20. Januar 2015|Technologie

Neues Feature – die Produktdaten-Optimierung

Ein wichtiges Kriterium für gute Usability in Online-Shops ist die Möglichkeit, die Ergebnisse sowohl in der Suche als auch in der Navigation nach Produkt-Merkmalen einzuschränken. So ist bei Smartphones z.B. die Displaygröße (4 oder 5 Zoll) oder das Betriebssystem (Apple oder Android) wichtig, bei Bekleidung die Größe und das Material (Baumwolle, Polyester).

Voraussetzung für diese Filterung ist allerdings, dass die Daten bereits in strukturierter Form, z.B. als Artikelattribute zur Verfügung stehen. Dies ist bei vielen Shops nicht oder nur unvollständig gegeben, viele wichtige Informationen kommen nur in der Beschreibung des Artikels vor:

„Dieses Android Smartphone hat ein HD-Display mit 5 Zoll“

Die Lösung hierfür ist die Produktdaten-Optimierung, die kaufrelevante Merkmale automatisch aus den Fließtexten extrahiert und den Kunden im Shop in Suche und Navigation als Filter zur Verfügung gestellt.

Erklärung

In der Produktdaten-Optimierung kommen modernste semantische Technologien zur Anwendung. Mit diesen werden die Texte analysiert und die wesentlichen Informationen auf Grundlage eines domänenspezifischen Vokabulars extrahiert. Dieses Vokabular enthält bereits Informationen über wichtige Branchen, so z.B. die Namen von Herstellern und Modellen, Materialien und technische Spezifikationen, und kann je nach Shop und Anforderungen erweitert werden.

Normalisierung

Im Anschluss an die Extraktion der Daten kann eine Normalisierung durchgeführt werden. So ist es oft nicht sinnvoll, jede einzelne Nuance einer Farbe zum Filtern zur Verfügung zu stellen, sondern nur die Grundfarben. In diesem Fall könnten Magenta, Karmesin und die Farbe der Liebe zu Rot zusammengefasst werden. Wählt ein Onlinekäufer nun bei der Suche nach T-Shirts den Filter Farbe=Rot werden zusätzlich zu den roten Shirts auch solche in Magenta oder Karmesin angezeigt.

Bei Bekleidung ist es oft auch sinnvoll, die verschiedenen Maße zu normalisieren, so dass bei der Filterung nach Größe=M auch Artikel mit Größe=38 zurückgeliefert werden. Dies ist ebenso möglich. Weitere Beispiele sind Betriebssysteme (Android 4.4.1, Android 4.4.2 -> Android 4.4) oder die Umrechnung verschiedener Einheiten (32 Zoll = 81.3 cm, 1024 MB = 1 GB).

Beispiel

attributsextraktion

Beispiel Attributsextraktion

 

Anwendung am Online-Shop – PreiswertePC.de

Der Shop PreiswertePC verkauft hochwertige gebrauchte IT-Geräte aus Leasingrückläufern und Firmen-Rollouts. Entscheidend für den Kauf ist dabei die Möglichkeit, schnell das Produkt mit den gewünschten Features zu finden, z.B. einen Bildschirm mit der passenden Größe oder das Notebook mit den richtigen Anschlüssen. Bisher konnten Kunden allerdings lediglich nach Hersteller, Kategorie und Preis filtern, obwohl die relevanten Daten in den Artikelbeschreibungen vorhanden waren.

Mit Hilfe der Produktdaten-Optimierung von FINDOLOGIC konnten nun eine Vielzahl an weiteren Filtermöglichkeiten realisiert werden. So gibt es Prozessortypen, Besonderheiten, Betriebssysteme und vieles mehr. Mit dieser Auswahl können Kunden nun auch bei vielen Ergebnissen schnell zu ihrem Wunschartikel finden und diesen kaufen. Dazu PreiswertePC:

Neue Möglichkeiten der Filterung und Eingrenzung der Suche machen Euch das Leben von nun an leichter – einfach besser suchen.

1

Prozessortyp, Besonderheiten – www.preiswertepc.de

2

Hersteller, Zustand, Betriebssysteme – www.preiswertepc.de

 

Verbesserungen

 

1. Pushen + Search-Concepts über die Autocomplete:

Die Auswahl der Filterwerte beim Pushen und bei den Search-Concepts wurde bisher über ein Dropdown realisiert, dieses war sowohl von der Ladezeit als auch von der Usability her bei Filtern mit sehr vielen verschiedenen Werten schlecht bedienbar. Stattdessen gibt es dort nun eine Autocomplete, über die bequem passende Filterwerte bei der Eingabe vorgeschlagen und ausgewählt werden können.

filterwerte-autocomplete-2

Filterwerte – Autocomplete

 

2. Neue Report-Funktion im Kundenaccount:

In Orientierung an Google Analytics gibt es im FINDOLOGIC Kundenaccount jetzt die Möglichkeit, den Report der Suchanfragen für vordefinierte (Letzte Woche, Letzter Monat) oder beliebige Zeiträume anzeigen lassen. Bis zu 100 Top-Suchbegriffe lassen sich hier auflisten und auswerten.

reports-kalender

FINDOLOGIC Kundenaccount

 

3. Die dynamische Relevanzschranke

Die dynamische Relevanzschranke wird nun erst nach allen Text-Matches ausgeführt, um den gesamten Score zu berücksichtigen (vorher wurden bestimmte Boni nicht einbezogen). Dem Endkunden werden damit weniger irrelevante Ergebnisse präsentiert.

Beispiel:

So wurden bei einer Suche nach dem Hersteller „Skike“ auch Ergebnisse für „Ski“ (algorithmische Stammform von „skike“) angezeigt (wenn auch nachgereiht), da der Score vor Anwendung der Relevanzschranke der gleiche war. Nun wird die dynamische Relevanzschranke später angewendet, so dass bei entsprechender Einstellung tatsächlich nur mehr Produkte von „Skike“ angezeigt werden.

 

Für Fragen stehen wir Ihnen jederzeit zur Verfügung. Kontaktieren Sie uns einfach unter office@findologic.com oder telefonisch unter der Tel.: +43 (0)662 456 708.