Produktdaten sind der Treibstoff des Unternehmenserfolgs: Sie entscheiden über den Verkauf eines Produkts. Die Informationen müssen den Ansprüchen der Kunden gerecht werden und auf allen Kanälen zum Kauf motivieren. Hier besteht dringender Handlungsbedarf.
Das Internet hat sich zu einem riesigen Showroom für Produkte aller Art entwickelt. Kunden recherchieren vor dem Kauf im Netz, vergleichen Anbieter und Kundenbewertungen. Dennoch hängt die Kaufentscheidung maßgeblich von der Qualität der Produktinformationen ab: Fehlerhafte oder fehlende Daten erfüllen einerseits den Informationsbedarf der Konsumenten nicht, andererseits wirken sie sich negativ auf die Darstellung der Produktseite oder die Auffindbarkeit des Produkts bei der Suche aus. Nur vollständige, aussagekräftige Beschreibungen, die durch hochauflösendes Bildmaterial ergänzt werden, vermitteln potenziellen Käufern einen konkreten Eindruck des Produktes.
Eine zeitgemäße Multi-Channel-Strategie setzt dabei vielfältige Beschreibungsmerkmale voraus, die über Größe, Preis und Farbe hinausgehen. Das Product-Information-Management-System (PIM) bündelt daher sämtliche Produktdaten, die oftmals in verschiedenen Abteilungen wie Entwicklung oder Vertrieb verteilt liegen. Das greift jedoch in vielen Fällen zu kurz; die Produktbeschreibungen sind unvollständig. Dass Vermarktungscontent, wie Bilder oder Animationen, in unterschiedlichen Formaten und Größen geliefert wird, erschwert die Situation.
Künstliche Intelligenz automatisiert die Produktveredelung
Da Produktdaten entscheidend für den Verkaufserfolg sind, müssen Händler die ihnen zur Verfügung stehenden Informationen selbstständig verbessern, anreichern und veredeln. Manuell ist dieser Prozess angesichts der enormen Produktvielfalt kaum zu bewerkstelligen, aber selbstlernende Lösungen können den Prozess automatisieren: Sämtliche Daten werden dafür zunächst in eine einheitliche Zielstruktur überführt. Mithilfe von Algorithmen, die auf statistischem Maschine Learning basieren, verarbeitet Natural Language Processing (NLP) dabei die natürliche Sprache und strukturiert die gewonnen Informationen. Eine KI-gestützte Bilderkennung ordnet die visuellen Inhalte den jeweiligen Produkten zu. Gleichzeitig überprüft sie die Bilder auf Zusatzinformationen, die für die Produktbeschreibung relevant sein könnten. Die Natural Language Generation (NLG), eine maschinelle Textgenerierung, erstellt abschließend die Produktbeschreibung anhand von Metadaten oder Stichwortphrasen. Erst im Anschluss werden die Informationen im PIM-System bereitgestellt. So entsteht ein normierter Datenpool, ein Produktinformations-HUB für Hersteller und Händler, der wie ein Shared Service funktioniert.
Vorteile der Produktdatenveredelung
Ein System, das die Vorverarbeitung von Produktdaten auf diese Weise automatisiert und damit die Multi-Channel-Strategie der Händler unterstützt, steigert den Verkaufserfolg. Die Bereitstellung über einen Informations-Hub erleichtert den Austausch der Mehrwertdaten. Davon profieren nicht nur die Händler, auch die unterschiedlichen Abteilung im Unternehmen des Herstellers haben dadurch Zugriff auf alle zur Verfügung stehenden Daten – sowohl dem Informationsmonopol der Hersteller als auch den Daten-Silos wird somit ein Ende bereitet. Eine einheitliche Außendarstellung kann darüber hinaus das Vertrauen des Kunden in die Marke stärken.
Über den Autor
Marcus Groß ist als Senior Business Developer für den Handel und das Thema Künstliche Intelligenz bei adesso tätig. Die Retail-Lösung für „Automatisiertes Handling von Produktinformationen“ hat er bei adesso maßgeblich mitkonzipiert. Seine Schwerpunkte sind IT-Lösungen für Retail, Business Intelligence, Analytics und Cognitive Computing. Groß hat Wirtschaftsmathematik an der Universität Dortmund studiert.
