基于产品元数据的对话式购物助理问题建议

数字助手已在电子商务应用中广泛普及，得益于信息检索（IR）、自然语言处理（NLP）和生成式人工智能（AI）的最新进展。然而，客户常常不确定或不了解如何与这些助手有效对话以满足购物需求。本文强调，为客户提供一种快速、易用且自然的交互方式，以便更顺畅地与对话式购物助理交流。我们提出一种框架，利用大语言模型（LLM）通过零样本学习和监督微调，自动生成关于产品的、具上下文、实用、可解答、流畅且多样的问题。将这些问题推荐给客户作为有帮助的建议或提示，用于开始或继续对话，可实现更顺畅、更快速的购物体验，减少对话开销和摩擦。我们进行了大量离线评估，并详细讨论了这些生成产品问题在实际购物助理中可能的客户影响，以及问题的类型、长度和延迟。