客户案例 – Banggood

客户背景

棒谷（Banggood）是全球领先的直接面向消费者的在线零售商，为超过6600万的注册用户提供精心挑选的高性价比产品，业务遍及北美、欧洲、亚太、南美和中东等200多个国家和地区。Banggood 与3000多个精选品牌建立了密切合作，为全球消费者提供多达 30 个类别和 100万种优质产品，包括消费电子、家用电器、工具、运动和服装等。

随着商品品类不断增加和快速更新换代，图片、视频、文案、商品详情页等大量营销素材需要在短时间内制作、上架和更换。此外，面向不同地区消费者，还需要提供契合不同人群、语种、文化等地域差异的合适素材样式。Banggood面临着素材制作样式多、成本高、周期长、效果平等压力，期望借助生成式AI技术优化营销素材的生产过程。但构建机器学习基础设施需要大量人力和成本，且不断有更新的生成式AI技术出现，Banggood需要专业的技术支持来协助其完成营销素材AI创作平台的快速搭建、验证和上线。

客户挑战

  • 高效图片创作：Banggood全球独立站面临商品素材图片制作成本高、效率低、需要大量变款、频繁更新等创作痛点。
  • 营销降本增效：电商营销素材摄制和处理要求高，如何借助生成式AI能力，减少素材创意、版权和多样性需求带来的高成本，同时提升素材创作的效率和质量。
  • 快速实现：如何基于现有图片等素材数据进行快速搭建和可行性验证；在保证应用高可用和性能平衡的同时提升基础设施部署和变更的敏捷性、可控性。

解决方案

  • 利⽤Amazon Sagemaker托管Stable Diffusion (SD) 模型进行图像生成训练和推理，通过图像分割和图像生成，可以快速完成商品图片素材的生成、换样、变款等创作，按需制作不同效果。
  • 企业内部用户通过面向互联网的ALB访问EKS部署的创作平台前端Web应用，创作平台通过API Gateway触发Amazon Lambda函数对由SageMaker Endpoint部署的SD推理能力进行调用，执行不同的作业任务。
  • 采用Amazon S3存储机器学习模型和图像数据，素材制作的过程文件和生成结果，供Web应用和SageMaker Endpoint访问。
  • 整体推理架构采用SageMaker JumpStart加速模型的构建、部署、训练、调优等，利用Sagemaker托管式服务和分布式计算确保高效推理和优良性能。
  • 实现方案用到的AWS服务包括： ELB、Amazon EKS、API Gateway、AWS Lambda、SageMaker、Amazon S3、Amazon EFS等。

客户收益

  • 快速上线：平台应用从开发到上线不到3个月，显著降低应用开发以及模型训练和调优的时间。
  • 高效创作：借助SageMaker推理实现多用户并发分钟级出图，图片素材制作效率提升了45%。
  • 营销降本：采用AI图片创作，减少拍摄、版权、模特等素材获取成本，同时提高了图片创作人员的工作效率和成果质量，节省时间成本。