Cymbal Retail · 線上零售

公司概況（Company Overview）

Cymbal 是一家正在大幅成長的線上零售商（online retailer），商品種類多、橫跨數個零售子類別（retail sub-verticals），所以管理龐大的商品目錄一直是難題。

解決方案構想（Solution Concept）

Cymbal 想在三個核心領域現代化營運、改善顧客體驗：

• Catalog and Content Enrichment：用生成式 AI，從供應商提供的資訊產生商品屬性、描述與圖片，讓目錄自動化、更正確。目標是簡化目錄管理、減少人工與錯誤，並讓各銷售通路（sales channels）的資訊一致。
• Conversational Commerce with Product Discovery：在網站與行動 app 加入 AI 虛擬助理（virtual agents），讓顧客用自然語言對話購物。原文寫這些助理會用 Google Cloud 的 Discovery AI 處理使用者請求，依每位顧客的需求與偏好找出最相關的商品。
• Technical Stack Modernization：為了精簡營運，並降低人工流程、資料傳輸、錯誤處理與修復的成本，要把技術堆疊現代化，包含雲端基礎設施、安全有效率的資料處理、第三方整合，以及主動式（proactive）的監控與安全。

既有技術環境（Existing Technical Environment）

• 地端與雲端系統混用。
• 用多種資料庫存放並管理龐大的商品目錄與顧客資料，包括（including）MySQL、Microsoft SQL Server、Redis、MongoDB。
• 容器化應用程式跑在 Kubernetes cluster 上。
• 與地端系統之間有舊的檔案式整合，包括 SFTP 檔案傳輸與 ETL 批次處理。
• 自建的 web 應用程式讓顧客瀏覽目錄，做法是用商品名稱和分類去查關聯式資料庫。
• IVR（Interactive Voice Response）系統先接顧客來電，再轉給對應的部門或客服人員。
• 客服中心人員接 IVR 轉來的電話；顧客自己無法完成交易時，由客服手動把訂單輸入系統。
• 監控用多種開源工具，例如 Grafana、Nagios、Elastic。

原文點出現況的三個問題：人工流程耗時又容易出錯、資料孤島讓人看不到完整的顧客旅程、新技術很難整合進來。

業務需求（Business Requirements）

原文說明，以下是 Cymbal 對生成式 AI 解決方案的關鍵業務需求：

• Automate Product Catalog Enrichment：減少人工、降低錯誤，確保目錄正確且一致。
• Improve Product Discoverability：提高搜尋相關性，讓顧客更快找到商品。
• Increase Customer Engagement：打造更有互動、更個人化的購物體驗，提高顧客滿意度，並有機會降低退貨。
• Drive Sales Conversion：提供更直覺、更有幫助的購物體驗，提高轉換率並帶動營收。
• Reduce costs：降低客服中心的人力成本，以及資料中心的 hosting 成本（data-center hosting costs）。

技術需求（Technical Requirements）

• Attribute Generation：從供應商的標題、描述與圖片準確推導商品屬性，而且要符合商品分類與 Cymbal 既有的目錄結構。
• Image Generation and Enhancement：從一張基礎圖產生不同變化（例如不同顏色），並支援更換背景、調整商品顏色、加上文字疊圖（text overlays）。
• Automate Product Discovery：處理顧客用自然語言提出的請求，回傳高度相關的商品結果。
• Scalability and Performance：要能處理龐大的商品目錄與預期的成長，不犧牲效能或使用體驗。
• Human-in-the-Loop（HITL）Review：提供 UI 讓員工（associates）審核與管理生成式 AI 產生的內容，讓他們在更新商品目錄之前可以核准、退回或修改建議。
• Data Security and Compliance：所有顧客資料（包含商品資訊、與虛擬助理的互動）都要安全處理，並符合相關產業法規。

高層說法（Executive Statement）

原文寫，導入 Google Cloud 的 Generative AI for Digital Commerce 解決方案後，Cymbal 可以改造線上零售營運，提高效率、改善顧客體驗並帶動營收。列出的效益有五項：目錄管理自動化降低營運成本；新商品上架與既有商品更新更快；各銷售通路的商品資訊更正確一致；符合現代顧客偏好的對話式、個人化購物體驗；商品更容易被找到，帶來更高的轉換率與銷售。

[供應商資料] 標題、描述、圖片
   │  驗證、正規化、對應分類 schema
   ▼
[生成模型] 屬性、描述、圖片建議（記錄 model 與 prompt 版本）
   │
   ▼
[Review 佇列] 員工在 UI 審核（官方技術需求：提供審核 UI）
   ├─ 修改 → 重新驗證後再審
   ├─ 退回 → 記錄原因，不更新目錄
   └─ 核准 → 受控流程發布到正式目錄
                  │
                  ▼
           稽核紀錄、版本、品質監控與 rollback

這張圖是站內整理的流程，不是官方指定架構。重點只有一個：AI 的建議先停在 review 狀態，員工核准後才能跨過正式目錄的發布邊界。