Related articles
场景描述
TVCMALL 是一家以 「货通天下，品质生活」 为使命的平台型公司，为全球客户提供一站式批发解决方案，同时为中国品牌和产品出海提供线上批发渠道。作为一个面向海外市场的电商平台，商品页面本地化翻译是提升客户体验和拓展国际市场的重要环节，也为 TVCMALL 带来了一系列挑战：
- 1. 依赖传统翻译和专业人工校正，导致商品上新速度慢且人力成本高昂；
- 2. 传统翻译服务常常是直译，内容生硬，在翻译质量、地域文化差异、术语准确性及语种覆盖上存在不足，甚至出现漏翻的情况，给客户留下了不专业的印象，需要人工二次校对才能上线，且 TVCMALL 采用的传统翻译或部分 LLM（大语言模型） 翻译价格较高，不适合大量商品描述翻译场景；
- 3. 每款商品的资料来源于多个渠道，包括供应商、开发人员及国内批发商等平台，导致这些原始资料格式不统一且标准化程度低，这为信息提取和内容开发带来了巨大挑战。
- TVCMALL 希望采用生成式 AI 技术，以提升翻译质量、增强客户满意度，解决原始资料标准化提取问题，同时降低翻译成本和客户沟通成本。
解决方案
1. 优化多语言商品翻译流程：TVCMALL 基于 Amazon Bedrock 调用 Anthropic Claude 3.5 与 Amazon Nova 系列大模型，实现增量商品的实时翻译与上百万条存量商品信息的批量翻译，全流程自动化且翻译质量达到专业水准，无需二次人工校对。在研发过程中，亚马逊云科技团队协助解决 LLM 幻觉问题、优化电商场景化提示词、确保结构化 JSON 输出，提升了翻译准确性、术语适配性与系统集成稳定性。通过替换原有方案，实时翻译成本降至原来的 1/3，批量离线翻译成本降至 1/6，每月节省数千美元，并减少所需 Amazon EC2 实例数量。
2. 提升商品信息聚合与内容生成效率：在多模态商品信息聚合和商品 Listing 场景中，TVCMALL 通过 Amazon Bedrock 高性能基础模型，从 PDF、Word、TXT、扫描件、表格、图片、语音记录等多种来源自动提取并汇总关键信息，生成标准化网页内容。运营人员仅需简单检查，即可快速生成中英文商品介绍，并通过翻译工具转化为当地语种，加快商品上线速度。
3. 应用多模态 AI 优化图片内容处理：TVCMALL 计划利用 Amazon Nova 进行商品图片的纹理优化、素材重绘与宣传语添加，减少抠图等重复劳动。在每周数百款商品、上千张图片的制作任务中，AI 处理显著节省了美工时间，提升了内容生成效率，使团队能将更多精力投入到客户服务等高价值工作中。
成效
1.1 个月上线，翻译与上架效率双提升：TVCMALL 在 1 个月内完成 AI 智能商品翻译方案的开发、测试与上线，借助 Amazon Bedrock 模型持续优化翻译质量，显著提升客户体验并加快商品上市速度。商品上新周期由每周一次缩短至 1-2 天，上架效率提升 30%。
2. 多语言体验优化，提升客户满意度：基于 Amazon Bedrock 调用的系列模型为全球用户提供自然、精准的多语言网页内容，产品描述、规格说明等信息完全符合当地消费者阅读习惯，帮助客户快速获取所需信息，增强购物体验与满意度。
3. 节省翻译成本 40%，提升内容生产效率：不再依赖专职的小语种翻译人员或对传统机器翻译结果进行人工校对，整体节省 40% 翻译开支；AI 自动从图片、文档等多模态数据提取并标准化商品信息，减少人工干预，显著提升运营与内容生成效率，为团队释放更多资源投入高价值工作。
