其他行业 · AI应用
使用 Amazon Bedrock 将搜索时间减少 75%
Bynder 面临搜索时间长、资产检索选项有限的问题，影响了用户查找数字内容的效率。为此，该公司实施了 Amazon Bedrock，利用 Titan Multimodal Embeddings 增强资产搜索能力。这种创新方法允许用户进行多模态搜索，显著提高了查找相关数字资产的速度和准确性。结果，Bynder 实现了搜索时间减少 75%，每次搜索平均返回的选项增加 50%，最终改善了用户体验并提高了内容管理效率。
搜索时间缩短
75%
来源披露
每次搜索平均返回选项增加
50%
来源披露
01
业务背景
Bynder 面临搜索时间长、资产检索选项有限的问题，影响了用户查找数字内容的效率。为此，该公司实施了 Amazon Bedrock，利用 Titan Multimodal Embeddings 增强资产搜索能力。这种创新方法允许用户进行多模态搜索，显著提高了查找相关数字资产的速度和准确性。结果，Bynder 实现了搜索时间减少 75%，每次搜索平均返回的选项增加 50%，最终改善了用户体验并提高了内容管理效率。
02
遇到的问题
搜索时间长，资产检索选项有限，用户难以快速找到所需数字内容。
03
AI 解决方案
基于 Amazon Bedrock 的 Titan Multimodal Embeddings 模型，将图像和查询文本转换为向量，通过向量相似性匹配实现多模态搜索。用户可通过选择相似图像或自然语言描述进行检索，从而快速发现视觉和语义上相关的数字资产。
04
实施结果
搜索时间缩短：75%（减少 75%）
每次搜索平均返回选项增加：50%（增加 50%）
05
风险与边界
未披露
“Amazon Bedrock with Titan Multimodal Embeddings solved the puzzle for us.”
Roald Bankras · Director of System Architecture, Bynder
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。