通过 TensorFlow 进行的机器学习 如何帮助可口可乐实现移动购买凭证

中秋你可口可乐了吗？

在这篇客座文章中，可口可乐公司的 Patrick Brandt 将向我们介绍他们如何使用 AI 和 TensorFlow 实现无缝式购买凭证。

可口可乐的核心忠诚度计划于 2006 年以 MyCokeRewards.com 形式启动。“MCR.com”平台包含为每一瓶以 20 盎司规格销售的可口可乐、雪碧、芬达和动乐产品，以及可以在杂货店和其他零售商店购买的纸箱包装产品创建唯一的产品编码。用户可以在 MyCokeRewards.com 上输入这些产品编码来参加推广活动。

几年后的 2016 年：可口可乐的忠诚度计划仍然大受欢迎，用户已经输入了数以百万计的产品编码来参加促销和抽奖。不过，移动浏览在 2006 年还不存在，而到了 2016 年底已占据超过 50% 的份额。

为了响应这些浏览行为变化，Coke.com 作为一项移动优先网络体验启动，替代了原来的 MCR.com。将 14 字符编码手动输入到移动设备中着实是一种非常糟糕的用户体验，会影响我们的计划取得成功。我们希望为移动受众提供尽可能最好的体验，人工智能的最新进展带来了全新的机遇。

▍实现无缝式购买凭证的任务

多年来，可口可乐一直尝试使用现成的光学字符识别 (OCR) 库和服务读取产品编码，但收效甚微。我们的印刷工艺一般使用低分辨率点阵字体，瓶盖或纸箱媒介在打印头下面以非常快的速度运转。

这就产生了低保真字符串，让现成的 OCR 软件无法读取这些字符（有时人眼也很难阅读）。OCR 对简化移动用户的编码输入过程至关重要：用户应当能够为编码拍照，然后自动进行购买注册来参加促销。我们需要一个用途特定的 OCR 系统来识别我们的产品编码。

瓶盖和纸箱示例

我们的研究将我们引向了一种前景无限的解决方案：卷积神经网络。卷积神经网络是一系列“深度学习”神经网络中的一种，这些神经网络是现代人工智能产品的核心。

Google 已使用卷积神经网络从街景图像中提取出街道地址门牌号。卷积神经网络在识别手写数字方面的表现也相当不错。这些数字识别用例完美代表了我们一直尝试解决的问题类型：从包含小字符集并且小字符集中所含字符的外观千差万别的图像中提取字符串。