1688图搜接口技术解析与B2B电商应用实战

1. 1688图搜接口技术解析与应用实战

在B2B电商领域，1688作为国内最大的批发采购平台，其视觉搜索技术为供应链管理带来了革命性变化。与传统的文本搜索不同，1688图搜接口通过AI视觉特征提取和向量相似度计算，实现了从图片到源头工厂的精准匹配。本文将深入解析该接口的技术实现细节，并分享在实际业务中的应用经验。

1.1 视觉搜索的技术演进

传统文本搜索依赖关键词匹配，存在同义词歧义、描述不准确等问题。而1688的视觉搜索技术通过以下流程实现精准匹配：

1. 图像特征提取：使用多模态模型（如CLIP）提取图片的全局和局部特征
2. 向量化表示：将视觉特征转换为高维向量（通常512或768维）
3. 相似度计算：在十亿级商品库中快速找到最相似的向量
4. 业务排序：结合价格、起订量、工厂实力等B端特有因素进行结果重排

提示：1688图搜特别强化了对材质、工艺等产业带特征的识别能力，这是与通用图搜的本质区别

1.2 接口核心参数详解

1.2.1 请求参数设计

java复制// 典型请求结构示例
{
  "imageUrl": "https://example.com/product.jpg",  // 支持Base64或URL
  "keywords": "不锈钢保温杯",  // 辅助文本提升精度
  "categoryId": "12345",  // 类目筛选
  "sort": "PRICE_ASC",    // 排序策略
  "filter": {
    "priceRange": {"min": 10, "max": 50},
    "moqRange": {"min": 100},
    "isFactory": true      // 限定源头工厂
  },
  "page": 1,
  "pageSize": 20
}

关键参数说明：

• 图片规格：建议300x300~800x800像素，JPG/PNG格式，小于2MB
• 排序策略：支持6种B端特有排序（价格、起订量、信用等级等）
• 筛选条件：可精确到工厂资质、产能、代发能力等深度信息

1.2.2 响应数据结构

响应包含5个维度的关键信息：

1. 视觉匹配：相似度分数（0-1）、匹配类型（同款/相似）、匹配区域
2. 商品信息：产品ID、主图、详情图、类目属性
3. 价格体系：当前价、阶梯价、价格趋势
4. 供应信息：MOQ、交期、库存、服务标签
5. 工厂档案：员工规模、厂房面积、设备清单、认证资质

1.3 核心技术实现方案

1.3.1 特征提取架构

java复制public float[] extractIndustryFeatures(String imageUrl, String category) {
    BufferedImage image = ImageLoader.load(imageUrl);
    
    // 类目特定增强处理
    switch(category) {
        case "服装":
            return analyzeFabric(image);  // 面料纹理分析
        case "电子":
            return analyzeComponents(image); // 元器件识别
        case "五金":
            return analyzeSurface(image);   // 表面工艺检测
        default:
            return extractGenericFeatures(image);
    }
}

行业定制化设计：

• 服装类：强化面料、纹理、车工线迹识别
• 电子类：关注元器件布局、焊点质量
• 家居类：侧重材质纹理、结构连接方式

1.3.2 十亿级向量检索

采用分层索引架构实现高性能搜索：

1. 粗筛层（IVF4096）：

   • 将向量空间划分为4096个聚类中心
   • 查询时只扫描最近的128个聚类
   • 召回1000个候选商品（耗时<10ms）

2. 精排层（PQ64）：

   • 使用乘积量化将向量压缩为64字节
   • 精确计算相似度（耗时<50ms）
   • 结合业务权重（价格、交期等）最终排序

java复制// 向量检索核心逻辑
public List<SearchResult> search(float[] queryVector, int topK) {
    long[] candidates = faissIndex.ivfSearch(queryVector, 1000);  // 粗筛
    float[] distances = faissIndex.pqComputeDistance(queryVector, candidates); // 精排
    
    return IntStream.range(0, candidates.length)
        .mapToObj(i -> new ScoredCandidate(candidates[i], distances[i]))
        .sorted(Comparator.comparing(ScoredCandidate::getScore))
        .limit(topK)
        .map(c -> getProductInfo(c.vectorId))
        .collect(Collectors.toList());
}

1.4 工程优化实践

1.4.1 多级缓存设计

mermaid复制graph TD
    A[用户请求] --> B{CDN缓存}
    B -->|命中| C[返回缓存结果]
    B -->|未命中| D[边缘节点处理]
    D --> E{本地缓存}
    E -->|命中| F[返回缓存]
    E -->|未命中| G[Redis集群]
    G -->|命中| H[返回并回写CDN]
    G -->|未命中| I[向量索引查询]
    I --> J[写入Redis并设置TTL]

缓存策略配置：

• CDN缓存：1小时TTL，命中率约40%
• 本地缓存：Caffeine实现，5分钟TTL，命中率35%
• Redis缓存：30分钟TTL，命中率20%

1.4.2 弹性容灾方案

java复制public List<SearchResult> resilientSearch(String imageUrl) {
    // 熔断器保护
    return circuitBreaker.execute(() -> {
        // 限流控制（100 QPS）
        if (!rateLimiter.tryAcquire()) {
            return fallbackToCache(imageUrl); 
        }
        
        try {
            return executeSearch(imageUrl);
        } catch (Exception e) {
            metrics.recordError(e);
            throw new SearchException(e);
        }
    });
}

// 三级降级策略
private List<SearchResult> fallbackToCache(String imageUrl) {
    // 1. 精确匹配缓存
    List<SearchResult> exact = cache.getExactMatch(imageUrl);
    if (!exact.isEmpty()) return exact;
    
    // 2. 相似图片缓存
    List<SearchResult> similar = cache.getSimilarMatches(imageUrl, 0.85f);
    if (!similar.isEmpty()) return similar;
    
    // 3. 关键词兜底
    return textSearch(imageUrl); 
}

1.5 典型应用场景

1.5.1 智能寻源系统

java复制public SourcingResult findSuppliers(String sampleImage, SourcingCriteria criteria) {
    // 阶段1：视觉搜索初筛
    List<SearchResult> candidates = imgSearch.search(
        new ImgSearchRequest(sampleImage)
            .setPageSize(200)
            .setFilter(criteria.toFilter())
    );
    
    // 阶段2：多维度评分
    List<ScoredSupplier> scored = candidates.stream()
        .map(p -> new SupplierEvaluator(p).evaluate(criteria))
        .sorted(Comparator.reverseOrder())
        .limit(20)
        .collect(Collectors.toList());
    
    // 阶段3：生成采购方案
    return SourcingStrategy.generate(scored, criteria);
}

评分模型维度：

• 视觉匹配（权重20%）：款式、颜色、材质相似度
• 价格竞争力（25%）：对比目标价的比例
• 起订量（15%）：是否符合采购规模
• 质量历史（20%）：退货率、客户评价
• 交付能力（15%）：交期稳定性
• 服务能力（5%）：打样、售后等增值服务

1.5.2 设计稿生产可行性评估

java复制public ProductionPlan evaluateDesign(String designImage, DesignSpec spec) {
    // 1. 搜索相似生产案例
    List<SearchResult> matches = imgSearch.search(
        new ImgSearchRequest(designImage)
            .setFilter(new Filter().setSupportOEM(true))
    );
    
    // 2. 工艺分析
    List<ProcessAnalysis> analyses = matches.stream()
        .map(m -> new ProcessAnalyzer(m).analyze(spec))
        .filter(a -> a.isFeasible())
        .collect(Collectors.toList());
    
    // 3. 生成生产方案
    return new ProductionPlanner(analyses)
        .generatePlan(spec.getQuantity());
}

关键评估指标：

• 工艺匹配度：现有设备能否实现设计效果
• 材料可获得性：特殊材料的采购渠道
• 成本结构：根据起订量测算单价
• 生产周期：包含打样、大货生产时间

1.6 性能监控体系

构建全链路可观测性：

java复制@Scheduled(fixedRate = 60000)
public void reportHealthMetrics() {
    // 搜索质量指标
    metrics.gauge("search.accuracy", calculateAccuracy());
    metrics.gauge("search.similarity.avg", getAvgSimilarity());
    
    // 系统健康指标
    metrics.gauge("vector.index.size", faiss.getIndexSize());
    metrics.gauge("cache.hit.rate", cache.getHitRate());
    
    // 业务指标
    metrics.counter("supplier.verified.count", getVerifiedCount());
}

监控看板配置：

• 延迟看板：P50/P90/P99搜索延迟
• 流量看板：QPS、并发数、错误率
• 质量看板：点击率、转化率、平均相似度
• 资源看板：GPU利用率、内存消耗

2. 实战经验与避坑指南

2.1 图片处理最佳实践

2.1.1 图片优化技巧

1. 背景处理：

   • 建议使用纯色背景（白色最佳）
   • 可通过OpenCV进行背景去除：

     python复制import cv2
     img = cv2.imread('product.jpg')
     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
     _, mask = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)
     img[mask==255] = [255,255,255]  # 替换白色背景
     

2. 角度校正：

   • 主图建议采用45度角拍摄
   • 使用透视变换校正角度：

     python复制pts1 = np.float32([[56,65],[368,52],[28,387],[389,390]])
     pts2 = np.float32([[0,0],[300,0],[0,300],[300,300]])
     matrix = cv2.getPerspectiveTransform(pts1, pts2)
     result = cv2.warpPerspective(img, matrix, (300,300))
     

3. 光照归一化：

   python复制lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
   l, a, b = cv2.split(lab)
   clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
   cl = clahe.apply(l)
   limg = cv2.merge((cl,a,b))
   final = cv2.cvtColor(limg, cv2.COLOR_LAB2BGR)
   

注意：避免使用美颜滤镜，这会改变产品真实纹理特征

2.1.2 特征增强方法

针对不同类目的特殊处理：

2.2 搜索策略优化

2.2.1 排序权重调整

建议根据业务目标动态调整排序公式：

java复制public float calculateScore(SearchResult item, BusinessGoal goal) {
    float baseScore = item.getSimilarity();
    
    switch(goal.getType()) {
        case COST_SAVING:
            return baseScore * 0.6f + 
                   priceScore(item) * 0.3f +
                   moqScore(item) * 0.1f;
                   
        case FAST_DELIVERY:
            return baseScore * 0.5f +
                   deliveryScore(item) * 0.4f +
                   stockScore(item) * 0.1f;
                   
        case QUALITY:
            return baseScore * 0.4f +
                   qualityScore(item) * 0.4f +
                   supplierScore(item) * 0.2f;
    }
}

2.2.2 结果后处理

常见过滤规则示例：

java复制public List<SearchResult> filterResults(List<SearchResult> results) {
    return results.stream()
        .filter(r -> r.getSimilarity() > 0.7)  // 相似度阈值
        .filter(r -> r.getSupplier().getCreditYears() >= 2) // 诚信通年限
        .filter(r -> !r.getSubject().contains("代理")) // 排除代理
        .filter(r -> r.getPrice().compareTo(budget) <= 0) // 价格预算
        .collect(Collectors.toList());
}

2.3 常见问题排查

2.3.1 低相似度问题

现象：相同产品相似度低于0.6
排查步骤：

1. 检查图片质量（分辨率、角度、背景）
2. 验证是否同类目搜索
3. 添加辅助关键词缩小范围
4. 检查是否有特殊工艺未体现

解决方案：

java复制// 添加关键词约束
request.setKeywords("304不锈钢 真空保温");
// 指定精确类目
request.setCategoryId("12345"); 
// 开启精确模式
request.setPrecisionMode(true);

2.3.2 结果不相关问题

可能原因：

• 图片包含多个主体
• 背景干扰严重
• 类目设置错误

修正方案：

python复制# 使用YOLO进行主体检测
model = YOLO('yolov8n.pt')
results = model('product.jpg')
cropped = results.crop()  # 提取主体区域

2.3.3 API限流处理

最佳实践：

1. 实现请求队列：

   java复制RateLimiter limiter = RateLimiter.create(100); // 100 QPS
   
   public List<SearchResult> searchWithLimit(String imageUrl) {
       if (!limiter.tryAcquire()) {
           throw new RateLimitException();
       }
       return imgSearch.search(imageUrl);
   }
   

2. 设置指数退避重试：

   java复制RetryPolicy retryPolicy = new ExponentialBackoffRetry(
       1000,  // 初始间隔1s
       5,     // 最大重试5次
       30000  // 最大间隔30s
   );
   

2.4 性能优化技巧

2.4.1 批量搜索优化

java复制public Map<String, List<SearchResult>> batchSearch(List<String> imageUrls) {
    // 并行特征提取
    List<CompletableFuture<float[]>> features = imageUrls.stream()
        .map(url -> CompletableFuture.supplyAsync(
            () -> featureEngine.extract(url), gpuExecutor))
        .collect(Collectors.toList());
    
    // 批量向量搜索
    float[][] batchVectors = features.stream()
        .map(CompletableFuture::join)
        .toArray(float[][]::new);
        
    List<long[]> batchResults = faissIndex.batchSearch(batchVectors, 50);
    
    // 组装结果
    return IntStream.range(0, imageUrls.size())
        .boxed()
        .collect(Collectors.toMap(
            imageUrls::get,
            i -> convertResults(batchResults.get(i))
        ));
}

2.4.2 缓存预热策略

java复制@Scheduled(cron = "0 0 3 * * ?")  // 每天凌晨3点
public void warmUpCache() {
    // 加载热门搜索图片
    List<String> hotImages = stats.getHotSearchImages(100);
    
    // 并行预加载
    hotImages.parallelStream()
        .forEach(img -> {
            imgSearch.search(img);
            cache.set(img, result, 6, TimeUnit.HOURS);
        });
}

3. 高级应用场景

3.1 供应链成本逆向分析

3.1.1 竞品成本拆解

java复制public CostBreakdown analyzeCompetitor(String competitorImage) {
    // 1. 找到源头工厂
    SearchResult source = imgSearch.search(
        new ImgSearchRequest(competitorImage)
            .setSort(SortType.PRICE_ASC)
            .setFilter(new Filter().setIsFactory(true))
    ).stream().findFirst().orElseThrow();
    
    // 2. 获取零售价
    BigDecimal retailPrice = getRetailPrice(competitorImage);
    
    // 3. 成本结构分析
    return new CostAnalyzer(source)
        .withLogistics("浙江", "美国")
        .withPlatformFee(0.05)  // 5%平台费
        .withMarketing(0.15)    // 15%营销费
        .analyze();
}

典型成本构成：

• 出厂价：40-60%（取决于量级）
• 物流：8-15%（国际运输更高）
• 平台佣金：5-8%
• 营销费用：10-25%
• 其他：包装、仓储等

3.1.2 成本优化机会

通过对比不同供应商发现优化点：

1. 材料替代：找到使用更便宜材料的相似产品

   java复制List<SearchResult> alternatives = imgSearch.search(
       new ImgSearchRequest(sampleImage)
           .setKeywords("替代材料")
           .setSort(SortType.PRICE_ASC)
   );
   

2. 工艺简化：识别可简化的生产步骤

   java复制ProcessAnalysis analysis = new ProcessAnalyzer(sampleImage)
       .compareWith(alternativeImage);
   

3. 区域调整：选择物流成本更低的产业带

   java复制Map<String, BigDecimal> regionalCosts = suppliers.stream()
       .collect(Collectors.groupingBy(
           s -> s.getSupplier().getRegion(),
           Collectors.mapping(
               s -> calculateTotalCost(s),
               Collectors.minBy(Comparator.naturalOrder())
           )
       ));
   

3.2 智能采购决策系统

3.2.1 多目标优化模型

java复制public List<SupplierDecision> makeDecisions(List<Requirement> reqs) {
    return reqs.parallelStream()
        .map(req -> {
            // 搜索候选
            List<SearchResult> candidates = imgSearch.search(
                new ImgSearchRequest(req.getImage())
                    .setPageSize(200)
            );
            
            // 多维度评估
            return new SupplierEvaluator(candidates)
                .withWeight("price", req.getPriceWeight())
                .withWeight("quality", req.getQualityWeight())
                .withWeight("delivery", req.getDeliveryWeight())
                .evaluate();
        })
        .collect(Collectors.toList());
}

权重配置建议：

• 现货采购：价格(50%) + 交期(30%) + 质量(20%)
• 定制生产：质量(40%) + 产能(30%) + 价格(30%)
• 紧急补货：交期(60%) + 库存(30%) + 价格(10%)

3.2.2 风险对冲策略

实现多供应商分配：

java复制public AllocationPlan allocateOrders(List<Supplier> suppliers, int totalQty) {
    // 1. 计算供应商得分
    Map<Supplier, Float> scores = suppliers.stream()
        .collect(Collectors.toMap(
            Function.identity(),
            s -> calculateSupplierScore(s)
        ));
    
    // 2. 按比例分配
    float totalScore = scores.values().stream().reduce(0f, Float::sum);
    
    return scores.entrySet().stream()
        .map(e -> new Allocation(
            e.getKey(),
            (int)(totalQty * e.getValue() / totalScore)
        ))
        .collect(Collectors.toList());
}

3.3 设计到生产快速验证

3.3.1 工艺可行性分析

java复制public FeasibilityReport checkDesign(String designImage) {
    // 1. 搜索相似生产工艺
    List<SearchResult> similarProducts = imgSearch.search(
        new ImgSearchRequest(designImage)
            .setFilter(new Filter().setSupportOEM(true))
    );
    
    // 2. 提取工艺特征
    List<ProcessFeature> features = similarProducts.stream()
        .map(p -> new ProcessExtractor(p).extract())
        .collect(Collectors.toList());
    
    // 3. 生成报告
    return new FeasibilityAnalyzer(features)
        .withDesign(designImage)
        .analyze();
}

关键检查项：

• 材料可获得性：特殊材料采购周期
• 设备要求：是否需要专用模具
• 公差范围：现有工艺能达到的精度
• 表面处理：电镀、喷涂等特殊工艺

3.3.2 快速打样对接

java复制public SampleOrder createSampleOrder(String designImage) {
    // 1. 匹配打样服务商
    SearchResult supplier = imgSearch.search(
        new ImgSearchRequest(designImage)
            .setFilter(new Filter()
                .setSampleDays(7)  // 7天内可打样
                .setSupportOEM(true)
            )
    ).stream().findFirst().orElseThrow();
    
    // 2. 自动生成询盘
    return new InquiryBuilder()
        .withDesign(designImage)
        .withSupplier(supplier)
        .withRequirements(defaultSpecs)
        .build();
}

4. 技术演进方向

4.1 多模态搜索增强

4.1.1 视觉+文本联合搜索

java复制public List<SearchResult> multimodalSearch(String imageUrl, String textQuery) {
    // 并行特征提取
    CompletableFuture<float[]> imageFeature = CompletableFuture.supplyAsync(
        () -> visualEngine.extract(imageUrl));
    CompletableFuture<float[]> textFeature = CompletableFuture.supplyAsync(
        () -> textEncoder.encode(textQuery));
    
    // 特征融合
    float[] fused = FeatureFusion.hybrid(
        imageFeature.join(),
        textFeature.join(),
        new float[]{0.6f, 0.4f}  // 视觉权重60%
    );
    
    return vectorSearch.search(fused, 50);
}

应用场景：

• "找类似这个杯子但带硅胶套的"
• "需要这种面料但克重更高的"
• "类似设计但用铝合金材质"

4.1.2 草图搜索功能

java复制public List<SearchResult> searchSketch(String sketchImage) {
    // 提取线条特征
    float[] features = new SketchEncoder()
        .preprocess(sketchImage)
        .extractLines()
        .encode();
    
    // 搜索工业设计类产品
    return vectorSearch.search(features, 50, "design_products");
}

4.2 个性化推荐系统

4.2.1 用户偏好学习

java复制public class PreferenceLearner {
    private final Vector userProfile;
    
    public void updateProfile(SearchHistory history) {
        // 聚合历史行为
        List<float[]> vectors = history.getItems().stream()
            .map(i -> vectorStore.get(i.getProductId()))
            .collect(Collectors.toList());
            
        // 更新用户向量
        this.userProfile = VectorUtils.average(vectors);
    }
    
    public List<SearchResult> recommend() {
        return vectorSearch.search(userProfile, 50);
    }
}

4.2.2 实时反馈优化

java复制public List<SearchResult> refineSearch(String sessionId, Feedback feedback) {
    // 获取当前查询向量
    float[] current = sessionStore.getVector(sessionId);
    
    // 根据反馈调整
    float[] adjusted = switch(feedback.getType()) {
        case "MORE_LIKE_THIS" -> 
            VectorUtils.moveCloser(current, feedback.getTargetVector(), 0.3f);
        case "LESS_LIKE_THIS" ->
            VectorUtils.moveAway(current, feedback.getTargetVector(), 0.2f);
        case "CHEAPER" ->
            VectorUtils.adjustPricePreference(current, -0.15f);
        default -> current;
    };
    
    // 保存并执行新搜索
    sessionStore.updateVector(sessionId, adjusted);
    return vectorSearch.search(adjusted, 50);
}

4.3 产业带深度对接

4.3.1 产能地图构建

java复制public SupplierMap buildCapacityMap(String region) {
    // 1. 获取区域所有工厂
    List<Supplier> suppliers = imgSearch.search(
        new ImgSearchRequest()
            .setFilter(new Filter()
                .setRegion(region)
                .setIsFactory(true)
            )
    ).stream().map(SearchResult::getSupplier)
     .collect(Collectors.toList());
    
    // 2. 聚类分析
    return new ClusterAnalyzer(suppliers)
        .addLayer("category", Supplier::getMainCategory)
        .addLayer("capacity", s -> s.getEmployeeCount() * s.getFactoryArea())
        .buildMap();
}

4.3.2 动态产能匹配

java复制public List<Supplier> matchCapacity(String productImage, int requiredQty) {
    // 1. 视觉匹配
    List<SearchResult> candidates = imgSearch.search(
        new ImgSearchRequest(productImage)
            .setFilter(new Filter().setIsFactory(true))
    );
    
    // 2. 产能筛选
    return candidates.stream()
        .map(SearchResult::getSupplier)
        .filter(s -> s.getMonthlyCapacity() >= requiredQty)
        .sorted(Comparator.comparing(Supplier::getDeliveryDays))
        .collect(Collectors.toList());
}

5. 合规与风控

5.1 知识产权保护

5.1.1 侵权检测机制

java复制public CopyrightCheck checkCopyright(String designImage) {
    // 1. 搜索相似商品
    List<SearchResult> similars = imgSearch.search(
        new ImgSearchRequest(designImage)
            .setSimilarityThreshold(0.9f)
    );
    
    // 2. 专利比对
    return similars.stream()
        .map(s -> new PatentChecker(s.getProductId()).check())
        .filter(CopyrightCheck::isProtected)
        .findFirst()
        .orElse(new CopyrightCheck(true));
}

5.1.2 授权链路追踪

java复制public AuthorizationChain getAuthorizationChain(String productId) {
    // 1. 获取原始设计
    DesignRecord original = designDB.getByProduct(productId);
    
    // 2. 追溯授权历史
    return authorizationService.traceChain(original.getDesignId());
}

5.2 反爬虫策略

5.2.1 合法访问实践

java复制public class PoliteCrawler {
    private final RateLimiter limiter = RateLimiter.create(10); // 10 QPS
    private final RotatingProxy proxy = new RotatingProxy();
    
    public List<SearchResult> crawl(String imageUrl) {
        if (!limiter.tryAcquire()) {
            throw new RateLimitExceededException();
        }
        
        // 使用代理IP
        return proxy.execute(() -> {
            return imgSearch.search(imageUrl);
        });
    }
}

5.2.2 数据使用规范

合规使用要点：

1. 数据缓存：不超过1688规定的TTL（通常24小时）
2. 展示要求：保留1688商品链接和商家信息
3. 商业用途：需获得平台书面授权
4. 数据量限制：单日不超过10万次查询

5.3 供应链风控

5.3.1 供应商信用评估

java复制public RiskAssessment assessSupplier(Supplier supplier) {
    return RiskEvaluator.builder()
        .withBasicInfo(supplier)
        .withFinancialData(getFinancials(supplier))
        .withProductionCapacity(supplier.getCapacityData())
        .withHistoricalPerformance(getTransactionHistory(supplier))
        .build()
        .evaluate();
}

评估维度：

• 资质风险：营业执照、认证证书有效性
• 财务风险：资产负债率、现金流状况
• 产能风险：设备老化程度、员工稳定性
• 交付风险：历史订单准时率

5.3.2 物流风险预警

java复制public List<RiskWarning> checkLogistics(Order order) {
    return RiskMonitor.builder()
        .withRoute(order.getShippingRoute())
        .withCarrier(order.getCarrier())
        .withHistoricalData(getShippingHistory(order))
        .withExternalData(getWeatherWarnings(), getPortCongestionData())
        .build()
        .analyze();
}