Kauf was Dir gefällt – mit künstlicher Intelligenz zu stilgerechten Angeboten
Auch ein rationaler Geist lässt sich in seiner Kaufentscheidung von visuellen Eigenschaften lenken. Und der größte Teil unserer Konsumgesellschaft kauft sowie so nicht nur aus Notwendigkeit, sondern legt dabei auch einen großen Wert auf den Ausdruck seiner Persönlichkeit. Aber warum ist die Produktauswahl in den meisten Onlineshops dennoch so ein technischer Prozess? Der Kunde muss sich durch Kategoriebäume klicken oder die richtige Textsuche eingeben, um dann anhand von Attributen sein gewünschtes Produkt herauszufiltern.
Warum kann ich nicht direkt kaufen was mir gefällt? Oder zumindest eine visuelle Produktauswahl treffen und die abstrakte textliche Navigation überspringen?
Ich möchte kaufen was mir gefällt. Ich möchte mich von meinem Geschmack leiten lassen. Und ich möchte z.B. ein Produkt, welches ich auf der Straße oder im Schaufenster gesehen und fotografiert habe, schnell wiederfinden, ohne mir den Kopf über passende Keywords zu zerbrechen.
Künstliche Intelligenz für Onlineshops
Um diese Wünsche zu erfüllen, beschäftigen wir uns mit der Nutzung künstlicher Intelligenz z.B. für die Objekterkennung auf Bildern und die visuelle Klassifizierung von Produkten. Und erzielen sehr hilfreiche Ergebnisse durch das Training neuronaler Netze für eCommerce Anwendungsfälle.
Eigenschaften wie Farbe und Material aber auch Form und Stil werden rein aus den Produktbildern erkannt und können für die Navigation und Empfehlung ähnlicher Produkte verwendet werden. So erreichen wir, dass mit Hilfe von künstlicher Intelligenz bei weniger manuellem Aufwand deutlich bessere Ergebnisse angezeigt werden als bei vergleichbaren Systemen, die ausschließlich mit den manuell erstellten Produktbeschreibungen und Textattributen arbeiten. Ein Bild bekanntlich mehr als tausend Worte.
Um unsere Behauptung zu stützen, zeigen wir nachfolgend einige Bespiele aus Onlineshops, die sich auf den einfachen Anwendungsfall der Produktempfehlung von ähnlichen Produkten beziehen. Dabei stellen wir jeweils die aktuelle als ähnliche Produkte dargestellten Empfehlungen in Vergleich zu den Produkten, welche unser System als visuell ähnliche Produkte identifiziert hat. Dabei ist uns sehr wohl bewusst, dass moderne Recommendation Tools auch die Customer Journey einbeziehen und so für den Kunden wenig nachvollziehbar absichtlich die visuelle Ähnlichkeit missachten. Um den Vergleich aber nicht zu verfälschen, haben wir diesen Einfluss eliminiert.
Beispiele für ähnliche Produktempfehlungen von führenden Schuh Discountern im Vergleich zu unseren visuellen Empfehlungen:
Deichmann
Siemes Schuhcenter
Und Beispiele für Brillen:
Apollo
Mr. Spex
Mit dieser auf künstliche Intelligenz basierenden Lösung können wir können wir uns z.B. die folgenden drei Funktionen in Onlineshops vorstellen, die das visuelle und emotionale Einkaufserlebnis steigern:
Visuelle Produktempfehlung
Wie schon in den Beispielen oben zu erkennen ist, kann die Verwendung der intelligenten Bildanalyse die Empfehlung ähnlicher Produkte für viele Onlineshops deutlich verbessern. Es werden tatsächlich in Form und Stil ähnliche Produkte angezeigt und dem Kunden so echte Alternativen auf der Produktdetailseite angeboten.
Produktbildersuche
Eine bildbasierte Suche ist auf den meisten Websiten und Onlinshops noch nicht integriert und diente bisher wenigen großen Anbietern im Markt als Alleinstellungsmerkmal. Diesen Wettbewerbsvorteil können wir jetzt auflösen. Die Integration einer bildbasierten Suche ist ein tolles Feature, um dem Nutzer schnell zu visuell passenden Produkten oder Medieninhalten zu verlinken. Wenn die Ergebnisse wirklich auf das eigene Sortiment optimiert sind, wird dem Nutzer die Produktexpertise des jeweiligen Anbieters sehr deutlich vor Augen geführt. So wächst die Chance sich als relevanter Anbieter für bestimmte Warengruppen zu etablieren und neue Stammkunden an sich zu binden. Nicht zuletzt hilft eine visuelle Produktsuche auch der Vergleichbarkeit und dem Wettbewerb bei Google und den Marktplätzen nicht vollständig ausgeliefert zu sein.
Bildersuche für Schuhe:
Herren Schuhe
Damen Schuhe
Visuelle Navigation
Dieser Anwendungsfall war der Ausgangspunkt unserer Bemühungen künstliche Intelligenz für eine visuelle Navigation in Onlineshops einzusetzen. Das folgende Beispiele zeigt, wie ein Klickpfad durch das Sortiment aussehen kann ohne, dass der Kunde textliche eingaben oder Filter bedienen muss. Stattdessen lässt er sich bei seiner Auswahl nur von visuellen Eindrücken leiten.
Ein Beispiel visuelle Navigation für Schuhe:
Dieses Feature erfordert mehr als eine punktuelle Integration in das Frontend des Shops. Neben den technischen Voraussetzungen empfehlen wir der zielgruppen- und produktspezifische User Experience einen hohen Stellenwert einzuräumen. Eine individuelle Konzeption für Ihre Produkte und Zielgruppe erarbeiten wir gerne mit Ihnen gemeinsam.
Expertise für künstliche Intelligenz und eCommerce
Mit unserer Lösung für intelligente Bildanalyse und unserem Knowhow für die Anwendung von künstlicher Intelligenz im eCommerce wollen wir deutsche mittelständische Unternehmen und europäische eCommerce-Größen unterstützen Ihren Kunden zeitgemäßen und exzellenten Zugang zu Ihren Produkten zu bieten.
Die oben beispielhaft beschriebenen Anwendungsfälle sind ab einer Sortimentsgröße von ca. 500 Produkten pro Warengruppe sinnvoll. Diese Zahl kann als Faustformel herangezogen werden, hängt aber natürlich stark vom Produkt und den unterschiedlichen Ausprägungen ab. Gerne beraten wir Sie, ob Ihre Daten für das Training eines neuronalen Netzes geeignet sind und welche Anwendungsfälle für Sie in Frage kommen. Sollten Sie sich für diese neuartige Technik entscheiden, bietet wir Ihnen die entsprechenden Tools als Software as a Service an. Diese Cloud Lösung entwickeln wir auf Basis des OpenSource Frameworks Tensor Flow stetig weiter. Mit der für uns immer geltenden transparenten Arbeitsweise unterstützen wir Ihr Unternehmen gerne in dem Bereich.
Comments