Klare und präzise Produktblätter sind unerlässlich, um ein großartiges Kundenerlebnis zu bieten und die Leistung einer E-Commerce-Website zu gewährleisten. ADEO, die Muttergesellschaft von Leroy Merlin, integriert artificial intelligence (AI), um seine Produktmanagementprozesse data umgestalten, die zu komplex und zeitaufwändig geworden war. Von der Erfassung von Lieferanteninformationen bis hin zur Anreicherung von Produktattributen wird jeder Schritt neu gestaltet, um mehr Flüssigkeit, Geschwindigkeit und Genauigkeit zu erreichen.

Diese Erkenntnisse wurden von Anthony Pierson, Digital Domain Leader bei ADEO Service, François Crépin, Digital Product Leader bei Incubate Conseil, und Guillaume Léger, Partner & Product Lead bei Artefact, während der Tech for Retail-Messe mitgeteilt.

Sehen Sie die Konferenz Tech for Retail

Die Herausforderung: Beendigung zeitaufwändiger und fehleranfälliger Prozesse

Bei ADEO, Produkt data Verwaltung zu viel geworden war komplex. Die Lieferanten, die Hauptakteure und die zentralen Teams der Marken füllten die Produktinformationen am häufigsten manuell aus.

Infolgedessen war das bereitgestellte Produkt data oft unvollständig oder inkonsistent (falsche Kategorie, fehlende oder falsche Attribute), und die Mitarbeiter verbrachten viel Zeit damit, die Informationen manuell zu korrigieren. Der Endkunde sah sich daher einer schwierigen oder sogar inkonsistenten Such- und Navigationserfahrung gegenüber.

Diese Ineffizienzen haben direkte Folgen:

  • Erheblicher Umsatzverlust: Unvollständige Produktdatenblätter können die E-Commerce-Umsätze um bis zu 50% verringern.
  • Schädigung des Markenimages: Fast 87% der Online-Nutzer verlieren das Vertrauen in eine Marke, wenn der Inhalt eines Produkts nicht zufriedenstellend ist.

“Damit unsere Kunden unsere Produkte leicht finden und von den relevanten Informationen profitieren können, muss die data vollständig und von hoher Qualität sein. Jeder Fehler oder jede Auslassung in der data-Verarbeitung wird sofort bezahlt.”
Anthony Pierson, Leiter des digitalen Bereichs bei ADEO

Die Lösung: KI im Dienste des Produkts data

Nach erfolgreichen ersten Tests mit einem begrenzten, aber bedeutenden Produktumfang hat ADEO den nächsten Schritt unternommen: die Erfassung der Rohdaten des Lieferanten data und deren Strukturierung mit artificial intelligence, die direkt in den Produktregistrierungsprozess integriert ist. Die Gruppe ging eine Partnerschaft mit Artefact ein, um Lösungen zu entwickeln, die die Produktklassifizierung und die Extraktion von Attributen automatisieren.

1. Automatische Produktklassifizierung

Die reichhaltige und komplexe data-Struktur von ADEO ist über drei Ebenen organisiert:

  • Produkt-Kategorien: 3.600 verschiedene Kategorien.
  • Produkt-Attribute: Durchschnittlich 50 bis 60 Merkmale pro Produkt, ausgewählt aus einer Bibliothek von 11.000 Attributen.
  • Assoziierte Werte: Über 85.000 Werte für alle Attribute.

Um das Benutzererlebnis zu verbessern, muss der erste Schritt darin bestehen, KI in die Lage zu versetzen Produkt automatisch klassifizieren data mit maschinellem Lernen.

Wie? Der Algorithmus, ein fein abgestimmtes DistilBERT-Modell, das auf das zertifizierte Produkt data trainiert wurde, analysiert die von den Anbietern bereitgestellten Titel und Beschreibungen, um die Produktkategorie unter den 3.600 möglichen Optionen zu identifizieren.

Jeder Kategorie ist eine Kategorie zugeordnet Vertrauenswürdigkeit des Algorithmus, basierend auf der in der Vergangenheit gemessenen Leistung, die den angemessenen Grad der Automatisierung bestimmt:

  • Hohe Konfidenzwerte führen zu einer automatischen Klassifizierung, die direkt an einen Mitarbeiter zur Validierung weitergeleitet wird.
  • Die Zwischenergebnisse werden halb-validiert: Die Produkte werden automatisch vorausgewählt, aber die data-Überprüfung bleibt manuell.
  • Niedrige Punktzahlen erfordern ein umfassendes Eingreifen der Mitarbeiter.

“Der Algorithmus hat etwa 32.000 Vorhersagen gemacht, von denen über 20.000 vollständig automatisiert waren. Wir erreichten eine Genauigkeit von über 96%, mit einer Fehlerquote von 3,6%. Im Vergleich dazu liegen die menschlichen Fehlerraten bei 8%.”
François Crépin, Leiter für digitale Produkte bei ADEO

2. Automatisierte Extraktion von Attributen

Nach der Klassifizierung extrahiert die KI automatisch wichtige Produktattribute wie Farbe, Material und Abmessungen. Diese Extraktion basiert ebenfalls auf dem Rohdatenlieferanten data, der durch die Klassifizierung geführt wird. Für diesen Schritt wird eine Version von Gemini verwendet, dem von Google Cloud entwickelten Flaggschiff-LLM.

Jede Vorhersage durchläuft einen Schritt der Selbstüberprüfung, bei dem ein LLM beurteilt, ob das vorhergesagte Attribut relevant ist. Danach können die Benutzer die Extraktion des Algorithmus bestätigen oder ablehnen. Dieser Ansatz gewährleistet genaue Werte und sorgt gleichzeitig für einen schlanken Prozess für die Anbieter, die für die bereitgestellten Informationen verantwortlich bleiben.

Konkrete und ermutigende Ergebnisse: Genauigkeit, Akzeptanz, Konvertierung

Nach mehreren Iterationen bei der Attributextraktion hat die generative KI die Fehlerquote deutlich reduziert und überzeugende Ergebnisse geliefert, was die Einführung der Lösung beschleunigt hat:

  • Erhöhte Genauigkeit: 63% der Produkte erreichen jetzt eine Präzision von mehr als 96%.
  • Effiziente Automatisierung: Die Data-Verarbeitung wird automatisiert und die Fehlerquote um 35% reduziert.
  • Beschleunigte Annahme: Die Verarbeitung wird rationalisiert, so dass sich die internen Teams auf Aufgaben mit höherem Mehrwert konzentrieren können.
  • Kommerzielle Auswirkungen: Angereicherte und zuverlässige Produktblätter verbessern die Online-Konversionsraten.

“Die enge Zusammenarbeit zwischen ADEO und Artefact hat das gesamte data-, Geschäfts- und Produkt-Know-how in einem kleinen, streng gemessenen Anfangsbereich zusammengeführt, um die Organisation zu überzeugen und den Einsatz in anderen Tochtergesellschaften des Konzerns zu ermöglichen.”
Guillaume Léger, Partner bei Artefact

Die wichtigsten Erfolgsfaktoren für diese Zusammenarbeit:

Dieser Erfolg beruht auf mehreren wesentlichen Hebeln:

  • Proaktives Änderungsmanagement: Während der gesamten Entwicklung nahmen die Mitarbeiter an KI-Seminaren teil, um die Akzeptanz und Integration der neuen Praktiken zu gewährleisten.
  • Gezielter MVP-Ansatz (Minimum Viable Product): Da wir uns zunächst auf einen begrenzten Bereich konzentrierten, konnten wir schnell Iterationen durchführen und den Wert für das gesamte Unternehmen nachweisen, bevor wir die Lösungen verfeinerten und die Leistung verbesserten.
  • Industrialisierte KI-Bewertung: Es wurde viel Zeit in einen strengen, weitgehend automatisierten Bewertungsprozess investiert, um die langfristige Relevanz der Ergebnisse zu gewährleisten.
  • Ein gemischtes, multidisziplinäres Team: Das Projekt brachte KI-Experten, KI-fokussierte Produktverantwortliche sowie Geschäfts- und IT-Teams zusammen.

Artefact hat von Anfang an sein Fachwissen eingebracht, indem es neben den Geschäfts- und IT-Teams von ADEO sowohl auf Konzern- als auch auf internationaler Ebene KI-Spezialisten für technologische und produktbezogene Aspekte eingesetzt hat.

Wie geht es weiter? Zukünftige Schritte

Aufbauend auf diesem Erfolg plant ADEO weitere Innovationen, um das Kundenerlebnis weiter zu verbessern und den Produktkatalog zu optimieren, wie zum Beispiel:

    • Erweiterte Produktdokumentation, um Kunden umfassender zu unterstützen.
    • Erstellung von studioähnlichen visuellen Inhalten für attraktivere und konsistentere Produktblätter.
    • Halbautomatische Produktdiagnose für den Kundendienst zur Stärkung der langfristigen Kundenzufriedenheit.