Anzeige
Anzeige
Anzeige
Künstliche Intelligenz
Bonprix setzt KI für Produktrankings ein
Bild: Pixabay
15.12.2021 - Welche Produkte sind aktuell im Shop am beliebtesten? Und gleichzeitig in ausreichender Menge über alle Größen hinweg verfügbar? Das ermittelt der Modeversender Bonprix mithilfe von Künstlicher Intelligenz und optimiert damit sein Produktranking und seine Serviceleistung.
von Susanne Broll
Der Modekonzern Bonprix
investiert bereits seit mehreren Jahren in die Eigenentwicklung von KI-Modellen oder nutzt Systeme von Dienstleistungsunternehmen. Die neueste Anwendung ist ein optimiertes Produktranking im Onlineshop Bonprix.de. Dieses sortiert täglich alle Produkte in den verschiedenen Kollektionen oder Kategorien neu und zeigt sie hierarchisch geordnet an. Mit einem 'Produkt-Potenzial-Prognose-Modell' werden diejenigen Produkte ganz oben angezeigt, die bei der Kundschaft besonders beliebt und im Bestand sind. Das Modell wurde intern entwickelt und hat nach einem erfolgreichen A/B-Test die bisherige Anwendung in Deutschland abgelöst. Auch in Österreich, der Schweiz und zehn weiteren Ländern wird die Produkt-Potenzial-Prognose bereits eingesetzt.
Sascha Netuschil, Abteilungsleiter Data Science bei Bonprix erklärt "Mit der Produkt-Potenzial-Prognose können wir das Produktranking im Bonprix-Onlineshop für unsere KundInnen deutlich verfeinern und vor allem sicherstellen, dass die top-gerankten Produkte in ausreichender Menge verfügbar sind. Das wirkt sich auch positiv auf die Conversion Rates aus."
Verbindung von multiplen Zeitreihen und Convolutional Neuronal Network
Im Bonprix-Onlineshop unterstützen täglich aktualisierte Produktrankings in den verschiedenen Kategorien die Kundschaft dabei, aktuelle Trends schnell zu finden, ohne sich durch unzählige Seiten klicken zu müssen. Sie basieren auf den bisherigen Klick- und Bestelldaten der einzelnen Produkte und ihren zugehörigen Artikeln und zeigen diejenigen zuoberst an, für die tagesaktuell ein hohes Bestellvolumen prognostiziert werden kann.Das Produkt-Potenzial-Prognose-Modell arbeitet mit multiplen Zeitreihen. Diese entstehen durch die tägliche Betrachtung der Interaktionsparameter zu einem Produkt innerhalb der vergangenen sieben Tage: Wie oft wurde dieses Produkt angeklickt, wie oft auf die Wunschliste gesetzt, wie häufig wurde es in den Warenkorb gelegt und wie oft letztlich gekauft.
So entsteht eine Matrix, in der Muster erkannt werden können, die für die Bestellprognose und Rankingaussteuerung eines Produktes maßgeblich sind. Dafür hat Bonprix sich eine KI-Technologie zunutze gemacht, die bisher vor allem aus der Bilddatenerkennung bekannt ist: ein Convolutional Neuronal Network (CNN). Da die Datenmatrix für ein Produkt wie ein Bild aufgebaut ist, ist das CNN in der Lage, die Daten auszulesen und eine Absatzprognose für den kommenden Tag zu berechnen. Zudem wird auch der Warenbestand beim Ranking beachtet: Fällt bei einem Produkt die Verfügbarkeit unter einen festgelegten Wert, wird es automatisch nach unten gerankt. Ist es später wieder verfügbar, erkennt das Modell es anhand von historischen Daten als früheres Top-Produkt. Damit liefert die Produkt-Potenzial-Prognose fundiertere Vorhersagen als das Machine Learning Modell, das zuvor bei Bonprix im Einsatz war.
Bild: bonprix Handelsgesellschaft mbH
Um seiner Kundschaft noch passendere Produkte an erster Stelle anzuzeigen, verfeinert Bonprix das Produktranking bei registrierten NutzerInnen in einem weiteren Schritt durch ein Clustering, dem fünf verschiedene Altersgruppen zugrunde liegen. Es werden die Produkte hierarchisch angezeigt, die in der jeweiligen Altersgruppe besonders beliebt sind.
Künstliche Intelligenz als Innovationstreiber
Der Modekonzern sieht in dem wachsenden Spektrum KI-basierter Anwendungen einen wichtigen Innovationstreiber für die ECommerce-Branche. Bereits seit Jahren setzt er auf die kontinuierliche technologische Evolution seiner Prozesse unter Verwendung von KI und Machine Learning - sei es im Rahmen der Betrugsprävention, einer besseren Größenberatung oder einer optimierten Sortimentsgestaltung durch die sogenannte Learning Collection."Wir möchten unseren KundInnen immer gezielter den für sie relevanten Ausschnitt unseres Sortiments zeigen. Die Produkt-Potenzial-Prognose ist ein gutes Beispiel für eine Anwendung, die das ermöglicht. Für die Zukunft planen wir, das Produktranking durch die Nutzbarmachung verhaltensbasierter Daten noch weiter zu personalisieren", erklärt Markus Fuchshofen , Geschäftsführer von Bonprix.
Vorträge zum Thema:
Anzeige
HighText Verlag
Mischenrieder Weg 18
82234 Weßling
Tel.: +49 (0) 89-57 83 87-0
Fax: +49 (0) 89-57 83 87-99
E-Mail: info@onetoone.de
Web: www.hightext.de
Besuchen Sie auch:
