Der Anwendungsfall: wie Bazaarvoice Arize AI einsetzt
Bazaarvoice uses LLM-based evals to classify the outputs of its AI question-and-answer system as correct or incorrect, and to check whether two answers say the same thing. They validate the evaluators against a human-labeled set and then run them on much larger datasets instead of labeling manually.
Weitere angegebene Ergebnisse
Zahlen aus der Fallstudie von Arize AI. usedby hat sie nicht unabhängig gemessen.
The process took about a day and a half and came with the associated cost of manual labeling.
In den Worten des Kunden
It’s saving us a lot of time on my team.Weitere KI-Tools von Bazaarvoice
Weitere öffentliche Beziehungen, die auf usedby erfasst sind.
Den KI-Stack von Bazaarvoice ansehen
Nutzer von Arize AI in der Branche MarTech
Unternehmen derselben Branche, mit öffentlichen Belegen.
Alle Kunden von Arize AI ansehen
Direkt zur Quelle
Auf Basis der veröffentlichten Fallstudie von Arize AI. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.
arize.com- Zuletzt geprüft
- 16. Okt. 2026
Screenshot der Quelle öffnen Was die Fallstudie behauptet und was wir geprüft haben
Was wir mit der Seite verglichen haben.
- Die Zahl: 10 minutesGeprüft
Steht wörtlich auf der Seite, nahe dem Namen Bazaarvoice.
- Die oben zitierte PassageGeprüft
Wörtlich von der Seite übernommen, nahe dem Namen Bazaarvoice.
- Bazaarvoice nutzt Arize AIGeprüft
Eintrag mit Stufe Bestätigt.
- Das Ergebnis selbstNicht geprüft
Wir zitieren es; wir haben es nicht gemessen.
For one experiment, Bazaarvoice sent 1,000 examples for human review. The process took about a day and a half and came with the associated cost of manual labeling. With LLM-based evals, Kratz says the same volume can be evaluated in about 10 minutes.