{"id":682233,"date":"2025-06-23T17:09:55","date_gmt":"2025-06-23T16:09:55","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=cases&#038;p=682233"},"modified":"2025-12-16T16:54:53","modified_gmt":"2025-12-16T16:54:53","slug":"adeo-improving-product-referencing-speed-and-quality-with-ai","status":"publish","type":"cases","link":"https:\/\/www.artefact.com\/de\/cases\/adeo-improving-product-referencing-speed-and-quality-with-ai\/","title":{"rendered":"<span class=\"highlight\">ADEO<\/span> ADEO: Schnellere und qualitativ hochwertigere Produktlistung mit AI"},"content":{"rendered":"<p>Klare und pr\u00e4zise Produktbl\u00e4tter sind unerl\u00e4sslich, um ein gro\u00dfartiges Kundenerlebnis zu bieten und die Leistung einer E-Commerce-Website zu gew\u00e4hrleisten. ADEO, die Muttergesellschaft von Leroy Merlin, integriert artificial intelligence (AI), um <strong>seine Produktmanagementprozesse data umgestalten<\/strong>, die zu komplex und zeitaufw\u00e4ndig geworden war. Von der Erfassung von Lieferanteninformationen bis hin zur Anreicherung von Produktattributen wird jeder Schritt neu gestaltet, um mehr Fl\u00fcssigkeit, Geschwindigkeit und Genauigkeit zu erreichen.<\/p>\n<p>Diese Erkenntnisse wurden von Anthony Pierson, Digital Domain Leader bei ADEO Service, Fran\u00e7ois Cr\u00e9pin, Digital Product Leader bei Incubate Conseil, und Guillaume L\u00e9ger, Partner &amp; Product Lead bei Artefact, w\u00e4hrend der Tech for Retail-Messe mitgeteilt.<\/p>\n<p style=\"text-align: center;\">Sehen Sie die Konferenz Tech for Retail<\/p>\n<p style=\"text-align: center;\"><iframe title=\"YouTube-Video-Player\" src=\"https:\/\/www.youtube.com\/embed\/Mew32I2yJ1Q?si=uglEPZllP3OCxaz4\" width=\"560\" height=\"315\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\"><\/iframe><\/p>\n<h2>Die Herausforderung: Beendigung zeitaufw\u00e4ndiger und fehleranf\u00e4lliger Prozesse<\/h2>\n<p>Bei ADEO, <strong>Produkt data Verwaltung<\/strong> zu viel geworden war <strong>komplex<\/strong>. Die Lieferanten, die Hauptakteure und die zentralen Teams der Marken f\u00fcllten die Produktinformationen am h\u00e4ufigsten manuell aus.<\/p>\n<p>Infolgedessen war das bereitgestellte Produkt data oft unvollst\u00e4ndig 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 gegen\u00fcber.<\/p>\n<p>Diese Ineffizienzen haben direkte Folgen:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Erheblicher Umsatzverlust<\/strong>: Unvollst\u00e4ndige Produktdatenbl\u00e4tter k\u00f6nnen die E-Commerce-Ums\u00e4tze um bis zu 50% verringern.<\/li>\n<li aria-level=\"1\"><strong>Sch\u00e4digung des Markenimages<\/strong>: Fast 87% der Online-Nutzer verlieren das Vertrauen in eine Marke, wenn der Inhalt eines Produkts nicht zufriedenstellend ist.<\/li>\n<\/ul>\n<blockquote><p>\u201cDamit unsere Kunden unsere Produkte leicht finden und von den relevanten Informationen profitieren k\u00f6nnen, muss die data vollst\u00e4ndig und von hoher Qualit\u00e4t sein. Jeder Fehler oder jede Auslassung in der data-Verarbeitung wird sofort bezahlt.\u201d<br \/>\nAnthony Pierson, Leiter des digitalen Bereichs bei ADEO<\/p><\/blockquote>\n<h2>Die L\u00f6sung: KI im Dienste des Produkts data<\/h2>\n<p>Nach erfolgreichen ersten Tests mit einem begrenzten, aber bedeutenden Produktumfang hat ADEO den n\u00e4chsten 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 L\u00f6sungen zu entwickeln, die die Produktklassifizierung und die Extraktion von Attributen automatisieren.<\/p>\n<h3>1. Automatische Produktklassifizierung<\/h3>\n<p>Die reichhaltige und komplexe data-Struktur von ADEO ist \u00fcber drei Ebenen organisiert:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Produkt-Kategorien<\/strong>: 3.600 verschiedene Kategorien.<\/li>\n<li aria-level=\"1\"><strong>Produkt-Attribute<\/strong>: Durchschnittlich 50 bis 60 Merkmale pro Produkt, ausgew\u00e4hlt aus einer Bibliothek von 11.000 Attributen.<\/li>\n<li aria-level=\"1\"><strong>Assoziierte Werte<\/strong>: \u00dcber 85.000 Werte f\u00fcr alle Attribute.<\/li>\n<\/ul>\n<p>Um das Benutzererlebnis zu verbessern, muss der erste Schritt darin bestehen, KI in die Lage zu versetzen <strong>Produkt automatisch klassifizieren data<\/strong> mit maschinellem Lernen.<\/p>\n<p>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 m\u00f6glichen Optionen zu identifizieren.<\/p>\n<p>Jeder Kategorie ist eine Kategorie zugeordnet <strong>Vertrauensw\u00fcrdigkeit des Algorithmus<\/strong>, basierend auf der in der Vergangenheit gemessenen Leistung, die den angemessenen Grad der Automatisierung bestimmt:<\/p>\n<ul>\n<li aria-level=\"1\">Hohe Konfidenzwerte f\u00fchren zu einer automatischen Klassifizierung, die direkt an einen Mitarbeiter zur Validierung weitergeleitet wird.<\/li>\n<li aria-level=\"1\">Die Zwischenergebnisse werden halb-validiert: Die Produkte werden automatisch vorausgew\u00e4hlt, aber die data-\u00dcberpr\u00fcfung bleibt manuell.<\/li>\n<li aria-level=\"1\">Niedrige Punktzahlen erfordern ein umfassendes Eingreifen der Mitarbeiter.<\/li>\n<\/ul>\n<blockquote><p>\u201cDer Algorithmus hat etwa 32.000 Vorhersagen gemacht, von denen \u00fcber 20.000 vollst\u00e4ndig automatisiert waren. Wir erreichten eine Genauigkeit von \u00fcber 96%, mit einer Fehlerquote von 3,6%. Im Vergleich dazu liegen die menschlichen Fehlerraten bei 8%.\u201d<br \/>\nFran\u00e7ois Cr\u00e9pin, Leiter f\u00fcr digitale Produkte bei ADEO<\/p><\/blockquote>\n<h3>2. Automatisierte Extraktion von Attributen<\/h3>\n<p>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 gef\u00fchrt wird. F\u00fcr diesen Schritt wird eine Version von Gemini verwendet, dem von Google Cloud entwickelten Flaggschiff-LLM.<\/p>\n<p>Jede Vorhersage durchl\u00e4uft einen Schritt der Selbst\u00fcberpr\u00fcfung, bei dem ein LLM beurteilt, ob das vorhergesagte Attribut relevant ist. Danach k\u00f6nnen die Benutzer die Extraktion des Algorithmus best\u00e4tigen oder ablehnen. Dieser Ansatz gew\u00e4hrleistet genaue Werte und sorgt gleichzeitig f\u00fcr einen schlanken Prozess f\u00fcr die Anbieter, die f\u00fcr die bereitgestellten Informationen verantwortlich bleiben.<\/p>\n<h2>Konkrete und ermutigende Ergebnisse: Genauigkeit, Akzeptanz, Konvertierung<\/h2>\n<p>Nach mehreren Iterationen bei der Attributextraktion hat die generative KI die Fehlerquote deutlich reduziert und \u00fcberzeugende Ergebnisse geliefert, was die Einf\u00fchrung der L\u00f6sung beschleunigt hat:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Erh\u00f6hte Genauigkeit<\/strong>: 63% der Produkte erreichen jetzt eine Pr\u00e4zision von mehr als 96%.<\/li>\n<li aria-level=\"1\"><strong>Effiziente Automatisierung<\/strong>: Die Data-Verarbeitung wird automatisiert und die Fehlerquote um 35% reduziert.<\/li>\n<li aria-level=\"1\"><strong>Beschleunigte Annahme<\/strong>: Die Verarbeitung wird rationalisiert, so dass sich die internen Teams auf Aufgaben mit h\u00f6herem Mehrwert konzentrieren k\u00f6nnen.<\/li>\n<li aria-level=\"1\"><strong>Kommerzielle Auswirkungen<\/strong>: Angereicherte und zuverl\u00e4ssige Produktbl\u00e4tter verbessern die Online-Konversionsraten.<\/li>\n<\/ul>\n<blockquote><p>\u201cDie enge Zusammenarbeit zwischen ADEO und Artefact hat das gesamte data-, Gesch\u00e4fts- und Produkt-Know-how in einem kleinen, streng gemessenen Anfangsbereich zusammengef\u00fchrt, um die Organisation zu \u00fcberzeugen und den Einsatz in anderen Tochtergesellschaften des Konzerns zu erm\u00f6glichen.\u201d<br \/>\nGuillaume L\u00e9ger, Partner bei Artefact<\/p><\/blockquote>\n<h2>Die wichtigsten Erfolgsfaktoren f\u00fcr diese Zusammenarbeit:<\/h2>\n<p>Dieser Erfolg beruht auf mehreren wesentlichen Hebeln:<\/p>\n<ul>\n<li aria-level=\"1\"><strong>Proaktives \u00c4nderungsmanagement<\/strong>: W\u00e4hrend der gesamten Entwicklung nahmen die Mitarbeiter an KI-Seminaren teil, um die Akzeptanz und Integration der neuen Praktiken zu gew\u00e4hrleisten.<\/li>\n<li aria-level=\"1\"><strong>Gezielter MVP-Ansatz (Minimum Viable Product)<\/strong>: Da wir uns zun\u00e4chst auf einen begrenzten Bereich konzentrierten, konnten wir schnell Iterationen durchf\u00fchren und den Wert f\u00fcr das gesamte Unternehmen nachweisen, bevor wir die L\u00f6sungen verfeinerten und die Leistung verbesserten.<\/li>\n<li aria-level=\"1\"><strong>Industrialisierte KI-Bewertung<\/strong>: Es wurde viel Zeit in einen strengen, weitgehend automatisierten Bewertungsprozess investiert, um die langfristige Relevanz der Ergebnisse zu gew\u00e4hrleisten.<\/li>\n<li aria-level=\"1\"><strong>Ein gemischtes, multidisziplin\u00e4res Team<\/strong>: Das Projekt brachte KI-Experten, KI-fokussierte Produktverantwortliche sowie Gesch\u00e4fts- und IT-Teams zusammen.<\/li>\n<\/ul>\n<p>Artefact hat von Anfang an sein Fachwissen eingebracht, indem es neben den Gesch\u00e4fts- und IT-Teams von ADEO sowohl auf Konzern- als auch auf internationaler Ebene KI-Spezialisten f\u00fcr technologische und produktbezogene Aspekte eingesetzt hat.<\/p>\n<h2>Wie geht es weiter? Zuk\u00fcnftige Schritte<\/h2>\n<p>Aufbauend auf diesem Erfolg plant ADEO weitere Innovationen, um das Kundenerlebnis weiter zu verbessern und den Produktkatalog zu optimieren, wie zum Beispiel:<\/p>\n<ul>\n<li style=\"list-style-type: none;\">\n<ul>\n<li aria-level=\"1\">Erweiterte Produktdokumentation, um Kunden umfassender zu unterst\u00fctzen.<\/li>\n<li aria-level=\"1\">Erstellung von studio\u00e4hnlichen visuellen Inhalten f\u00fcr attraktivere und konsistentere Produktbl\u00e4tter.<\/li>\n<li aria-level=\"1\">Halbautomatische Produktdiagnose f\u00fcr den Kundendienst zur St\u00e4rkung der langfristigen Kundenzufriedenheit.<\/li>\n<\/ul>\n<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Klare und pr\u00e4zise Produktbl\u00e4tter sind unerl\u00e4sslich, um ein gro\u00dfartiges Kundenerlebnis zu bieten und die Leistung einer E-Commerce-Website zu gew\u00e4hrleisten. ADEO, die Muttergesellschaft von Leroy Merlin, integriert artificial intelligence (KI), um ihre Produktmanagementprozesse data umzugestalten, die zu komplex und zeitaufw\u00e4ndig geworden waren. Von der Erfassung von Lieferanteninformationen bis hin zur Anreicherung von Produktattributen wird jeder Schritt neu gestaltet, um mehr Fl\u00fcssigkeit, Geschwindigkeit und Genauigkeit zu erreichen.<\/p>","protected":false},"featured_media":1059217,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"categories":[91],"class_list":["post-682233","cases","type-cases","status-publish","has-post-thumbnail","hentry","category-retail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/cases\/682233","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/cases"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/cases"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/1059217"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=682233"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/categories?post=682233"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}