O caso de uso: como Bazaarvoice implanta 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.
Outros resultados informados
Números publicados no estudo de caso de Arize AI. Eles não são medidos de forma independente pelo usedby.
The process took about a day and a half and came with the associated cost of manual labeling.
Nas palavras do cliente
It’s saving us a lot of time on my team.Outras ferramentas de IA usadas por Bazaarvoice
Outras relações públicas registradas no usedby.
Explorar a stack de IA de Bazaarvoice
Usuários de Arize AI no setor MarTech
Empresas do mesmo setor, com evidências públicas.
Ver todos os clientes de Arize AI
Ir direto à fonte
Com base no estudo de caso publicado por Arize AI. Verificamos as evidências públicas; os resultados são informados pelo fornecedor.
arize.com- Última verificação
- 16 de out. de 2026
Abrir a captura da fonte O que o estudo de caso afirma e o que verificamos
O que comparamos com a página.
- O número: 10 minutesVerificado
Impresso palavra por palavra na página, perto do nome de Bazaarvoice.
- O trecho citado acimaVerificado
Copiado palavra por palavra da página, perto do nome de Bazaarvoice.
- Bazaarvoice usa Arize AIVerificado
Linha de nível Confirmado.
- O resultado em siNão verificado
Nós o citamos; não o 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.