Benutzerintention steuert KI-gestützte Suche

Die Verbraucher erwarten personalisierte Erlebnisse im Einzelhandel. Schließlich bekommen sie diese auch in den sozialen Medien, in der Unterhaltung, auf…

Die Verbraucher erwarten personalisierte Erlebnisse im Einzelhandel. Schließlich bekommen sie diese auch in den sozialen Medien, in der Unterhaltung, auf mobilen Geräten und bei der Suche im Internet – warum sollten sie sich beim Einkaufen mit weniger zufrieden geben?

Vermarkter sind sich einig. Eine kürzlich von ClickZ und Chatmeter durchgeführte Umfrage unter 700 US-Vermarktern ergab, dass die Hälfte der Befragten „verändertes Kundenverhalten, angetrieben durch neue Technologien“ als den wichtigsten Suchtrend für 2019 identifizierte.

Im E-Commerce können die Sucherfahrungen des Käufers sehr unterschiedlich sein. Amazons Such- und Empfehlungsmaschinen, die auf künstlicher Intelligenz (KI) und maschinellem Lernen (ML) basieren, liefern hochgradig relevante und personalisierte Ergebnisse, die u.a. auf den früheren Einkäufen und dem Browsing des Käufers basieren. Aber die Sucherfahrung auf den meisten anderen Einzelhandelswebsites ist oft enttäuschend.

Die Situation beginnt sich jedoch zu ändern. Trends im Bereich des verteilten Computings und der Open-Source-Programmierung ermöglichen es Unternehmen, die nicht über enorme Kapazitäten und Ressourcen verfügen, die E-Commerce-Suche und -Empfehlungen für die Kunden drastisch zu verbessern – wenn sie mit dem richtigen Partner zusammenarbeiten.

Um herauszufinden, warum die Suche aus technischer Sicht eine Herausforderung darstellt und wie sich das ändert, hat Lucidworks das Fachwissen von Peter Curran, Präsident und Mitbegründer von Cirrus10 und Berater für das Geschäft und die Technologie des E-Commerce, in einer Frage-und-Antwort-Runde genutzt.

Curran war einer der Hauptredner in zwei aktuellen Lucidworks-Webinaren: “ Warum Ihre Kunden nicht finden, was sie suchen“ und “ Schaffen Sie das ideale Kundenerlebnis – ohne die Kontrolle abzugeben„. Er hat die Implementierung der Fusion-Suchanwendung von Lucidworks bei drei Kunden geleitet, arbeitet aber auch mit anderen Lösungsanbietern und an anderen Projekten als der Suche.

F: Welche Technologien ermöglichen es E-Commerce-Unternehmen, ihre Suche deutlich zu verbessern?

A: Mit dem Aufkommen von ML und verteiltem Rechnen können Unternehmen Dinge tun, die sie vorher nicht tun konnten, ohne einen Haufen von Regeln zu schreiben. Lucidworks Fusion verfügt zum Beispiel über eine Architektur für verteiltes Rechnen, die auf Apache Spark basiert und in eine Suchplattform integriert ist. Verteiltes Rechnen ermöglicht es Suchmaschinen, mehr Szenarien algorithmisch zu bearbeiten, und Fusion kann viele komplizierte ML-Berechnungen durchführen, die ohne diese Verbindung zu rechenintensiv wären.

F: Warum ist die Suche eine solche Herausforderung für E-Retailer?

A: Die Suche im E-Commerce ist schwer zu handhaben, denn es gibt eine Million verschiedene Möglichkeiten, wie Menschen Ihnen mitteilen können, was sie wollen, und es ist schwer vorherzusagen, welche Wörter sie verwenden werden. Außerdem ist die Sprache selbst kompliziert. Wenn Sie zum Beispiel nach Shorts suchen, erhalten Sie vielleicht eine kurze Hose, aber auch ein kurzärmeliges Hemd, einen kurzen Rock, einen „Skort“ oder irgendetwas anderes. Das liegt daran, dass das Wort kurz und Shorts einen gemeinsamen Wortstamm haben und die Suchmaschine nicht zwischen kurz als Adjektiv und Shorts als Substantiv unterscheiden kann. Erschwerend kommt hinzu, dass das, was wir normalerweise als Shorts bezeichnen, technisch gesehen einfach „Short“ heißt.

Um mit diesen Problemen umzugehen, stellen Einzelhändler Regeln auf, aber manuelle Regeln können andere Probleme verursachen. Ein Beispiel ist eine Suche nach „Leopardenmuster“. In den Suchergebnissen einer Website, die ich in einem der Lucidworks-Webinare gezeigt habe, erhalte ich Drucke, wie z.B. Wandkunst, mit verschiedenen Tiermotiven, aber keine Kleidungsstücke mit Leopardenmuster, was ich eigentlich wollte. Das fing damit an, dass jemand – wahrscheinlich jemand, der sich auf Heimdekoration konzentriert – entschied, dass das Wort Leopard mit dem Wort Tier gleichzusetzen sei, aber nicht an „Leopardenmuster“-Stoffe dachte.

Das manuelle Abstimmen von Suchanfragen nimmt nicht nur viel Zeit in Anspruch, sondern Sie müssen eine einmal erstellte Kuratierungsregel auch im Laufe der Zeit pflegen. Regeln sind nicht ewig gültig, da sich Produkte und Suchanfragen ändern. Außerdem ist die Anzahl der Regeln, die Sie aufstellen können, begrenzt. Ein manueller Prozess ist mühsam und einfach nicht nachhaltig.

F: KI und maschinelles Lernen können viel größere Datenmengen viel schneller verarbeiten als Menschen, aber warum machen sie nicht die gleichen Fehler?

A: Beim maschinellen Lernen geht es um die Erkennung von Mustern und das Ziehen von Schlussfolgerungen auf der Grundlage von Mustern. Lucidworks verwendet die so genannte Signalaufnahme oder Signalverarbeitung. Signale sind alle Benutzerinteraktionen – Abfragen, Klicks, Warenkorb, Kasse usw. – sowie alle Profil- und/oder Drittanbieterdaten, die Sie über eine Sitzung haben. Ein Signal ist ein weit gefasstes Konzept, für das es jedoch eine Reihe von Best Practices gibt.

Das System „versteht“ nicht die Bedeutung der Wörter, sondern es lernt durch das Suchverhalten, welche Wörter und Wortkombinationen wichtig sind, um die Absicht des Suchenden zu bestimmen.

Angenommen, jemand sucht auf einer Website wie Best Buy oder Walmart nach „Dysenterie“. Das System weiß nicht, dass es für eine Person keinen Sinn macht, auf einer normalen E-Commerce-Website nach „Ruhr“, einer Darminfektion, zu suchen. Aber wenn das ML genügend Sitzungen durchläuft, erkennt es, dass Menschen, die nach Ruhr suchen, Dyson-Staubsauger kaufen. Ein menschlicher Verkäufer würde niemals auf die Idee kommen, eine Regel wie „Ruhr=Dyson“ aufzustellen, ganz gleich, wie gut er über das Produkt oder den Kunden informiert ist. Die Paarung ist für die menschliche Intelligenz nicht logisch, aber sie funktioniert bei realen Suchanfragen, weil die interne Rechtschreibkorrektur des iPhones das Wort Dyson in Dysenterie ändert.

„Ein menschlicher Händler würde niemals auf die Idee kommen, eine Regel wie „Ruhr=Dyson“ aufzustellen.

F: Einzelhändler müssen Bestände verkaufen und Werbeverpflichtungen einhalten. Sie müssen die Produkte auf den richtigen Käufer abstimmen, nicht unbedingt den Käufer auf das Produkt. Wie kann KI dabei helfen?

A: Diese Art von geschäftlichen Anforderungen sind nur eine weitere Funktion, die es zu entwickeln gilt. Dies kann entweder auf der Ebene des ML-Modells oder als menschliche Übersteuerung geschehen. Wenn Sie eine algorithmische Suche entwickeln, wollen Sie einfach die Anzahl der Entscheidungen, die der Mensch trifft, reduzieren.

Mit Fusion schlägt das System manchmal neue Regeln vor, die auf den Daten basieren, und der Benutzer kann entscheiden, ob er sie akzeptieren möchte. Fusion ermöglicht es Händlern auch, Regeln aufzustellen, mit denen sie ihre Geschäftsziele erreichen können, aber sie müssen sie testen und mit tatsächlichen Suchvorgängen experimentieren. Wie ein Kollege in einem Webinar sagte: „Experimentieren ist der beste Weg, um eine datengesteuerte Entscheidung zu treffen.“

Fusion ist leistungsstark, denn es bietet Einzelhändlern einfach zu bedienende Lösungen, um gängige E-Commerce-Suchanfragen zu optimieren, und diese wurden über Millionen von Suchanfragen mit zahlreichen Einzelhändlern getestet. Fusion 4.2 bietet einen Business Rules Manager, der es Einzelhändlern ermöglicht, ihre eigenen Modelle zu erstellen und sie in das Lucidworks-Framework einzubinden, um es anzupassen.

F: Wir haben gerade erst an der Oberfläche darüber gesprochen, wie KI und ML die Suche für Verbraucher und Einzelhändler verändern können. Was sind Ihre abschließenden Gedanken?

A: Zu Beginn meiner Karriere war ich im Bereich Web-Content-Management tätig, wo wir immer versucht haben, die Effizienz von Unternehmen zu steigern. Ich arbeite gerne in der E-Commerce-Suche, weil die Arbeit den Unternehmen tendenziell mehr Geld einbringt. Der Grund dafür ist, dass die Suche Intentionen erkennen lässt. Menschen, die suchen, wollen in der Regel kaufen, und das alte Sprichwort ist absolut wahr: Wenn sie es nicht finden können, können sie es nicht kaufen.

Wenn Ihre Suche also relevante Ergebnisse verbirgt oder wenn Ihre relevanten Ergebnisse in einem Meer von irrelevanten Ergebnissen untergehen oder wenn Ihre Such-UX verkorkst ist, dann wird sich eine Investition in die Behebung dieser Probleme fast immer auszahlen. Einige der Unternehmen, die Fusion implementiert haben, konnten ihre Investitionen innerhalb weniger Tage wieder hereinholen. Das kann eine enorme und schnelle Rendite sein.

Marie Griffin ist Autorin und Redakteurin mit umfangreicher Erfahrung in den Bereichen Einzelhandel, Technologie, Medien und anderen B2B-Themen. Sie hatte mehrere leitende Positionen inne, unter anderem als Redakteurin und Mitherausgeberin von Drug Store News, und arbeitet seit 2001 freiberuflich für Web- und Printpublikationen und Vermarkter.