Klare und präzise Produktdatenblätter 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 ihre data zu verändern, die zu komplex und zeitaufwändig geworden waren. 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, auf der Messe Tech for Retail vorgestellt.

Sehen Sie sich die Konferenz Tech for Retail an

Die Herausforderung: Beendigung zeitaufwändiger und fehleranfälliger Prozesse

Bei ADEO war das data zu komplex geworden. Lieferanten, die Hauptakteure und die zentralen Teams der Marken füllten die Produktinformationen meist manuell aus.

Infolgedessen waren die bereitgestellten 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 mit einer schwierigen oder sogar inkonsistenten Suche und Navigation konfrontiert.

Diese Ineffizienzen haben direkte Folgen:

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

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

Die Lösung: AI im Dienste der data

Nach erfolgreichen ersten Tests mit einem begrenzten, aber bedeutenden Produktumfang hat ADEO den nächsten Schritt unternommen: die Sammlung von data von Lieferanten und deren Strukturierung mit Hilfe 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 können.

1. Automatische Produktklassifizierung

Die umfangreiche und komplexe data von ADEO ist auf drei Ebenen organisiert:

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

Der erste Schritt zur Verbesserung der Nutzererfahrung besteht darin, AI in die Lage zu versetzen, data mithilfe von maschinellem Lernen automatisch zu klassifizieren.

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

Jeder Kategorie wird ein Algorithmus-Vertrauenswert zugewiesen, der auf der in der Vergangenheit gemessenen Leistung basiert und den entsprechenden Automatisierungsgrad 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 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 %, bei einer Fehlerquote von 3,6 %. Im Vergleich dazu liegen die menschlichen Fehlerquoten bei etwa 8 %."
François Crépin, Leiter für digitale Produkte bei ADEO

2. Automatisierte Attributextraktion

Nach der Klassifizierung extrahiert die AI automatisch wichtige Produktattribute wie Farbe, Material und Abmessungen. Diese Extraktion basiert ebenfalls auf rohen data, die von der Klassifizierung geleitet werden. Bei diesem Schritt kommt eine Version von Gemini zum Einsatz, dem von Google Cloud entwickelten LLM-Flaggschiff.

Jede Vorhersage durchläuft einen Schritt der Selbstüberprüfung, bei dem ein LLM beurteilt, ob das vorhergesagte Attribut relevant ist. Danach können die Nutzer die Extraktion des Algorithmus validieren oder ablehnen. Dieser Ansatz gewährleistet genaue Werte bei gleichzeitiger Beibehaltung eines schlanken Prozesses für die Anbieter, die für die bereitgestellten Informationen verantwortlich bleiben.

Konkrete und ermutigende Ergebnisse: Genauigkeit, Annahme, Umsetzung

Nach mehreren Iterationen bei der Attributextraktion hat die Einführung der generativen AI die Fehlerquoten deutlich reduziert und überzeugende Ergebnisse geliefert, was die Einführung der Lösung beschleunigt hat:

  • Höhere Genauigkeit: 63 % der Produkte erreichen jetzt eine Genauigkeit von mehr als 96 %.
  • Effiziente Automatisierung: Die Data ist automatisiert und die Fehlerquote sinkt um 35 %.
  • 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 brachte alle data, Geschäfts- und Produktexpertise um einen kleinen Anfangsumfang zusammen, der rigoros gemessen wurde, um die Organisation zu überzeugen und den Einsatz in anderen Tochtergesellschaften der Gruppe 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 Entwicklungsphase nahmen die Mitarbeiter an AI teil, um die Akzeptanz zu gewährleisten und die Integration der neuen Verfahren zu erleichtern.
  • Gezielter MVP-Ansatz (Minimum Viable Product): Die Fokussierung auf einen begrenzten Bereich ermöglichte schnelle Iterationen und den Nachweis des Nutzens für das gesamte Unternehmen, bevor die Lösungen verfeinert und die Leistung verbessert wurde.
  • Industrialisierte AI : Es wurde viel Zeit in einen strengen, weitgehend automatisierten Bewertungsprozess investiert, um die langfristige Relevanz der Ergebnisse zu gewährleisten.
  • Ein hybrides, multidisziplinäres Team: Das Projekt brachte AI , AI 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 Konzernebene als auch in den internationalen Niederlassungen AI für technologische und produktbezogene Aspekte eingesetzt hat.

Wie geht es weiter? Künftige Schritte

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

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