EventCast: Hybrid Demand Forecasting in E-Commerce with LLM-Based Event Knowledge
इवेंटकास्ट (EventCast) एक मॉड्यूलर पूर्वानुमान ढांचा है जो उच्च-प्रभाव वाले अवधियों के दौरान ई-कॉमर्स मांग की भविष्यवाणी में सुधार करता है, जिसमें बड़े भाषा मॉडल (Large Language Models) का उपयोग करके असंरचित व्यावसायिक डेटा को व्याख्या योग्य इवेंट सारांशों में परिवर्तित किया जाता है, जिन्हें फिर एक ड्यूल-टावर आर्किटेक्चर के माध्यम से ऐतिहासिक टाइम-सीरीज डेटा के साथ संलयित (fuse) किया जाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक छोटी सी बेकरी चला रहे हैं। अधिकांश दिनों में, आपको पता होता है कि कितने क्रोइसैन्ट (croissants) बनाने हैं क्योंकि आप देखते हैं कि आपने पिछले मंगलवार को कितने बेचे थे। यह "ऐतिहासिक पूर्वानुमान" (Historical Forecasting) है—भविष्य की भविष्यवाणी करने के लिए अतीत पर निर्भर रहना।
लेकिन फिर, कुछ अप्रत्याशित होता है। अचानक, कोई बड़ा स्थानीय उत्सव होता है, या अचानक गर्मी बढ़ जाती है, या कोई सेलिब्रिटी आपके सोंडौ (sourdough) खाते हुए वीडियो पोस्ट कर देता है। यदि आप केवल पिछले मंगलवार के आंकड़ों को देखते हैं, तो आप या तो बहुत कम बना लेंगे (और स्टॉक खत्म हो जाएगा) या बहुत अधिक (और पैसा बर्बाद होगा)।
ByteDance के शोधकर्ताओं ने इस सटीक समस्या को हल करने के लिए बड़े ई-कॉमर्स कंपनियों के लिए EventCast बनाया है। यह कैसे काम करता है, इसे कुछ सरल उपमाओं के माध्यम से समझाया गया है।
1. समस्या: "आंखों पर पट्टी बांधा हुआ शेफ" (The Blindfolded Chef)
वर्तमान में अधिकांश AI पूर्वानुमान मॉडल एक ऐसे शेफ की तरह हैं जिसकी आंखों पर पट्टी बंधी है। वे ओवन के तापमान को महसूस कर सकते हैं और उन्हें याद है कि उन्होंने कल कितनी रोटियां बनाई थीं, लेकिन उन्हें इस बात का कोई अंदाजा नहीं है कि रसोई के बाहर क्या हो रहा है। उन्हें नहीं पता कि रमजान चल रहा है, उन्हें नहीं पता कि कोई "फ्लैश सेल" हो रही है, और उन्हें यह भी नहीं पता कि कोई छुट्टी डिलीवरी ट्रकों को बंद करने वाली है। क्योंकि वे इन आगामी घटनाओं के प्रति "अंधे" हैं, इसलिए जब मांग अचानक बढ़ती या गिरती है, तो वे पूरी तरह से अचंभित रह जाते हैं।
2. समाधान: "स्मार्ट असिस्टेंट" (The Smart Assistant - LLM)
शेफ (गणितीय मॉडल) को गणित में अधिक स्मार्ट बनाने के बजाय, शोधकर्ताओं ने शेफ को एक स्मार्ट असिस्टेंट दिया—एक लार्ज लैंग्वेज मॉडल (जैसे ChatGPT)।
हालाँकि, उन्होंने असिस्टेंट को खाना पकाने (वास्तविक संख्या गणना) के लिए नहीं कहा। क्यों? क्योंकि LLMs बातें करने में तो अच्छे हैं, लेकिन वे वास्तवude में सटीक गणित में काफी खराब हैं। यदि आप एक LLM से पूछते हैं, "अगले गुरुवार दोपहर 2:14 बजे हम शैम्पू की कितनी यूनिट बेचेंगे?" तो वह आपको एक बहुत ही आत्मविश्वासी, लेकिन पूरी तरह से गलत संख्या दे सकता है।
इसके बजाय, असिस्टेंट का काम तर्क करना (Reasoning) है। असिस्टेंट बिजनेस टीम के "अव्यवस्थित नोट्स" को पढ़ता है—ऐसे नोट्स जिनमें स्पेलिंग की गलतियाँ, स्लैंग या अजीब संक्षिप्त रूप जैसे "B2G1 free!! FS for orders >15USD" हो सकते हैं—और उन्हें एक स्पष्ट सारांश में अनुवादित करता है:
"हे शेफ, अगले गुरुवार को एक बड़ा अवकाश है। लोग सुबह के समय बहुत खरीदारी करेंगे, लेकिन दोपहर में डिलीवरी सेवाएं बंद रहेंगी। साथ ही, एक 'एक खरीदें एक मुफ्त पाएं' (Buy One Get One) सेल भी सक्रिय है।"
3. आर्किटेक्चर: "डुअल-टावर" रणनीति (The Dual-Tower Strategy)
EventCast एक "डुअल-टावर" डिज़ाइन का उपयोग करता है। इसे एक पेशेवर स्पोर्ट्स टीम की तरह समझें:
- टावर 1 (द अनुभवी खिलाड़ी - The Veteran Player): मॉडल का यह हिस्सा "आंकड़ों" को देखता है। यह ऐतिहासिक पैटर्न, रुझानों और मौसमी चक्रों का अध्ययन करता है। यह इस बात का विशेषज्ञ है कि आमतौर पर क्या होता है।
- टावर 2 (द स्काउट - The Scout): यह हिस्सा स्मार्ट असिस्टेंट की बात सुनता है। यह पूरी तरह से "आने वाली खबरों" पर ध्यान केंद्रित करता है—त्योहार, सेल और छुट्टियां।
फ्यूजन (The Fusion): अंत में, दोनों टावर मिलते हैं। मॉडल अनुभवी (Veteran) से "सामान्य रुझान" लेता है और स्काउट (Scout) से मिली "खबर" के आधार पर उसे समायोजित करता है। यदि अनुभवी कहता है, "हम आमतौर पर 100 आइटम बेचते हैं," लेकिन स्काउट कहता है, "कल 50% की भारी छूट है," तो मॉडल उन संकेतों को मिलाकर मांग में उछाल की भविष्यवाणी करता है।
4. यह एक बड़ी बात क्यों है? (परिणाम)
वास्तविक दुनिया में (4 देशों और 160 क्षेत्रों में), यह अविश्वसनीय रूप से अच्छा काम कर रहा था।
जब "अजीब" घटनाएं हुईं—जैसे बड़े त्योहारी सेल या अचानक प्रमोशन—तो पुराने मॉडल बुरी तरह विफल रहे। लेकिन EventCast उस घटना को "देख" पाने में सक्षम था। इसने सटीकता में भारी सुधार किया (इवेंट नॉलेज वाले मॉडलों की तुलना में 86% से 97% तक बेहतर)।
संक्षेप में (Summary in a Nutshell)
EventCast एक गणित-प्रधान पूर्वानुमान मशीन को "सिमेंटिक चश्मे" (semantic glasses) देने जैसा है। यह इस बात को नहीं बदलता कि मशीन गणित कैसे करती है; यह बस मशीन को समाचार पढ़ने की अनुमति देता है ताकि जब दुनिया बदले तो वह हैरान न हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।