Cómo Bazaarvoice utiliza Arize AI
Bazaarvoice usa evaluaciones basadas en LLM para clasificar como correctas o incorrectas las respuestas de su sistema de preguntas y respuestas con IA, y para comprobar si dos respuestas dicen lo mismo. Validan los evaluadores con un conjunto etiquetado por personas y luego los ejecutan sobre conjuntos de datos mucho más grandes en lugar de etiquetar manualmente.
Ver la prueba capturadaEl uso: cómo Bazaarvoice implementa Arize AI
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.
Otros resultados publicados
Cifras publicadas en el caso de estudio de Arize AI. usedby no las mide de forma independiente.
The process took about a day and a half and came with the associated cost of manual labeling.
En palabras del cliente
Nos está ahorrando mucho tiempo en mi equipo.Traducción automática del inglésVer el original
It’s saving us a lot of time on my team.Otras herramientas de IA utilizadas por Bazaarvoice
Otras relaciones públicas registradas en usedby.
Explorar las herramientas de IA de Bazaarvoice
Clientes de Arize AI en MarTech
Empresas del mismo sector, con pruebas públicas.
Ver todos los clientes de Arize AI
Consultar la fuente
Basado en el caso de éxito publicado por Arize AI. Verificamos las pruebas públicas; los resultados son los que declara el proveedor.
arize.com- Última verificación
- 16 oct 2026
Abrir la captura Lo que dice la historia, y lo que verificamos
Lo que comparamos con la página.
- La cifra: 10 minutesVerificado
Impresa palabra por palabra en la página, cerca del nombre de Bazaarvoice.
- El pasaje citado arribaVerificado
Copiado palabra por palabra de la página, cerca del nombre de Bazaarvoice.
- Bazaarvoice usa Arize AIVerificado
Línea de nivel Confirmado.
- El resultado en síNo verificado
Lo citamos; no lo medimos.
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.