一、前言

在現(xiàn)代物流場(chǎng)景中，包裹信息的準(zhǔn)確性和處理效率至關(guān)重要。當(dāng)前，京東快遞在郵寄場(chǎng)景中面臨著日益豐富的寄遞品類和多樣化的個(gè)性化需求。本文將深入探討托寄物智能識(shí)別——大模型在京東快遞物流場(chǎng)景中的應(yīng)用與落地，分析其產(chǎn)生背景、應(yīng)用效果及未來(lái)發(fā)展方向。

二、背景

隨著電子商務(wù)的迅猛發(fā)展，物流行業(yè)面臨著前所未有的挑戰(zhàn)和機(jī)遇[1]。尤其是在中國(guó)，作為全球最大的電子商務(wù)市場(chǎng)之一，物流行業(yè)的效率、準(zhǔn)確性和智能化成為各大電商平臺(tái)競(jìng)爭(zhēng)的關(guān)鍵因素。

當(dāng)前，京東快遞在郵寄場(chǎng)景中面臨著日益豐富的寄遞品類和多樣化的個(gè)性化需求。消費(fèi)者對(duì)寄遞服務(wù)的期望不斷提升，他們希望能夠享受到更加快速、可靠和個(gè)性化的物流服務(wù)。這種需求的多樣化給物流企業(yè)帶來(lái)了巨大的壓力，但同時(shí)也提供了提升服務(wù)質(zhì)量和客戶滿意度的機(jī)會(huì)[2]。與此同時(shí)，京東快遞內(nèi)部運(yùn)營(yíng)也面臨著高破損率和高理賠成本的問(wèn)題。詳細(xì)分析后發(fā)現(xiàn)，理賠和破損問(wèn)題主要集中在3C產(chǎn)品和生鮮品類。這些高價(jià)值和高時(shí)效的品類對(duì)托寄物的精準(zhǔn)識(shí)別提出了更高的要求。3C產(chǎn)品通常價(jià)格昂貴且易損壞，而生鮮品類則對(duì)運(yùn)輸時(shí)效和溫控要求極高，任何延誤或處理不當(dāng)都可能導(dǎo)致嚴(yán)重的損失。這些高價(jià)值和高時(shí)效的品類對(duì)托寄物的精準(zhǔn)識(shí)別提出了更高的要求。核心體現(xiàn)在以下幾個(gè)方面：

1. 攬收要求

(1) 航空違禁品識(shí)別：通過(guò)精確匹配托寄物信息，減少人工判斷的誤差，提高航空違禁品的識(shí)別準(zhǔn)確性。

(2) 包裝推薦：

① 實(shí)時(shí)包裝推薦：在下單和攬收時(shí)實(shí)時(shí)推薦合適的包裝，減少破損風(fēng)險(xiǎn)。

② 包裝預(yù)測(cè)：基于歷史客戶的下單習(xí)慣和需求，提前為每個(gè)站點(diǎn)推薦所需的包裝材料。

(3) 生鮮品類免賠：針對(duì)超標(biāo)準(zhǔn)時(shí)效要求的寄遞需求，通過(guò)簽署免賠協(xié)議允許寄遞，降低理賠成本。

2. 運(yùn)營(yíng)保障

針對(duì)高價(jià)值和高時(shí)效的品類（如大閘蟹、櫻桃、草莓、牛羊肉等），需要在攬收、轉(zhuǎn)運(yùn)、派送、客戶服務(wù)和理賠全流程中提供保障和提效措施，提升京東物流的產(chǎn)品競(jìng)爭(zhēng)力。

綜上所述，傳統(tǒng)的包裹信息處理方式往往依賴人工操作，不僅效率低下，還容易出錯(cuò)。隨著人工智能和自然語(yǔ)言處理技術(shù)的迅猛發(fā)展，如何利用這些技術(shù)提升包裹信息處理的智能化水平，成為了一個(gè)重要課題。這不僅可以顯著提高處理效率，還能減少錯(cuò)誤率，優(yōu)化整體運(yùn)營(yíng)流程，提升客戶滿意度和企業(yè)競(jìng)爭(zhēng)力。

三、托寄物智能識(shí)別的產(chǎn)生

在目前的京東快遞郵寄場(chǎng)景中，用戶需要輸入托寄物名稱，系統(tǒng)會(huì)根據(jù)輸入的名稱匹配設(shè)定的品類，并基于托寄物的品類建立相應(yīng)的業(yè)務(wù)規(guī)則和優(yōu)化下單邏輯，如何提升托寄物匹配率，是我們研究的課題。首先我們需要分析匹配率現(xiàn)狀及原因

??

成功識(shí)別到品類的運(yùn)單：通過(guò)某種手段成功識(shí)別托寄物屬于哪種品類，舉例說(shuō)明：托寄物為“陽(yáng)澄湖大螃蟹”的品類為海鮮或者螃蟹

識(shí)別結(jié)果成功匹配品類庫(kù)：對(duì)成功識(shí)別到的托寄物品類能夠匹配現(xiàn)有品類庫(kù)中的三級(jí)品類，例如：“陽(yáng)澄湖大閘蟹”識(shí)別結(jié)果是螃蟹，對(duì)應(yīng)品類庫(kù)三級(jí)品類為：生鮮-海鮮-螃蟹

3.1 托寄物智能識(shí)別匹配率現(xiàn)狀及原因分析

根據(jù)2023年給出的歷史數(shù)據(jù)可以看到，運(yùn)單托寄物匹配率相對(duì)較低，具體分析低匹配率的主要原因有以下幾個(gè)點(diǎn)：

(1) 品類庫(kù)不完善：當(dāng)京東快遞與快手、拼多多、抖音等多種電商平臺(tái)對(duì)接后，這些平臺(tái)上的商品種類繁多且更新頻繁，當(dāng)前品類庫(kù)的不足之處在于不能全面覆蓋所有商品類別，導(dǎo)致在實(shí)際應(yīng)用中可能出現(xiàn)識(shí)別錯(cuò)誤或遺漏的情況。因此，品類庫(kù)有待進(jìn)一步完善，以提高系統(tǒng)的識(shí)別準(zhǔn)確性和全面性。

(2) 用戶輸入的多樣性：用戶在輸入托寄物名稱時(shí)，往往會(huì)使用各種各樣的描述方式，這些描述方式可能包含錯(cuò)別字、方言、縮寫(xiě)或是個(gè)性化的命名方式。這種多樣性給系統(tǒng)帶來(lái)了極大的挑戰(zhàn)，使得系統(tǒng)難以準(zhǔn)確匹配用戶輸入的托寄物名稱。例如，同一種商品可能會(huì)有多種不同的稱呼，或者用戶可能會(huì)使用模糊或不標(biāo)準(zhǔn)的名稱來(lái)描述物品，導(dǎo)致系統(tǒng)無(wú)法識(shí)別或匹配錯(cuò)誤。因此，系統(tǒng)需要具備更強(qiáng)的自然語(yǔ)言處理能力和更豐富的語(yǔ)義理解能力，以應(yīng)對(duì)用戶輸入的多樣性。

(3) B端商家的商品名稱干擾：B端商家在使用零售平臺(tái)的商品名稱作為托寄物名稱時(shí)，往往會(huì)在名稱中加入大量用于營(yíng)銷或SEO優(yōu)化的關(guān)鍵詞和描述信息。這些信息雖然有助于商品在平臺(tái)上的曝光和搜索排名，但卻給托寄物識(shí)別系統(tǒng)帶來(lái)了干擾。例如，商品名稱中可能會(huì)包含促銷信息、規(guī)格參數(shù)、品牌名等非必要信息，影響了系統(tǒng)對(duì)商品本身的準(zhǔn)確識(shí)別和匹配。因此，需要對(duì)這些干擾信息進(jìn)行有效過(guò)濾和處理，以提高系統(tǒng)的匹配準(zhǔn)確性和識(shí)別效果。通過(guò)優(yōu)化算法和改進(jìn)數(shù)據(jù)處理流程，可以更好地應(yīng)對(duì)B端商家商品名稱中的干擾信息，提升系統(tǒng)的整體性能。

3.2 托寄物匹配率低的影響

托寄物匹配率低會(huì)對(duì)物流和快遞業(yè)務(wù)產(chǎn)生多方面的負(fù)面影響，包括無(wú)法準(zhǔn)確分析和預(yù)測(cè)托寄物特性及流通趨勢(shì)，導(dǎo)致業(yè)務(wù)規(guī)劃和營(yíng)銷策略不夠精準(zhǔn)；在生鮮業(yè)務(wù)中，匹配錯(cuò)誤可能引發(fā)產(chǎn)品變質(zhì)、客戶投訴和理賠問(wèn)題，增加運(yùn)營(yíng)成本；同時(shí)，增值服務(wù)推薦不準(zhǔn)確會(huì)影響快遞員的攬收效率和客戶滿意度，進(jìn)而削弱整體服務(wù)質(zhì)量和公司的市場(chǎng)競(jìng)爭(zhēng)力。因此，提高識(shí)別匹配率對(duì)于優(yōu)化運(yùn)營(yíng)流程、提升客戶體驗(yàn)和增強(qiáng)企業(yè)競(jìng)爭(zhēng)力至關(guān)重要。具體影響歸納如下：

(1) 生鮮業(yè)務(wù)問(wèn)題：在處理生鮮寄遞業(yè)務(wù)時(shí)，由于系統(tǒng)未能準(zhǔn)確識(shí)別生鮮或者易碎匹配產(chǎn)品，常常導(dǎo)致客戶投訴和理賠問(wèn)題。生鮮產(chǎn)品對(duì)時(shí)效性和溫控要求極高，一旦匹配錯(cuò)誤，可能導(dǎo)致配送延誤或溫控失效，進(jìn)而引發(fā)產(chǎn)品變質(zhì)。這不僅損害了客戶體驗(yàn)，還增加了公司的運(yùn)營(yíng)成本和賠償風(fēng)險(xiǎn)。例如，某些生鮮產(chǎn)品需要特殊的包裝和運(yùn)輸條件，如果系統(tǒng)無(wú)法識(shí)別并匹配這些需求，可能導(dǎo)致運(yùn)輸過(guò)程中的損壞和質(zhì)量問(wèn)題。因此，提升生鮮產(chǎn)品的識(shí)別準(zhǔn)確性和匹配能力，是減少客戶投訴和理賠問(wèn)題的關(guān)鍵。

(2) 增值服務(wù)推薦不準(zhǔn)確：如果托寄物品類識(shí)別不準(zhǔn)確，會(huì)造成基于托寄物的增值服務(wù)推薦不夠精準(zhǔn)，可能會(huì)影響快遞員上門(mén)攬收的效率。例如，對(duì)于某些高價(jià)值或易碎物品，系統(tǒng)應(yīng)推薦保險(xiǎn)服務(wù)或特殊包裝服務(wù)，但由于識(shí)別不準(zhǔn)確，可能未能及時(shí)提供這些建議，導(dǎo)致客戶體驗(yàn)不佳和潛在的風(fēng)險(xiǎn)增加。此外，增值服務(wù)推薦不準(zhǔn)確也可能造成快遞員在攬收過(guò)程中需要額外溝通和確認(rèn)，降低了整體攬收效率。

(3) 缺乏底層數(shù)據(jù)：由于整體識(shí)別匹配率較低，導(dǎo)致缺乏全面和準(zhǔn)確的底層數(shù)據(jù)，系統(tǒng)無(wú)法對(duì)托寄物進(jìn)行深入的分析。這種數(shù)據(jù)缺失限制了對(duì)托寄物特征、流通路徑、用戶偏好等方面的洞察，進(jìn)而影響了業(yè)務(wù)決策和營(yíng)銷策略的制定。例如，無(wú)法準(zhǔn)確掌握某類托寄物的高峰期和低谷期，導(dǎo)致庫(kù)存管理和配送資源的調(diào)配不夠優(yōu)化。此外，缺乏底層數(shù)據(jù)也使得難以進(jìn)行精準(zhǔn)的市場(chǎng)細(xì)分和個(gè)性化營(yíng)銷，無(wú)法有效提升客戶滿意度和忠誠(chéng)度。因此，建立完善的底層數(shù)據(jù)采集和分析體系，對(duì)于提升業(yè)務(wù)規(guī)劃和營(yíng)銷策略的科學(xué)性和有效性至關(guān)重要。

基于以上原因和影響，京東快遞亟需一種更智能的托寄物識(shí)別系統(tǒng)，以提高匹配率和服務(wù)質(zhì)量，提升客戶體驗(yàn)和增強(qiáng)企業(yè)競(jìng)爭(zhēng)力。

3.3 大模型賦能托寄物智能識(shí)別

自BERT（Bidirectional Encoder Representations from Transformers）和GPT系列模型的成功之后，我們就關(guān)注到大模型的發(fā)展能為快遞行業(yè)的快速發(fā)展助力賦能。在進(jìn)行托寄物智能識(shí)別時(shí)，選擇合適的大模型是一個(gè)關(guān)鍵的決策，這將直接影響到識(shí)別的準(zhǔn)確性、效率以及系統(tǒng)的可擴(kuò)展性。

3.3.1選擇什么樣的大模型？

以下是在選擇大模型時(shí)需要考慮的幾個(gè)關(guān)鍵因素：

(1) 模型性能與準(zhǔn)確性：首先，模型在托寄物識(shí)別任務(wù)上的性能和準(zhǔn)確性是最重要的考量點(diǎn)。這包括模型對(duì)各類托寄物的識(shí)別能力，以及在不同條件下的穩(wěn)定性。

(2) 處理速度與實(shí)時(shí)性：在快遞行業(yè)中，處理速度至關(guān)重要，因此模型的推理速度（即完成識(shí)別所需的時(shí)間）是一個(gè)重要的考慮因素。理想的模型應(yīng)能夠在保證準(zhǔn)確性的同時(shí)，實(shí)現(xiàn)快速的識(shí)別，滿足實(shí)時(shí)處理的需求。

(3) 資源消耗：大模型通常需要較多的計(jì)算資源，包括CPU/GPU計(jì)算能力和內(nèi)存。因此，模型的資源消耗情況也是一個(gè)需要考慮的因素，特別是在資源有限的環(huán)境下。

(4) 易用性與集成：模型的易用性，包括其在現(xiàn)有系統(tǒng)中的集成難易度，以及后續(xù)的維護(hù)和升級(jí)需求，也是重要的考慮點(diǎn)。一個(gè)好的模型不僅應(yīng)該在技術(shù)上表現(xiàn)優(yōu)秀，還應(yīng)該容易被集成到公司業(yè)務(wù)的現(xiàn)有工作流程中。

(5) 可擴(kuò)展性與靈活性：隨著快遞行業(yè)的發(fā)展和業(yè)務(wù)需求的變化，模型可能需要處理更多類型的托寄物或適應(yīng)新的識(shí)別場(chǎng)景。因此，模型的可擴(kuò)展性和靈活性也是選擇時(shí)需要考慮的因素。

(6) 安全性與隱私：在處理客戶托寄物的信息時(shí)，模型需要確保數(shù)據(jù)的安全性和客戶隱私的保護(hù)。這包括數(shù)據(jù)加密、訪問(wèn)控制等安全特性。

結(jié)合以上因素，我們?cè)u(píng)估到當(dāng)托寄物名稱識(shí)別為物品類型時(shí)，暫不涉及用戶隱私等安全信息問(wèn)題，同時(shí)，基于識(shí)別效果和成本考慮，在當(dāng)前環(huán)境下的最優(yōu)解，我們最終選擇了最適合我們的大模型，該大模型的自然語(yǔ)言處理技術(shù)已經(jīng)能夠滿足我們以上訴求。

自然語(yǔ)言處理（Natural Language Processing，簡(jiǎn)稱NLP）是人工智能的一個(gè)關(guān)鍵領(lǐng)域，致力于讓計(jì)算機(jī)理解、解釋和生成自然語(yǔ)言，通過(guò)大規(guī)模預(yù)訓(xùn)練模型，實(shí)現(xiàn)文本生成、情感分析、機(jī)器翻譯、問(wèn)答系統(tǒng)等多種應(yīng)用[3]。雖然其強(qiáng)大的上下文理解、多語(yǔ)言處理和知識(shí)豐富等優(yōu)勢(shì)顯著提升了人機(jī)交互的智能化水平，但也面臨計(jì)算資源需求高、數(shù)據(jù)隱私和安全問(wèn)題、解釋性不足以及偏見(jiàn)和公平性等挑戰(zhàn)[4]。

3.3.2 大模型在托寄物識(shí)別中的應(yīng)用

托寄物智能識(shí)別是基于自然語(yǔ)言處理技術(shù)的智能系統(tǒng)，旨在自動(dòng)識(shí)別、處理和管理包裹信息[5]。通過(guò)對(duì)包裹標(biāo)簽、物流單據(jù)等信息的智能解析，能夠大幅提升包裹信息處理的效率和準(zhǔn)確性，減少人工操作的工作量，并降低出錯(cuò)率[6]。

京東快遞借助大模型的強(qiáng)大能力，通過(guò)對(duì)文本信息的精準(zhǔn)解析，實(shí)現(xiàn)了托寄物的高效識(shí)別和匹配。具體來(lái)說(shuō)，大模型根據(jù)實(shí)現(xiàn)預(yù)設(shè)的業(yè)務(wù)規(guī)則能夠理解并處理用戶和商家輸入的復(fù)雜描述，自動(dòng)提取出關(guān)鍵特征，從而將托寄物精準(zhǔn)匹配到正確的品類。這一過(guò)程不僅提高了識(shí)別的準(zhǔn)確性，還大幅減少了因匹配錯(cuò)誤導(dǎo)致的物流問(wèn)題。以下是對(duì)大模型能力與現(xiàn)有能力對(duì)比情況：

??

大模型在文本解析方面的應(yīng)用，使得托寄物能夠被精準(zhǔn)識(shí)別并匹配到正確的品類。通過(guò)對(duì)現(xiàn)有品類的深入分析和理解，大模型能夠提出更準(zhǔn)確的命名，并自動(dòng)生成新的品類名稱，確保品類庫(kù)的不斷更新和豐富。這種動(dòng)態(tài)擴(kuò)展的能力，使得品類庫(kù)能夠及時(shí)涵蓋新興商品和細(xì)分市場(chǎng)，提升了整體匹配的精度和效率。此外，通過(guò)更精準(zhǔn)的托寄物品智能識(shí)別打標(biāo)，系統(tǒng)能夠推薦更符合托寄物品類的運(yùn)輸路線和時(shí)效。比如，對(duì)于易碎品和生鮮商品，系統(tǒng)會(huì)自動(dòng)選擇更適合的運(yùn)輸方式和更快的配送時(shí)效，確保商品的安全和新鮮度。這種精準(zhǔn)的路線和時(shí)效推薦，不僅提高了物流運(yùn)營(yíng)的效率，還顯著減少了客戶投訴，挽回了因運(yùn)輸問(wèn)題導(dǎo)致的托寄物理賠損失。

通過(guò)對(duì)托寄物品類型數(shù)據(jù)的深入分析，京東快遞能夠推薦更合理的增值服務(wù)，從而提升攬收效率。例如，通過(guò)分析某一區(qū)域內(nèi)的托寄物品類型和數(shù)量，系統(tǒng)可以預(yù)測(cè)未來(lái)的攬收需求，并提前安排快遞員進(jìn)行高效的攬收操作。此外，系統(tǒng)還可以根據(jù)托寄物的特性，推薦相關(guān)的增值服務(wù)，如保價(jià)服務(wù)、特殊包裝服務(wù)等，進(jìn)一步提高客戶滿意度和攬收效率。

從長(zhǎng)遠(yuǎn)規(guī)劃來(lái)看，京東快遞還可以利用大模型對(duì)同類型托寄物郵寄較多的地區(qū)進(jìn)行重新規(guī)劃郵寄路線。通過(guò)對(duì)歷史數(shù)據(jù)的分析，系統(tǒng)能夠識(shí)別出某些地區(qū)對(duì)特定類型托寄物的需求較高，從而優(yōu)化這些地區(qū)的郵寄路線，提高郵寄時(shí)效。例如，對(duì)于某些地區(qū)頻繁郵寄的電子產(chǎn)品，系統(tǒng)可以規(guī)劃專門(mén)的運(yùn)輸路線，以確保這些產(chǎn)品能夠更快速地送達(dá)目的地。這不僅提高了用戶體驗(yàn)，減少了客戶投訴，還進(jìn)一步提升了整體物流運(yùn)營(yíng)的效率。

四、托寄物智能識(shí)別的具體實(shí)施落地

如何有效的將大模型與我們的業(yè)務(wù)結(jié)合起來(lái)？如何控制成本？如何保證安全可控？如何高效率協(xié)作？這些都是我們面臨的難題。

京東快遞業(yè)務(wù)是面向C和B的業(yè)務(wù)，包括寄件、下單、查件等多個(gè)核心流程。其中托寄物信息識(shí)別是其核心流程下單環(huán)節(jié)中重要的一環(huán)。我們需要考慮以下幾點(diǎn)：

(1) 在進(jìn)行大模型查詢識(shí)別過(guò)程中，我們要保證識(shí)別時(shí)效，不能影響下單效率。

(2) 京東快遞業(yè)務(wù)量較大，如果每一單都進(jìn)行大模型識(shí)別，使用成本較高，業(yè)務(wù)成本無(wú)法把控。

(3) 我們還要驗(yàn)證大模型識(shí)別結(jié)果的準(zhǔn)確性是否滿足訴求。

(4) 對(duì)于識(shí)別的結(jié)果無(wú)法匹配怎么處理？

4.1 架構(gòu)設(shè)計(jì)

京東快遞業(yè)務(wù)TOB和TOC特點(diǎn)不同，TOC大部分是用戶輸入，一般用戶最多只輸入幾個(gè)字，用戶更傾向使用熱門(mén)推薦或者用戶常寄列表中的記錄，這類托寄物名稱大概率即為品類名稱，例如“文件”“衣服”等，這類詞大部分都能在品類庫(kù)中通過(guò)全匹配的形式匹配上。如下圖所示：

??

而TOB大部分是商家，托寄物名稱一般是電商平臺(tái)的商品名稱，夾帶各種SEO搜索關(guān)鍵字和吸引眼球的描述信息，一般詞條較長(zhǎng)肉眼難以快速辨認(rèn)，一般無(wú)法通過(guò)簡(jiǎn)單匹配的方式在品類庫(kù)找到對(duì)應(yīng)的三級(jí)品類，這類運(yùn)單往往需要AI幫助識(shí)別出合適的類別，然后再進(jìn)行品類庫(kù)對(duì)應(yīng)尋找。

針對(duì)以上TOB和TOC的不同特點(diǎn)，我們對(duì)托寄物智能識(shí)別系統(tǒng)設(shè)計(jì)了兩種形式不同的架構(gòu)。

4.1.1 B端架構(gòu)設(shè)計(jì)

??

TOB流程：

① 托寄物描述信息：客戶端將真實(shí)的B運(yùn)單商品信息推送給品類推薦服務(wù)器進(jìn)行處理，商品名稱舉例：“寧夏農(nóng)墾灘羊無(wú)脊羊排5斤，寧夏農(nóng)墾灘羊無(wú)脊羊排5斤，寧夏農(nóng)灘羊無(wú)脊羊排5斤，寧夏農(nóng)灘羊無(wú)脊羊排5斤，寧夏羊排”

② 品類推薦服務(wù)器經(jīng)過(guò)處理后給大模型輸入預(yù)處理后的托寄物描述，預(yù)處理后的托寄物描述可參考如下模式：您的任務(wù)是根據(jù)#物品描述#提取出x個(gè)字內(nèi)的物品的品類和名稱，只返回最明確且能體現(xiàn)用戶意圖的那個(gè)。忽略地域，品牌，型號(hào)，重量，體積，尺寸，數(shù)量，價(jià)格，包裝，形容詞等干擾信息。輸出JSON對(duì)象:<包含以下鍵：品類 和 名稱>,如果無(wú)法提取或確認(rèn)，則鍵值為空，其中物品描述替換為#寧夏農(nóng)墾灘羊無(wú)脊羊排5斤，寧夏農(nóng)墾灘羊無(wú)脊羊排5斤，寧夏農(nóng)灘羊無(wú)脊羊排5斤，寧夏農(nóng)灘羊無(wú)脊羊排5斤，寧夏羊排#

③ 大模型根據(jù)輸入的要求推理得到識(shí)別結(jié)果，#品類：肉，名稱：羊排#

④ 識(shí)別結(jié)果與現(xiàn)有的品類庫(kù)進(jìn)行匹配，如果匹配上則將相應(yīng)的品類返回給品類推薦服務(wù)器，如果匹配不上則返回空。這里，應(yīng)該返回“生鮮-肉類-羊排”

⑤ 品類推薦服務(wù)器再將拿到的識(shí)別結(jié)果反饋給客戶端?？蛻舳苏故?strong>“生鮮-羊排”

4.1.2 C端架構(gòu)設(shè)計(jì)

??

TOC流程：

① 托寄物描述信息：客戶端將真實(shí)的C運(yùn)單商品信息推送給品類推薦服務(wù)器進(jìn)行處理，商品名稱舉例：“一箱大蘋(píng)果”

② 品類推薦服務(wù)器首先會(huì)在品類庫(kù)進(jìn)行全匹配，如果匹配上，則直接返回給客戶端品類信息，結(jié)束。

③ 如果匹配不上則重復(fù)TOB的第二個(gè)步驟，品類推薦服務(wù)器給大模型輸入預(yù)處理后的托寄物描述，預(yù)處理后的托寄物描述可參考如下模式：您的任務(wù)是根據(jù)#物品描述#提取出6個(gè)字內(nèi)的物品的品類和名稱，只返回最明確且能體現(xiàn)用戶意圖的那個(gè)。忽略地域，品牌，型號(hào)，重量，體積，尺寸，數(shù)量，價(jià)格，包裝，形容詞等干擾信息。輸出JSON對(duì)象:<包含以下鍵：品類 和 名稱>,如果無(wú)法提取或確認(rèn)，則鍵值為空。這里的物品描述為#一箱大蘋(píng)果#

④ 大模型根據(jù)輸入的要求推理得到識(shí)別結(jié)果，#品類：水果，名稱：蘋(píng)果#

⑤ 識(shí)別結(jié)果與現(xiàn)有的品類庫(kù)三級(jí)品類名稱進(jìn)行匹配，如果匹配上則將相應(yīng)的品類返回給品類推薦服務(wù)器，如果匹配不上則返回空。這里，應(yīng)該返回三級(jí)品類#生鮮-水果-蘋(píng)果#

⑥ 品類推薦服務(wù)器再將拿到的識(shí)別結(jié)果反饋給客戶端。客戶端展示#生鮮-蘋(píng)果#

4.2 準(zhǔn)確性校驗(yàn)

4.2.1 實(shí)施前期準(zhǔn)確性校驗(yàn)

為了驗(yàn)證大模型識(shí)別結(jié)果的準(zhǔn)確性，我們隨機(jī)選取了線上1000個(gè)不同品類的托寄物運(yùn)單進(jìn)行識(shí)別，然后將識(shí)別結(jié)果進(jìn)行人工校驗(yàn)，將大模型匹配后的結(jié)果分為0未匹配、1 匹配且正確、2識(shí)別錯(cuò)誤、3待決（有歧義需要討論）、4有更精準(zhǔn)的選項(xiàng)（有更精確的品類可匹配），去除人工無(wú)法識(shí)別的情況，最終結(jié)果有88%匹配，正確率在95%以上，基于此次驗(yàn)證，可以得到結(jié)論：可以將大模型識(shí)別結(jié)果應(yīng)用到快遞業(yè)務(wù)中。

??

4.2.2 實(shí)施后期人工干預(yù)矯正

此外，我們還有一個(gè)可人工干預(yù)結(jié)果的運(yùn)營(yíng)后臺(tái)系統(tǒng)，大模型識(shí)別的結(jié)果會(huì)在該平臺(tái)上進(jìn)行展示，業(yè)務(wù)和運(yùn)營(yíng)人員可操作結(jié)果，分別為：無(wú)法識(shí)別、人工修復(fù)、新增品類和確認(rèn)三級(jí)品類無(wú)誤，一旦經(jīng)過(guò)人工干預(yù)，后續(xù)大模型結(jié)果會(huì)按照人工干預(yù)的結(jié)果矯正返回。

無(wú)法識(shí)別：表示無(wú)論人還是大模型都無(wú)法識(shí)別，這類托寄物名稱一般是較短的幾個(gè)字，比如一個(gè)字或者兩個(gè)字，太泛泛無(wú)法分析出所屬的類別

人工修復(fù)：認(rèn)為大模型識(shí)別錯(cuò)誤或者不夠準(zhǔn)確，進(jìn)行人為干預(yù)矯正，后續(xù)大模型識(shí)別的結(jié)果會(huì)按照矯正后的類別進(jìn)行返回

新增品類：表示大模型識(shí)別的結(jié)果正確，但是無(wú)法匹配到現(xiàn)有品類庫(kù)中的三級(jí)品類，并且經(jīng)過(guò)業(yè)務(wù)核實(shí)確實(shí)缺少該品類，需要增加到現(xiàn)有品類庫(kù)中

確認(rèn)三級(jí)品類無(wú)誤：表示大模型識(shí)別到的結(jié)果正確且能夠匹配到現(xiàn)有品類庫(kù)中的三級(jí)品類

4.3如何用更少的成本更快速的識(shí)別？

在本章節(jié)開(kāi)頭我們提到了京東快遞業(yè)務(wù)量巨大，如果每一單都進(jìn)行大模型識(shí)別，調(diào)用大模型的使用成本就會(huì)很高，業(yè)務(wù)成本無(wú)法把控。此外，AI智能識(shí)別是需要一定的思考時(shí)間，接口響應(yīng)時(shí)間有長(zhǎng)有短，下單流程不能因?yàn)樽R(shí)別接口響應(yīng)較慢影響用戶下單，如何用更少的成本進(jìn)行更快速的智能識(shí)別？也是我們需要解決的一大難題。

為了把控成本，我們對(duì)托寄物名稱進(jìn)行分析，發(fā)現(xiàn)很多運(yùn)單的托寄物名稱相同，原因是B端商家在發(fā)貨時(shí)，使用的基本都是商品名稱，比如每天該商品銷售了1000單，則這1000單的托寄物名稱均為同一商品名稱。同時(shí)為了解決大模型接口時(shí)效的問(wèn)題，我們采取的策略是“預(yù)熱”，具體方案如下：

??

設(shè)置一個(gè)預(yù)熱緩存，下單進(jìn)行托寄物識(shí)別時(shí)，首先在預(yù)熱緩存池中查找是否之前已經(jīng)識(shí)別過(guò)相同名稱的托寄物，找到則直接返回緩存結(jié)果，找不到則返回空，并同步進(jìn)行第一次大模型結(jié)果識(shí)別，識(shí)別后的結(jié)果再次放入緩存池中，等下次有同樣名稱識(shí)別時(shí)返回使用。

這樣做的好處是：

① 不需要等識(shí)別結(jié)果，緩存取值時(shí)效能夠得到保證

② 大大減少托寄物使用大模型識(shí)別的次數(shù)，極大的節(jié)約了成本

4.4 托寄物匹配準(zhǔn)確后的效果

① 一些生鮮、酒水等需要特殊包裝的托寄物，在匹配成正確的品類后，推薦更符合托寄物品類的路線和時(shí)效，促進(jìn)快遞路線更精確化，有效的減少了包裹的破損率，減少客訴

② 推薦更合理的增值服務(wù)，提升攬收效率，提高客單價(jià)

③ 針對(duì)現(xiàn)有品類提出更準(zhǔn)確的命名，自動(dòng)生成新的品類，補(bǔ)充豐富品類庫(kù)，達(dá)到品類庫(kù)標(biāo)準(zhǔn)化

④ 降低人工投入和糾錯(cuò)成本

⑤ 生成商家托寄物行業(yè)屬性用戶畫(huà)像，定向推送優(yōu)惠政策

下圖是從今年1月至今年6月匹配率數(shù)據(jù)趨勢(shì)圖，從圖中可以看到匹配率得到顯著提升，由于目前還在灰度階段，相信隨著后續(xù)逐步放量，托寄物匹配率能達(dá)到更高的高度。

??

五、未來(lái)與展望

隨著人工智能、機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)的不斷發(fā)展，托寄物識(shí)別技術(shù)的未來(lái)展望十分廣闊。托寄物識(shí)別技術(shù)的進(jìn)步將使得物流公司不僅能夠提升物流效率和安全性，還能夠利用這些技術(shù)生成更加細(xì)致和深入的商家托寄物行業(yè)屬性用戶畫(huà)像。這種用戶畫(huà)像的生成，將基于對(duì)托寄物品類別、頻率、體積、目的地等多維度數(shù)據(jù)的分析，從而描繪出一個(gè)全面的商家物流需求圖譜。具體未來(lái)規(guī)劃體現(xiàn)在以下幾點(diǎn)：

個(gè)性化增值服務(wù)推薦：通過(guò)對(duì)托寄物品類型的深入分析，京東快遞能夠?yàn)椴煌蛻敉扑]更加個(gè)性化的增值服務(wù)。例如，對(duì)于易碎品，系統(tǒng)會(huì)推薦特殊包裝服務(wù)；對(duì)于高價(jià)值物品，推薦保價(jià)服務(wù)。這種個(gè)性化的服務(wù)推薦不僅提升了客戶的使用體驗(yàn)，還有助于增加客戶對(duì)京東快遞服務(wù)的信賴和滿意度。

預(yù)測(cè)未來(lái)攬收需求：利用大數(shù)據(jù)和人工智能技術(shù)，京東快遞可以準(zhǔn)確預(yù)測(cè)未來(lái)的攬收需求，提前安排快遞員進(jìn)行攬收，從而大幅提高攬收效率。這種預(yù)測(cè)性攬收策略，不僅優(yōu)化了資源分配，減少了等待時(shí)間，還提高了整體的服務(wù)質(zhì)量。

優(yōu)化郵寄路線：通過(guò)對(duì)托寄物類型和郵寄頻率的分析，京東快遞能夠重新規(guī)劃郵寄路線，特別是對(duì)于需求量大的特定類型托寄物，如電子產(chǎn)品，系統(tǒng)可以規(guī)劃專門(mén)的運(yùn)輸路線。

降低運(yùn)營(yíng)成本：通過(guò)提高托寄物匹配率，京東快遞能夠更精準(zhǔn)地預(yù)測(cè)和規(guī)劃物流資源，從而降低無(wú)效運(yùn)輸和重復(fù)分揀的成本。這種成本優(yōu)化直接反映在運(yùn)營(yíng)效率的提升上，長(zhǎng)期來(lái)看，有助于快遞公司在競(jìng)爭(zhēng)中保持優(yōu)勢(shì)，實(shí)現(xiàn)可持續(xù)發(fā)展。

高度個(gè)性化的服務(wù)提供：通過(guò)對(duì)商家托寄物行業(yè)屬性的深入了解，物流公司能夠?yàn)椴煌袠I(yè)的商家提供更加個(gè)性化的物流解決方案。例如，對(duì)于經(jīng)常托寄易碎物品的商家，物流公司可以提供特殊的包裝和快遞服務(wù)；對(duì)于需要跨境物流的商家，提供更加便捷的清關(guān)服務(wù)和國(guó)際物流方案。

向推送優(yōu)惠政策：基于商家托寄物行業(yè)屬性用戶畫(huà)像，物流公司可以更精準(zhǔn)地定向推送優(yōu)惠政策。這種定向推送不僅能夠提升優(yōu)惠政策的使用率和滿意度，還能夠增強(qiáng)商家的忠誠(chéng)度。例如，對(duì)于常年有大量托寄需求的商家，物流公司可以提供量身定制的折扣方案或增值服務(wù)。

?

參考文獻(xiàn)

[1] 笙婷婷.數(shù)字經(jīng)濟(jì)背景下我國(guó)跨境電子商務(wù)物流運(yùn)作模式研究[J].商場(chǎng)現(xiàn)代化,2024,(11):38-40.DOI:10.14013/j.cnki.scxdh.2024.11.045.

[2] 郭永麗,高紅.基于創(chuàng)新創(chuàng)業(yè)的應(yīng)用型農(nóng)村電商物流人才培養(yǎng)模式研究[J].中國(guó)儲(chǔ)運(yùn),2024,(06):132-133.DOI:10.16301/j.cnki.cn12-1204/f.2024.06.003.

[3] Mun M ,Kim A ,Woo K .Natural Language Processing Application in Nursing Research: A Study Using Text Network Analysis and Topic Modeling.[J].Computers, informatics, nursing : CIN,2024

[4] García P D ,Benito C J ,Pe?alvo G J F .Comparing Natural Language Processing and Quantum Natural Processing approaches in text classification tasks[J].Expert Systems With Applications,2024,254124427

[5] 楊紫超,吳恒,吳悅文,等.基于性能建模的深度學(xué)習(xí)訓(xùn)練任務(wù)調(diào)度綜述[J/OL].軟件學(xué)報(bào),1-21[2024-06-24].https://doi.org/10.13328/j.cnki.jos.007202.

[6] 楊力,陳齊萌,朱俊奇.ChatGPT對(duì)物流行業(yè)發(fā)展的影響分析[J].安徽理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2024,26(02):19-26.


審核編輯 黃宇