Cách Tokopedia giảm chi phí vận hành bằng cách cải thiện ứng dụng web của người bán nhờ sử dụng công nghệ Học máy

Dendi Sunardi
Dendi Sunardi
Geoffrey Prasetyo
Geoffrey Prasetyo
Swetha Gopalakrishnan
Swetha Gopalakrishnan

Tokopedia là một công ty công nghệ của Indonesia, sở hữu một trong những sàn thương mại điện tử lớn nhất, cung cấp hơn 40 sản phẩm kỹ thuật số và có hơn 14 triệu người bán đã đăng ký trên nền tảng của mình.

Mitra Tokopedia, một phần trong các ngành kinh doanh của Tokopedia, là một ứng dụng web giúp các chủ doanh nghiệp nhỏ bán các sản phẩm kỹ thuật số như tín dụng và phiếu thưởng trò chơi, gói dữ liệu, mã thông báo điện, hoá đơn chăm sóc sức khoẻ quốc gia, v.v. Trang web này là một trong những kênh chính cho người bán Mitra Tokopedia tại hơn 700 thành phố, nên việc đảm bảo trải nghiệm người dùng mượt mà là rất quan trọng.

Một bước quan trọng trong quy trình tham gia là những người bán này phải xác minh danh tính của họ. Người bán phải tải giấy tờ tuỳ thân do chính phủ cấp lên, cũng như ảnh chân dung tự chụp cùng với giấy tờ tuỳ thân đó để hoàn tất quy trình xác minh người bán. Đây được gọi là quy trình Hiểu rõ khách hàng (KYC).

Bằng cách thêm các chức năng Học máy vào quy trình KYC quan trọng này trong ứng dụng web của mình, Mitra Tokopedia đã có thể mang lại trải nghiệm tốt hơn cho người dùng, đồng thời giảm hơn 20% số lần xác minh không thành công. Họ cũng tiết kiệm được chi phí vận hành nhờ giảm gần 70% số lượt phê duyệt thủ công.

Thách thức

Hầu hết dữ liệu KYC đều bị từ chối, tạo ra hàng nghìn phiếu yêu cầu mỗi tuần cho nhóm vận hành để xác minh thủ công. Điều này không chỉ khiến chi phí vận hành tăng cao mà còn khiến người bán có trải nghiệm không tốt do quy trình xác minh bị chậm trễ. Lý do lớn nhất khiến yêu cầu bị từ chối là người bán không tải ảnh chân dung tự chụp kèm thẻ căn cước lên đúng cách. Mitra Tokopedia rất muốn giải quyết vấn đề này theo cách có thể mở rộng bằng cách sử dụng các chức năng web hiện đại.

Giải pháp

Nhóm tại Tokopedia quyết định sử dụng công nghệ học máy với TensorFlow.js để giải quyết vấn đề này ngay từ bước đầu tiên của quy trình KYC – khi người dùng tải hình ảnh lên. Họ đã sử dụng MediaPipe và thư viện Phát hiện khuôn mặt của TensorFlow để phát hiện khuôn mặt của người bán bằng 6 điểm chính khi người bán tải thẻ căn cước và ảnh chân dung tự chụp lên. Sau đó, kết quả của mô hình sẽ được dùng để kiểm tra theo tiêu chí chấp nhận của họ. Sau khi xác minh thành công, thông tin sẽ được gửi đến phần phụ trợ. Nếu quá trình xác minh không thành công, người bán sẽ nhận được thông báo lỗi và lựa chọn thử lại. Một phương pháp kết hợp đã được sử dụng, trong đó mô hình thực hiện suy luận trên thiết bị hoặc phía máy chủ tuỳ thuộc vào thông số kỹ thuật của điện thoại. Thiết bị cấp thấp hơn sẽ thực hiện suy luận trên máy chủ.

Việc sử dụng mô hình học máy ngay từ đầu quy trình KYC giúp họ:

  • Cải thiện tỷ lệ từ chối trong quy trình KYC.
  • Cảnh báo người dùng về khả năng hình ảnh của họ bị từ chối, dựa trên chất lượng do mô hình đánh giá.

Tại sao nên chọn công nghệ học máy thay vì các giải pháp khác?

ML có thể tự động hoá các công việc lặp đi lặp lại, nếu không sẽ tốn thời gian hoặc không thực tế khi thực hiện thủ công. Trong trường hợp của Tokopedia, việc tối ưu hoá giải pháp hiện tại không dựa trên công nghệ học máy không thể mang lại kết quả đáng kể, trong khi giải pháp dựa trên công nghệ học máy có thể giảm đáng kể khối lượng công việc cho nhóm vận hành, những người phải xử lý thủ công hàng nghìn lượt phê duyệt hằng tuần. Nhờ giải pháp học máy, việc kiểm tra hình ảnh có thể được thực hiện gần như ngay lập tức, mang lại trải nghiệm tốt hơn cho người dùng và nâng cao hiệu quả hoạt động. Đọc thêm về cách định hình vấn đề để xác định xem công nghệ học máy có phải là giải pháp phù hợp cho vấn đề của bạn hay không.

Những điều cần cân nhắc khi chọn mô hình

Chúng tôi đã cân nhắc các yếu tố sau khi chọn mô hình học máy.

Chi phí

Họ đánh giá tổng chi phí sử dụng mô hình. Vì TensorFlow.js là một gói nguồn mở được Google duy trì tốt, nên chúng tôi tiết kiệm được chi phí cấp phép và bảo trì. Một yếu tố khác cần cân nhắc là chi phí suy luận. Việc có thể chạy suy luận ở phía máy khách giúp tiết kiệm rất nhiều tiền so với việc xử lý ở phía máy chủ bằng GPU đắt tiền, đặc biệt là nếu dữ liệu không hợp lệ và không sử dụng được.

Khả năng có thể mở rộng

Họ đã cân nhắc khả năng có thể mở rộng của mô hình và công nghệ. Công cụ này có thể xử lý sự gia tăng về dữ liệu và độ phức tạp của mô hình khi dự án của chúng ta phát triển không? Có thể mở rộng để phục vụ các dự án hoặc trường hợp sử dụng khác không? Quá trình xử lý trên thiết bị giúp ích vì mô hình có thể được lưu trữ trên CDN và phân phối đến phía máy khách, rất dễ mở rộng.

Hiệu suất

Họ đã xem xét kích thước của thư viện (tính bằng KB) và độ trễ của quy trình thời gian chạy. Phần lớn cơ sở người dùng của Mitra Tokopedia sử dụng thiết bị tầm trung đến tầm thấp với tốc độ Internet và khả năng kết nối ở mức trung bình. Do đó, hiệu suất về mặt tải xuống và thời gian chạy (tức là tốc độ mô hình có thể tạo ra kết quả) là ưu tiên hàng đầu để đáp ứng nhu cầu cụ thể của họ và đảm bảo trải nghiệm người dùng tuyệt vời.

Lưu ý khác

Tuân thủ quy định: Họ phải đảm bảo rằng thư viện được chọn tuân thủ các quy định liên quan về bảo vệ dữ liệu và quyền riêng tư.

Bộ kỹ năng: Họ đánh giá chuyên môn và bộ kỹ năng của đội ngũ. Một số khung và thư viện học máy có thể yêu cầu ngôn ngữ lập trình cụ thể hoặc chuyên môn trong một lĩnh vực cụ thể. Bằng cách xem xét các yếu tố này, họ đã đưa ra quyết định sáng suốt khi chọn mô hình phù hợp cho dự án học máy của mình.

Công nghệ được chọn

TensorFlow.js đáp ứng được nhu cầu của họ sau khi cân nhắc các yếu tố này. Mô hình này có thể chạy hoàn toàn trên thiết bị bằng cách sử dụng phần phụ trợ WebGL để dùng GPU của thiết bị. Việc chạy mô hình trên thiết bị giúp người dùng nhận được ý kiến phản hồi nhanh hơn do giảm độ trễ của máy chủ và giảm chi phí điện toán của máy chủ. Đọc thêm về công nghệ học máy trên thiết bị trong bài viết Ưu điểm và hạn chế của công nghệ học máy trên thiết bị.

"TensorFlow.js là một thư viện học máy nguồn mở của Google dành cho các nhà phát triển JavaScript, có thể chạy phía máy khách trong trình duyệt. Đây là lựa chọn hoàn thiện nhất cho AI trên web, hỗ trợ toàn diện cho các toán tử phụ trợ WebGL, WebAssembly và WebGPU, có thể dùng trong trình duyệt với hiệu suất nhanh."—Cách Adobe sử dụng công nghệ học máy trên web với TensorFlow.js để cải thiện Photoshop cho web

Triển khai kỹ thuật

Mitra Tokopedia đã sử dụng thư viện Phát hiện khuôn mặt của MediaPipe và TensorFlow, một gói cung cấp các mô hình để chạy tính năng phát hiện khuôn mặt theo thời gian thực. Cụ thể, mô hình MediaPipeFaceDetector-TFJS được cung cấp trong thư viện này (triển khai thời gian chạy tfjs) đã được dùng cho giải pháp này.

Trước khi đi sâu vào việc triển khai, hãy tóm tắt nhanh về MediaPipe. MediaPipe cho phép bạn xây dựng và triển khai các giải pháp học máy trên thiết bị trên thiết bị di động (Android, iOS), web, máy tính, thiết bị biên và IoT.

Có 14 giải pháp khác nhau do MediaPipe cung cấp tại thời điểm viết bài đăng này. Bạn có thể sử dụng môi trường thời gian chạy mediapipe hoặc tfjs. Thời gian chạy tfjs được xây dựng bằng JavaScript và cung cấp một gói JavaScript mà ứng dụng web có thể tải xuống từ bên ngoài. Điều này khác với thời gian chạy mediapipe, được xây dựng bằng C++ và được biên dịch thành mô-đun WebAssembly. Sự khác biệt chính là hiệu suất, khả năng gỡ lỗi và việc đóng gói. Bạn có thể đóng gói gói JavaScript bằng các trình đóng gói thông thường như webpack. Ngược lại, mô-đun Wasm là một tài nguyên nhị phân lớn hơn và riêng biệt (được giảm thiểu bằng cách không phải là phần phụ thuộc thời gian tải) và yêu cầu một quy trình công việc gỡ lỗi Wasm khác. Tuy nhiên, mô hình này thực thi nhanh hơn để giúp đáp ứng các yêu cầu về kỹ thuật và hiệu suất.

Sơ đồ về cách các mô hình MediaPipe và TensorFlow hoạt động cho các thời gian chạy khác nhau, lấy FaceDetection làm ví dụ.
Hình minh hoạ chung về cách các mô hình MediaPipe và TensorFlow hoạt động cho nhiều môi trường thời gian chạy, lấy ví dụ về FaceDetection

Quay lại quá trình triển khai của Tokopedia, bước đầu tiên là khởi chạy mô hình như sau. Khi người dùng tải ảnh lên, một HTMLImageElement sẽ được truyền dưới dạng dữ liệu đầu vào cho trình phát hiện.

// Create the detector.
const model = faceDetection.SupportedModels.MediaPipeFaceDetector;
const detectorConfig = {
  runtime: 'tfjs'
};

const detector = await faceDetection.createDetector(model, detectorConfig);

// Run inference to start detecting faces.
const estimationConfig = {flipHorizontal: false};
const faces = await detector.estimateFaces(image, estimationConfig);

Kết quả của danh sách khuôn mặt chứa các khuôn mặt được phát hiện cho mỗi khuôn mặt trong hình ảnh. Nếu mô hình không thể phát hiện khuôn mặt nào, thì danh sách sẽ trống. Đối với mỗi khuôn mặt, tệp này chứa một hộp giới hạn của khuôn mặt được phát hiện, cũng như một mảng gồm 6 điểm chính cho khuôn mặt được phát hiện. Các đặc điểm này bao gồm mắt, mũi và miệng. Mỗi điểm chính chứa x và y, cũng như tên.

[
  {
    box: {
      xMin: 304.6476503248806,
      xMax: 502.5079975897382,
      yMin: 102.16298762367356,
      yMax: 349.035215984403,
      width: 197.86034726485758,
      height: 246.87222836072945
    },
    keypoints: [
      {x: 446.544237446397, y: 256.8054528661723, name: "rightEye"},
      {x: 406.53152857172876, y: 255.8, "leftEye },
      ...
    ],
  }
]

box biểu thị hộp giới hạn của khuôn mặt trong không gian điểm ảnh của hình ảnh, trong đó xMin, xMax biểu thị ranh giới x, yMin, yMax biểu thị ranh giới y, còn width, height là kích thước của hộp giới hạn. Đối với keypoints, x và y đại diện cho vị trí điểm chính thực tế trong không gian pixel của hình ảnh. name cung cấp nhãn cho điểm chính, lần lượt là 'rightEye', 'leftEye', 'noseTip', 'mouthCenter', 'rightEarTragion' và 'leftEarTragion'. Như đã đề cập ở đầu bài đăng này, người bán phải tải giấy tờ tuỳ thân quốc gia và ảnh chân dung tự chụp cùng giấy tờ tuỳ thân đó lên để hoàn tất quy trình xác minh người bán. Sau đó, kết quả của mô hình được dùng để kiểm tra theo tiêu chí chấp nhận, tức là phải khớp với 6 điểm chính nêu trên để được coi là Thẻ căn cước và ảnh chân dung tự chụp hợp lệ.

Sau khi xác minh thành công, thông tin người bán có liên quan sẽ được chuyển đến phần phụ trợ. Nếu không xác minh được, người bán sẽ nhận được thông báo không thành công và lựa chọn thử lại. Không có thông tin nào được gửi đến phần phụ trợ.

Sơ đồ trang Mitra KYC, mô hình TensorFlow.js và máy chủ tương tác với nhau.
Cách trang Mitra KYC, mô hình TensorFlow.js và máy chủ tương tác với nhau

Những điều cần lưu ý về hiệu suất đối với thiết bị có cấu hình thấp

Gói này chỉ có dung lượng 24,8 KB (đã rút gọn và nén bằng gzip), nên không ảnh hưởng đáng kể đến thời gian tải xuống. Tuy nhiên, đối với các thiết bị có cấu hình rất thấp, quá trình xử lý thời gian chạy sẽ mất nhiều thời gian. Logic bổ sung đã được thêm vào để kiểm tra RAM và CPU của thiết bị trước khi chuyển hai hình ảnh đến mô hình phát hiện khuôn mặt bằng công nghệ học máy.

Nếu thiết bị có RAM trên 4 GB, kết nối mạng mạnh hơn 4G và CPU có hơn 6 lõi, thì hình ảnh sẽ được chuyển đến mô hình trên thiết bị để xác minh khuôn mặt. Nếu không đáp ứng các yêu cầu này, thì mô hình trên thiết bị sẽ bị bỏ qua và hình ảnh sẽ được gửi trực tiếp đến máy chủ để xác minh bằng phương pháp kết hợp nhằm phục vụ các thiết bị cũ này. Theo thời gian, khi phần cứng tiếp tục phát triển, sẽ có thêm nhiều thiết bị có thể giảm tải việc tính toán cho máy chủ.

Tác động

Nhờ tích hợp công nghệ học máy, Tokopedia đã giải quyết thành công tỷ lệ từ chối cao và đạt được những kết quả sau:

  • Tỷ lệ từ chối giảm hơn 20%.
  • Số lượt phê duyệt thủ công giảm gần 70%.

Điều này không chỉ tạo ra trải nghiệm người dùng mượt mà hơn cho người bán mà còn giảm chi phí vận hành cho nhóm Tokopedia.

Kết luận

Nhìn chung, kết quả của nghiên cứu điển hình này cho thấy rằng đối với các trường hợp sử dụng phù hợp, các giải pháp học máy trên thiết bị trên web có thể giúp cải thiện trải nghiệm người dùng và hiệu quả của các tính năng, cũng như tiết kiệm chi phí và mang lại các lợi ích kinh doanh khác.

Hãy tự mình dùng thử tính năng Phát hiện khuôn mặt của MediaPipe bằng cách sử dụng MediaPipe Studio và mã mẫu cho Trình phát hiện khuôn mặt của MediaPipe cho web.

Nếu bạn muốn mở rộng khả năng của ứng dụng web bằng công nghệ học máy trên thiết bị, hãy xem các tài nguyên sau: