂？rubric 係邊個寫？如果 rubric 反映嘅係亞馬遜平台嘅商業目標（轉化率、停留時間），嗰個分數就唔單止係「內容質素」，仲夾帶咗平台嘅流量分配邏輯。賣家收到「建議」去改內容，其實係按平台嘅偏好去被動。呢個係唔係一種新型嘅「調教」？你聽緊 AI 嘅建議，但寫 rubric 嘅唔係 AI，係平台。
