Amazon注文スクリーンショットから注文ID、商品名、合計金額を抽出

4つの金額、実際の請求は1つだけ。 Amazonの注文ページには、商品小計、配送料・手数料、推定税、注文合計が表示されます。従来のOCRツールはこれらすべてを「金額」として読み取り、最初に見つけたものを採用するか、読み取り順にそのまま出力するため、実際にカードに請求された金額がどれなのか、推測するしかありません。

「これは注文番号？それとも追跡番号？」 Amazonの注文IDは17桁のハイフン区切り形式で、多くの人にとっては追跡番号のように見えます。Ship24のような専用追跡リソースもこの混乱を明確に文書化しており、RedditのPSA投稿では、ギフト交換参加者に両者を混同しないよう警告しています。基本的なOCRは、最初に見つけた番号をそのまま出力します。一方が返品用で、もう一方が配送用であることを認識しないのです。

モバイルとデスクトップのレイアウトは視覚的に全く異なります。 モバイルアプリはカードベースのレイアウトで、名前が省略されます。デスクトップページはテーブル行で完全なタイトルが表示されます。テンプレートベースのツールでは、それぞれに個別の設定が必要です。さらにAmazonはこれらのレイアウトを定期的に更新するため、設定した固定位置ルールはすぐに使えなくなります。

位置ではなくラベルで判断。列名に「注文合計」と入力します。AIはページ上のすべての価格タグを読み取り、「注文合計」または「合計」とラベル付けされたものを選びます。小計、配送料、税はラベルの意味が異なるため無視します。位置を指定する必要はなく、欲しいデータを伝えるだけで済みます。

セマンティックコンテキストで注文IDと追跡番号を区別。「注文ID」と「追跡番号」を2つの列として定義します。AIは17桁のハイフン区切り形式を購入レベルの識別子、TBA/1Z/運送会社コードを出荷レベルの識別子として認識します。同じスクリーンショット上の両方の番号が、正しいフィールドに割り当てられます。

1つの列セットで、あらゆる端末・ページに対応。列を一度定義すれば、モバイルアプリの注文詳細スクリーンショット、デスクトップブラウザの「注文履歴」ページ、注文確認メールでも同じ定義が使えます。AIが画像ごとに適応するため、端末ごとにテンプレートを切り替える必要はありません。