Füllen Sie die Datenlücke: Mit KI-Produktdaten zum umfassenden Produktkatalog

Für nahezu alle Bereiche im modernen E-Commerce sind detaillierte und präzise Produktdaten von elementarer Bedeutung. Diese haben nicht nur unmittelbar Einfluss auf die Listen-Ansicht von Suche und Kategorie, sondern sind auch für den gesamten Kaufprozess von entscheidender Bedeutung. Ohne sorgfältig gepflegte Daten sind Produktvergleiche meist ohne Aussagekraft und ein wertstiftendes Suchmaschinenmarketing kaum möglich. Auch zukünftige Innovationen sind, wenn überhaupt, nur eingeschränkt möglich.

Solide Datenbasis als Voraussetzung für erfolgreichen E-Commerce

Obwohl der Online-Handel im B2B-Bereich immer wichtiger wird, hapert es bei vielen Unternehmen an der konkreten Umsetzung. Laut einer aktuellen Studie von Forrester Consulting vom Januar 2024 kann fast kein B2B-Unternehmen seinen kompletten Produktkatalog online zur Verfügung stellen. Die Krux liegt meist in mangelhaften Produktdaten, sei es durch Unvollständigkeit oder falsche Inhalte. In den letzten Monaten haben die Experten von valantic unterschiedliche Wege entwickelt, um das Problem unzulänglicher Produktdaten zu lösen. Das daraus entstandene Ökosystem basiert auf einer Kombination von innovativer KI-Technologie und klassischen Verfahren wie der Texterkennung mittels OCR. Dieses Data-Framework ermöglicht uns eine flexible Anwendung in diversen und oft hochkomplexen Situationen.

KI-gestützte Datenverarbeitung vereint Effizienz und Präzision

Den Kern der valantic-Lösung bildet die Zusammenführung vielfältiger Datenquellen, darunter Produktbilder, PDF-Dateien (z.B. Datenblätter, Handbücher) und technische Zeichnungen in anderen Formaten. Unser intelligentes System verarbeitet diese Inhalte effizient und extrahiert relevante Informationen, wie zum Beispiel Textinhalte aus Bildern mithilfe von OCR (Optical Character Recognition).

Im Zentrum der anschließenden Verarbeitung steht die individuelle Anpassung leistungsstarker KI-Modelle an die jeweiligen Daten und Bedürfnisse. So kommen beispielsweise datengetriebene Systeme zur Extraktion technischer Kennzahlen, große Sprachmodelle (sog. LLMs) zur Generierung hochwertiger Texte und mehrsprachige Modelle für präzise Übersetzungen zum Einsatz.

Die KI-ermittelten Daten werden im Anschluss aufbereitet, um irrelevante Informationen zu filtern oder unnötige Formatierungen zu entfernen. So entstehen qualitativ hochwertige Datensätze, die sich nahtlos in bestehende Shopping-Systeme integrieren lassen und so für Filterung, Suche und Anzeige zur Verfügung stehen.

Flexible Anpassung für individuelle Anwendungsfälle

Die von uns entwickelte Pipeline zeichnet sich durch ihre Skalierbarkeit und Flexibilität aus. Sie kann an die spezifischen Anforderungen verschiedener Branchen und Anwendungsfälle angepasst werden. Auf diese Weise erzielen wir immer die für das jeweilige Projekt optimalen Ergebnisse.

Aus der Praxis: Umfassende Auswertung von Produktdatenblättern für eine optimierte Customer Journey

In einem Webshop eines Kleb- und Dichtstoff-Händlers stießen Kunden bei der Suche nach dem benötigten Produkt auf eine große Hürde: Die vorhandenen Basisinformationen, lediglich Produktname, Beschreibungstext und Bild, waren für eine Kaufentscheidung schlicht unzureichend. Daher mussten potenzielle Kunden erst die PDF-Datenblätter zu Rate ziehen, damit eine fundierte Entscheidung getroffen werden konnte. Dieser mühsame Prozess führte auf Kundenseite zu Frustration und hohen Absprungraten.

Um diesem Problem zu begegnen, beschloss der Shopbetreiber, die Datenblätter maschinell auszuwerten und die daraus gewonnenen Informationen in den Shop zu integrieren. Dazu wurde eine Pipeline entwickelt, die unter anderem folgende Produktattribute extrahiert:

• Industrie / Branche: Für welche Anwendungsbereiche ist das Produkt geeignet?
• Zentrale Produktmerkmale und USPs: Was sind die wichtigsten Eigenschaften und Alleinstellungsmerkmale des Artikels?
• Zuordnung zu weiteren Kategorien: In welche Kategorien lässt sich das Produkt einordnen?
• Typische Fragen und Antworten für Benutzer (FAQs): Welche Fragen stellen Kunden häufig zu diesem Produkt?
• SEO-optimierte Beschreibungstexte: Wie kann das Produkt optimal für Suchmaschinen beschrieben werden?

Die automatische Verarbeitung der Datenblätter durch das Data-Framework von valantic führte zu einer deutlichen Verbesserung der Customer Journey:

• Schnellere Produktsuche: Kunden finden dank sinnvoller Kategoriestruktur und leistungsfähiger Filterung schneller das gewünschte Produkt.
• Bessere Produktinformationen: Die wichtigsten Merkmale des Produkts sind auf einen Blick ersichtlich.
• Höhere Conversion Rate: Kunden gelangen schneller zum gewünschten Produkt und somit auch zum Kaufabschluss.

Die Datenanreicherung jedes Produkts dauert durchschnittlich ein bis zwei Minuten. Dies ist zwar bei einer großen Artikelanzahl ein nicht zu vernachlässigender Faktor, aber im Vergleich zum zuvor manuellen Aufwand deutlich schneller und kostengünstiger. So zeigte sich innerhalb kurzer Zeit, dass die automatische Verarbeitung eine durch und durch lohnende Investition war. Sie führt zu einer verbesserten Customer Journey, höheren Conversion Rates und deutlichen Kosteneinsparungen bei der Datenpflege.

Vollautomatische, integrierte und sichere Datenverarbeitung

Nach der initialen Einrichtung und Feinjustierung der KI-Pipeline läuft die Verarbeitung der Daten vollautomatisch ab. Manuelle Eingriffe sind nicht notwendig, lediglich eine lose Überwachung des Prozesses ist empfehlenswert, damit etwaige Korrekturen schnell erfolgen können. Typischerweise wird die Pipeline über Nacht ausgeführt, um vorübergehende Einschränkungen in Performance oder Shop-Funktionalitäten zu umgehen.

Bei besonders umfangreichen Datenmengen besteht darüber hinaus die Möglichkeit, dass die KI-Verarbeitung auf einem separaten System durchgeführt wird und die finalen Inhalte anschließend gebündelt eingespielt werden. Auf diese Weise werden jegliche Einschränkungen im Betrieb des Webshops umgangen.

Möglichen Bedenken hinsichtlich Datenschutz und Intellectual Property (IP) begegnen wir unter anderem durch den Einsatz lokaler Modelle. Dabei wird die KI-Pipeline innerhalb einer geschlossenen, von uns kontrollierten Umgebungen ausgeführt. So ist sichergestellt, dass keine Daten nach außen gelangen können und dort zum Beispiel für das Anlernen neuer KI-Systeme genutzt werden. Zu Beginn jedes Projekts wird die notwendige Infrastruktur individuell evaluiert, um auf diese Weise sicherzustellen, dass allen Anforderungen und Richtlinien Rechnung getragen wird.

Flexible Lösung für (fast) alle Datenprobleme im E-Commerce

Unvollständige, falsche oder inkonsistente Produktdaten sind ein branchenübergreifendes Problem, das viele Plattformen betrifft. Gleichzeitig sind diese Daten aber für sämtliche Aspekte des Onlinehandels unerlässlich. Je umfassender und qualitativ hochwertiger die Produktdaten sind, desto größer wird der Vorteil gegenüber dem Wettbewerb.

Während die Pflege von Produktdaten in der Vergangenheit meist mühsame Handarbeit war, bietet valantic mit seiner Lösung die Möglichkeit, diesen Prozess durch KI-getriebene Lösungen weitgehend zu automatisieren. Dies führt zu deutlichen Zeit-, Kosten- und Effizienzvorteilen.

Das von valantic entwickelte Framework bildet ein solides Fundament für die Anreicherung von Produktdaten. Darüber hinaus eignet es sich aber auch für die Verarbeitung beliebiger anderer Entitäten, wie Kundendaten, Kategorien oder individuelle Datenmodelle, die Teil einer Plattform sein können.

Zusammengefasst bietet unser System eine flexible und skalierbare Lösung zur Optimierung von Produktdaten und anderen Entitäten im E-Commerce. Diese Lösung ermöglicht es Unternehmen, ihre Daten effizient zu verwalten, deren Qualität zu verbessern und so ihren Wettbewerbsvorsprung auszubauen.