RSS Etsy Engineering | Code as Kunst - TheNote.app

RSS Etsy Engineering | Code as Kunst

Codeascraft auf Etsy ist eine Kunsthandwerker-Kollaboration, bei der Computerprogrammierung und traditionelles Handwerk aufeinandertreffen. Das Projekt besteht aus verschiedenen digitalen Kunstwerken, die von bekannten Programmierern und Künstlern gleichermaßen gestaltet wurden und in Schmuckstücke für Technikliebhaber umgewandelt wurden. Dazu gehören gedruckte Darstellungen von binären Algorithmen auf Glas-Kerzenhaltern, handgefertigte binäre Zahl-Ketten und digitale Bit-Porträts, die in Glas-Papiergewichten eingeschlossen sind. Codeascraft konzentriert sich auf die Überbrückung der Lücke zwischen Technologie und Handwerk, indem es einzigartige Sammlerstücke für Code-Enthusiasten anbietet.

Etsy Engineering | Code as Craft etsy.com

RSS codeascraft.com

RSS Hunter • 22. Aug. 2024

Notizfaden

Etsys riesiges Inventar mit LLMs verstehen

Der Marktplatz von Etsy mit Millionen von einzigartigen, handgefertigten Artikeln von verschiedenen Verkäufern steht vor Herausforderungen bei der Organisation seiner unstrukturierten Daten. Traditionelle Methoden der Produktdatenextraktion hatten mit dem vielfältigen Inventar und den begrenzten strukturierten Daten zu kämpfen. Large Language Models (LLMs) boten eine neue Möglichkeit, unstrukturierte Produktinformationen in strukturierte Daten umzuwandeln. Etsy entwickelte eine skalierbare Pipeline unter Verwendung von LLMs, wobei der Schwerpunkt auf Context Engineering lag, um die Genauigkeit der Attributextraktion zu verbessern. Diese Pipeline nutzt von Verkäufern bereitgestellte Daten, Expertenbeispiele und die Taxonomie von Etsy. Die Bewertung der LLM-Ausgabe beinhaltet die Generierung von "Silver Labels" und die Nutzung von Domänenexperten zur Qualitätssicherung. Der Inferenzprozess extrahiert Attribute, verwendet LiteLLM für das regionale Routing und setzt Pydantic für die Datenvalidierung ein. Robuste Überwachungssysteme verfolgen den Zustand der Pipeline und die Leistungskennzahlen des Modells. Die Anwendung von LLM-generierten Attributen auf Suchfilter hat das Käuferengagement und die Konversionsraten verbessert. Etsy zielt darauf ab, den Einsatz von LLMs weiter auszubauen, um das Einkaufs- und Verkaufserlebnis weiter zu verbessern. Das ultimative Ziel ist es, sicherzustellen, dass die Bedürfnisse von Käufern und Verkäufern mit maximaler Effizienz erfüllt werden.

Understanding Etsy’s Vast Inventory with LLMs etsy.com

RSS Hunter • 13. Okt. 2025

Schnellere Erkenntnisse freisetzen mit experimentatordefinierten Segmentierungen

Etsy verwendet Experimente, um Ideen zu testen, wie z. B. das Angebot von kostenlosem Eis zu Einkäufen, um den Umsatz zu steigern. Um das Nutzerverhalten besser zu verstehen, verwenden sie Segmentierung, die Analysen basierend auf verschiedenen Nutzergruppen ermöglicht. Zuvor verfügte die Plattform von Etsy über begrenzte vordefinierte Segmentierungen, was eine eingehende Analyse behinderte und Erkenntnisse verlangsamte. Das Team entwickelte eine Segmentierungsbibliothek, die es Experimentatoren ermöglichte, ihre eigenen Segmente zu definieren, was ein langsamer und komplexer Prozess war. Dieser neue Ansatz ermöglicht es Benutzern, Segmentierungen mithilfe von SQL-Abfragen und Join-Keys zu erstellen, wodurch sie leicht verständlich und teilbar sind. Vor der Bereitstellung durchlaufen diese benutzerdefinierten Segmentierungen einen Validierungsprozess, um Genauigkeit und Sicherheit zu gewährleisten. Die dynamische Generierung von Aufgaben in der Datenpipeline ermöglichte die automatische Verarbeitung neuer Segmentierungen ohne Codeänderungen. Diese Transformation führte zu einer deutlichen Erhöhung der Anzahl der verfügbaren Segmentierungen. Das verbesserte System liefert schnellere und tiefere Einblicke und ermöglicht es Teams, bessere datengestützte Entscheidungen zu treffen. Insgesamt haben diese Änderungen den Experimentierprozess von Etsy flexibler und effizienter gemacht.

Unlocking Faster Insights with Experimenter-Defined Segmentations etsy.com

RSS Hunter • 8. Okt. 2025

Erstellung von Etsy-Käuferprofilen mit LLMs

"Etsy nutzt große Sprachmodelle (LLMs), um detaillierte, anonymisierte Käuferprofile auf Basis von Browsing- und Kaufhistorie zu erstellen. Diese Profile erfassen differenzierte Interessen und Einkaufsabsichten und verbessern so die Personalisierung für fast 90 Millionen Käufer auf der Plattform. Die technische Umsetzung umfasst das Abrufen von Nutzeraktivitätsdaten und das anschließende Auffordern eines LLMs, diese Daten zur Profilerstellung zu interpretieren. Um diesen Prozess skalierbar und kosteneffizient zu gestalten, hat Etsy Datenquellen optimiert, das Eingabe-Token-Volumen reduziert, Batch-Größen erhöht und Parallelverarbeitung eingesetzt. Diese Optimierungen haben die Zeit und Kosten für die Erstellung von Käuferprofilen drastisch reduziert. Die generierten Käuferprofile werden dann verwendet, um die Sucherfahrung durch Query Rewriting und Verfeinerungs-Pills zu personalisieren. Query Rewriting reichert Nutzersuchen mit vorhergesagten Interessen an, während Verfeinerungs-Pills anklickbare Filter basierend auf Nutzerpräferenzen bieten. Etsy misst den Erfolg dieser Personalisierung anhand von Metriken wie Click-Through-Rate und Conversion-Rate-Steigerungen. Sie erhalten auch die Profilgenauigkeit aufrecht, indem sie diese dynamisch basierend auf der Nutzeraktivität aktualisieren und Interessensverschiebungen erkennen. Zukünftige Arbeiten umfassen die Bewältigung des "Kaltstart"-Problems für neue Nutzer durch das Experimentieren mit Inheritance-Profilen. Letztendlich zielt Etsy darauf ab, die Auffindbarkeit zu verbessern und intuitivere Sucherlebnisse für jeden Käufer zu schaffen."

Building Etsy Buyer Profiles with LLMs etsy.com

RSS Hunter • 3. Sept. 2025

Fallstudien zum Kontext-Engineering: Etsy-spezifische Fragebeantwortung

"Dieser Beitrag erkundet die Prompt-Engineering mit Großen Sprachmodellen (LLMs) für AI-unterstützte Onboarding bei Etsy. Der primäre Fokus liegt auf der Wahrhaftigkeit und Zuverlässigkeit von LLM-generierten Antworten, insbesondere im Hinblick auf Etsy-spezifische Fragen. Die Studie untersuchte zwei Anwendungsfälle: interne Fragen zur Reise- und Unterhaltungspolitik (T&E) und externe Fragen aus dem Etsy-Verkäufer-Community-Forum. Bei der T&E-Politik beantworteten LLMs etwa 86% der Fragen korrekt, aber die verbleibenden 14% enthielten faktische Fehler oder irreführende Aussagen, die als "Halluzinationen" bezeichnet wurden. Techniken wie das Anweisen des LLM, Unsicherheit zuzugeben oder seine Begründung zu erklären, halfen bei der Verringerung dieser Halluzinationen. Im Etsy-Community-Forum, mit heterogeneren Daten, sank die Genauigkeit des LLM auf etwa 72%. Das LLM zeigte bessere Leistungen, wenn die Abfragen eng an die Wortwahl in den Referenzdokumenten angepasst waren. Die Studie hob auch Grenzen hervor, bei denen sogar die Bereitstellung zusätzlichen Kontextes bestimmte komplexe Fragen nicht lösen konnte. Das Anfordern von Quellensnippets wurde als Methode identifiziert, um potenzielle LLM-Halluzinationen zu kennzeichnen. Insgesamt zeigt die Prompt-Engineering vielversprechende Ergebnisse, erfordert jedoch sorgfältige Ausarbeitung, um zuverlässige AI-Unterstützung bei Onboarding und Informationsabruf zu gewährleisten."

Context engineering case studies: Etsy-specific question answering etsy.com

RSS Hunter • 19. Aug. 2025

Die Übernahme von Jetpack Compose für die Etsy-Android-App

Etsys Leitsatz „sich unserem Handwerk widmen“ führte zur Einführung von Jetpack Compose, einem modernen Toolkit zur Definition nativer Benutzeroberflächen, als bevorzugte Methode zum Aufbau ihrer Android-App. Ein strukturierter Ansatz wurde gewählt, um Compose zu studieren und zu implementieren. Die Entwickler erstellten einen Lehrplan und führten Informationsveranstaltungen durch, um das Team zu schulen. Das Design-System-Team erstellte Compose-Versionen interner UI-Toolkit-Komponenten und stellte so sicher, dass das Design-System vollständig implementiert war, bevor die breite Einführung erfolgte. Die Interoperabilität von Compose mit bestehenden Toolkit-Komponenten ermöglichte einen reibungslosen Migrationspfad. Das Team baute einen gesamten Bildschirm mit Compose neu auf und begegnete dabei einem breiteren Spektrum an Aspekten wie Navigation und Datenabruf. Nach einer erfolgreichen Umstellung wurde Compose für echte Benutzer ausgerollt, beginnend mit komplexen Bottom Sheets. Anschließend wurde der Shop-Bildschirm mit Compose neu erstellt, was zu einer 5%igen Verbesserung der anfänglichen Bildschirmrenderzeit und verbesserten Benutzerinteraktionen führte. Die Einführung von Compose verbesserte auch die Zufriedenheit der Entwickler, wobei diese über weniger Codezeilen und einfachere Tests berichteten. Die Kombination aus Compose und der Macramé-Architektur ist zum Standard für die Entwicklung von Funktionen in der App geworden. Insgesamt hat die Einführung von Compose bei Etsy Möglichkeiten und Effizienzsteigerungen für die Teams eröffnet, trotz einiger Lernkurve und Herausforderungen auf dem Weg.

Adopting Jetpack Compose for Etsy's Android App etsy.com

RSS Hunter • 27. Jan. 2025