Lenovo und New Pig setzen auf User Intent
So wie sich die Welt der Suche weiterentwickelt, so entwickelt sich auch die E-Commerce-Suche, und Einzelhändler können es sich nicht leisten, zurückzubleiben, wenn sich die Art und Weise, wie die Verbraucher online nach Produkten suchen, ändert.
Die großen Suchmaschinen, allen voran Google, verlassen sich auf künstliche Intelligenz (KI), um die Absicht eines Nutzers bei einer Suche herauszufinden. Schlüsselwörter sind eines der Signale oder Handlungen, die die KI verwendet, um herauszufinden, was der Nutzer suchen möchte. Aufgrund der zunehmenden Verbreitung der Sprachsteuerung in Haushalten, Autos und mobilen Geräten verfassen die Nutzer ihre Suchanfragen jedoch zunehmend in Konversationssprache. (Siehe dazu den Artikel „Fokus auf Schlüsselwörter lässt nach, da sich die Verbrauchergewohnheiten ändern“).
„Die Suche hat sich von der Erzeugung relevanter Ergebnisse auf der Grundlage von Begriffsübereinstimmungen, die wir üblicherweise als Schlüsselwörter bezeichnen, hin zu Absichtsübereinstimmungen entwickelt“, so Michael Cizmar, Präsident, Gründer und Geschäftsführer von MC+Aeinem Beratungsunternehmen, das sich auf Unternehmenssuche, Datenanalyse und Informationsmanagement spezialisiert hat.
Die Absicht ist, einfach ausgedrückt, das Ziel einer Suche. Die Technologie ist inzwischen so weit fortgeschritten, dass Suchende keine Schlüsselwörter mehr eingeben müssen, um ihre Absicht mitzuteilen. KI kann die Aktionen eines Nutzers mit den Daten von Millionen anderer Suchanfragen vergleichen und den Suchenden zu dem Ergebnis leiten, das statistisch gesehen am wahrscheinlichsten eine Anfrage erfüllt.
Um die Absicht eines Suchenden abzuleiten, verwendet die KI Signale. A Signal ist jede Aktion, die ein Suchender durchführt, z. B. die Suchbegriffe, die er eingibt, die Autovervollständigungs-Threads, die er auswählt, die Ergebnisse, auf die er klickt, die Filter, die er verwendet, die Produkte, die er in seinen Warenkorb legt (add-to-cart), und die Käufe, die er tätigt. Zu den Signalen gehören auch weniger erwünschte Aktionen wie abgebrochene Suchvorgänge, ungültige Suchvorgänge, aufgegebene Warenkörbe und Verlassen der Website. Bestimmte Benutzereigenschaften, wie z.B. das Gerät oder der geografische Standort, sind ebenfalls Signale.
Mit maschinellem Lernen und Deep Learning kann eine Suchplattform wie Lucidworks Fusion in der Lage, die Absicht einer bestimmten Suche zu interpretieren, da sie durch die Verarbeitung einer großen Anzahl von Signalen aus Milliarden von Suchanfragen, einschließlich solcher auf E-Commerce-Websites, trainiert wurde.
Lucidworks sprach kürzlich exklusiv mit zwei Kunden, die aktiv im E-Commerce tätig sind – John McQuade, Direktor für Softwareentwicklung bei New Pig, und Marc Desormeau, Product Owner für Website-Suche und Produktdaten-Optimierung bei Lenovo.com – darüber, wie Lucidworks Fusion ihnen geholfen hat, Absichten zu erkennen und die Sucherfahrung ihrer Kunden zu verbessern.
Das neue Schwein führt die Besucher zu Lösungen, nicht zu Produkten
Neues Schwein betreibt eine E-Commerce-Website für den Verkauf seiner industriellen Absorptionsmittel. „Wie wir sagen, stellen wir das beste Material der Welt für Lecks, Tropfen und Verschüttungen her“, sagte MacQuade in einer Video-Interview. New Pig verwendet Lucidworks Fusion bereits seit etwa fünf Jahren.
Die Besucher der New Pig-Website verwenden bei ihrer Suche zunehmend natürliche Sprache. „Unsere Nutzer suchen nach Lösungen und nicht mehr nach Produkten. „Wir erhalten viel mehr Sätze wie ‚Ich brauche eine Matte, die Dieselkraftstoff absorbiert'“, so McQuade.
Mit etwa 2.500 Produkten ist der Produktkatalog von New Pig relativ klein für eine E-Commerce-Website, aber „die Komplexität in unserem Katalog ist das Wörterbuch und die Begriffe, die in der industriellen Absorptionsmittelindustrie verwendet werden. Damit haben wir eine Menge Schwierigkeiten“, bemerkte er. „Vor allem für neue Kunden ist es wichtig, dass sie ihre Produkte schnell finden. Wenn sie uns nicht kennen oder unsere Produkte nicht kennen, müssen wir den Benutzer so schnell wie möglich ansprechen, damit er die Website nicht verlässt“, so McQuade.
Lucidworks Fusion kann gewöhnliche Einzelhandelsabfragen „out of the box“ bearbeiten, so Cizmar. Für eine spezielle Website wie New Pig muss das System zusätzlich geschult werden. Dazu wird ein Datenfeed in die Engine geleitet und dem System das gewünschte Ergebnis mitgeteilt, z. B. ein Klick, ein Add-to-Cart oder ein Kauf. „Da die Datenwissenschaftler und Ingenieure von Lucidworks die harte Arbeit der Entwicklung des Algorithmus geleistet haben, kann das System die Daten von New Pig nutzen, um sich selbst zu optimieren“, so Cizmar weiter.
Da die Nutzer durch Signale und nicht durch Schlüsselwörter zu den gewünschten Produkten geführt werden, können die Händler von New Pig die Sprache verwenden, die ihrer Meinung nach ihre Artikel am besten beschreibt, ohne das Sucherlebnis zu beeinträchtigen. „In dieser Branche gibt es viele Feinheiten, und die Händler verfügen über das nötige Fachwissen, aber dieses Wissen lässt sich nicht unbedingt auf die Denkweise eines Suchenden übertragen“, erklärt Cizmar. „Wenn die KI eine Suche auf der Grundlage der Absicht steuert, verschwindet dieses Problem.
„Fusion ermöglicht es uns, das Nutzerverhalten schnell zu analysieren, problematische Suchanfragen zu finden und die Abfrage-Pipelines zu nutzen, um diese Probleme sinnvoll zu lösen“, so McQuade. „Die Suche hat sich mit dem Aufkommen von KI und maschinellem Lernen und der damit verbundenen stärkeren Personalisierung stark verändert. Die Nutzer sehen das auf B2C-Websites und erwarten das gleiche Einkaufserlebnis im B2B-Bereich.“
Lenovo.com steigert die Kundenzufriedenheit und den Umsatz
Desormeau präsentierte Lucidworks bei einer Bildungsveranstaltung auf der Big Show der National Retail Federation im Januar. (Sehen Sie das Video hier.) Er leitet Lenovo.comdas globale Suchteam, eine relativ neue Funktion in diesem Unternehmen.
„In der Vergangenheit betrachteten wir die Suche als das kleine Kästchen, das in der Ecke der Website sitzt, und wir versuchten einfach sicherzustellen, dass sie funktioniert“, sagte er. Das bedeutete, „dass wir versuchten, die Daten so zu strukturieren, dass sie dem wahrgenommenen Ziel des Kunden entsprachen, und zwar auf manuelle Weise mit Hilfe von Schlüsselwörtern. Das war sehr zeitaufwändig und fehleranfällig und wurde angesichts des Umfangs sehr schnell unüberschaubar.“
Als er mit dem Aufbau einer formellen Suchpraxis begann, stand Desormeau vor zwei großen Herausforderungen. Die eine war die enorme Größe. Lenovo vertreibt eine breite Palette von Produkten, von Tablets, Laptops und Zubehör für Verbraucher bis hin zu Servern für Unternehmensrechenzentren. Lenovo ist auch ein Hersteller und ein wichtiger Anbieter von Technologieberatungsdiensten. Das zweite Thema war Datenqualität und -hygiene. Lenovo ist ein 50-Milliarden-Dollar-Unternehmen, das in 130 Märkten auf der ganzen Welt tätig ist und über eine verteilte Managementstruktur verfügt, die sich in der mangelnden Konsistenz und der unterschiedlichen Qualität der Daten im gesamten Unternehmen widerspiegelte.
Um diese Herausforderungen zu lösen, beschloss Desormeau, dass „die Verwendung von Signalen das Wichtigste ist, was wir tun müssen.
Durch die sehr schnelle Einführung von Signalen konnten wir einen Großteil der Qualitätsprobleme ausgleichen, indem wir die Kunden dazu brachten, uns zu sagen, was sie für wichtig halten.“
Mit Fusion sind Desormeau und sein Team in der Lage, das Kundenerlebnis „in Echtzeit zu gestalten, um auf Suchergebnisse, Navigationspräferenzen und andere Interaktionen zu reagieren und Produkte zu präsentieren, die mit den tatsächlichen Wünschen unserer Kunden übereinstimmen, die nicht unbedingt das sind, was wir glauben, dass sie wollen“, sagte er.
„Seit der Implementierung von Signalen haben wir einen 30-Punkte-Anstieg bei der Kundenzufriedenheit verzeichnet, die eine unserer Vergütungskennzahlen ist. Das ist also eine sehr wichtige Kennzahl, die zeigt, dass wir auf dem richtigen Weg sind“, so Desormeau. „Wir haben einen erheblichen Anstieg der Klickrate, eine geringere Abbruchrate, eine geringere Abbruchrate und eine bessere Platzierung bei unseren Gesamtkennzahlen festgestellt.
Wir befinden uns jetzt im dritten Jahr dieser Reise“, sagte Desormeau. „Unser Umsatzbeitrag aus der Suche ist im ersten Jahr im Vergleich zum Vorjahr um 95 Prozent gestiegen“, was er als „eine Anerkennung dafür sieht, dass wir wirklich eine kohärentere Plattform brauchen. Im zweiten Jahr verzeichneten wir ein Wachstum von 47 Prozent im Vergleich zum Vorjahr, und in diesem Jahr sind wir auf dem Weg zu einem Wachstum von 30 Prozent. Es ist klar, dass die Grundlage funktioniert. Die Kunden finden, was sie suchen.“
Desormeau hat auch einen persönlichen Vorteil festgestellt. „Die Zahl der Beschwerden, die ich von unseren internen Führungskräften erhalten habe, ist deutlich zurückgegangen“, stellte er fest.
Wenn wir anfangen, die Daten zu analysieren, können wir Assoziationen zu bestimmten Auslösern und Datenpunkten herstellen und dann das Verhalten durch die Einrichtung von Regeln und Konfigurationen beeinflussen“, so Desormeau.
„Das Schöne daran ist, dass es sich nicht um eine einmalige Sache handelt, sondern um ein Lernmodell.“
Laden Sie unser Ebook herunter und erfahren Sie, wie Unternehmen mit fortschrittlichen Personalisierungsfunktionen die Absichten der Benutzer verstehen. Außerdem erfahren Sie, wie Sie die gleichen Techniken einsetzen können, um den Umsatz zu steigern und die Kundenbindung zu verbessern.