KI-Künstliche Intelligenz soll auf den Webseiten von bonprix das Produktranking verbessern und kundenorientierter machen.
Das Produktranking, also in welcher Reihenfolge Produkte in einem Onlineshop gezeigt werden, gehört zu den Königdisziplin im ECommerce. Kunden wollen nicht gefühlt stundenlang sich durch die Produktsortimente sich hindurch navigieren und klicken. Simpel gesagt, wenn es Badehosen- und Bikiniwetter ist, dann will der Kunde nicht warme Herbstmode sehen und kaufen. Das klingt logisch und simpel. Ein kleiner Modehändler stellt je nach Wetter andere Kleiderstände nach vorn oder vor seinen Laden. Die Webshops der großen ECommerce Händler sind äußerst komplex aufgebaut und strukturiert.
Selbst um eine eher einfache Grundproblematik stabil und kundenorientiert zu programmieren, braucht man heute auch KI, denn für rein manuelle Eingriffe sind die Onlineshops viel zu komplex organsiert und aufgebaut. Praktisch bedeutet das bei bonprix in Hamburg: Täglich werden alle Produkte in den verschiedenen Kollektionen oder Kategorien neu sortiert und hierarchisch angezeigt. Das nicht nur in Deutschland, sondern auch in 12 anderen Märkten. Das ist anspruchsvoll.
KI-basiert: Das Produkt-Potenzial-Prognose Modell
Aus diesem Grund hat bonprix aus Hamburg sein neues eigenentwickeltes KI-basierte Produkt-Potenzial-Prognose Modell eingeführt. Das Ziel ist, dass mit dem Produkt-Potenzial-Prognose Modell immer die Produkte, die bei Kunden besonders beliebt und im Warenbestand vorhanden sind, ganz oben angezeigt werden. Denn es macht in der Modebranche häufig wenig Sinn, nicht verfügbare Produkte anzuzeigen. Heute kämpfen fast alle Händler mit der Warenverfügbarkeit, denn die Lieferketten sind immer noch instabil und schwer planbar.
„Wir haben bei bonprix stets die weitere Verbesserung der Customer Journey auf unseren Vertriebskanälen im Blick und möchten unseren Kund*innen möglichst passgenau das anbieten, was sie suchen – quasi auf einen Klick. Der Einsatz von KI für die Verarbeitung der dafür nützlichen, komplexen Interaktionsdaten unserer Kund*innen bringt uns dabei maßgeblich nach vorne. Mit der Produkt-Potenzial-Prognose können wir das Produktranking im bonprix Onlineshop für unsere Kund*innen deutlich verfeinern und vor allem sicherstellen, dass die Top-gerankten Produkte in ausreichender Menge verfügbar sind. Das wirkt sich auch positiv auf die Conversion Rates aus.“
Sascha Netuschil, Abteilungsleiter Data Science und verantwortlich für die Entwicklung
Innovative Verbindung von multiplen Zeitreihen und Convolutional Neuronal Network
Kunden sollen beim Hamburger Händler bonprix schnell die angesagten Trends ohne lange Navigation, denn dann sinkt die Conversion Rate (Kaufrate), finden können. In den Algorithmus gehen dabei sehr viele Daten, wie die bisherigen Klick- und Bestellvorgänge oder das tagesaktuell prognostizierte Bestellvolumen sowie andere Faktoren ein.
Die Basis dieses Produkt-Potenzial-Prognose Modells sind multiplen Zeitreihen. Dabei werden definierte Kunden-Interaktionsparameter zu einem Produkt innerhalb der vergangenen sieben Tage betrachtet:
- Wie oft wurde dieses Produkt angeklickt?
- Wie oft auf die Wunschliste gesetzt?
- Wie häufig wurde es in den Warenkorb gelegt?
- Wie oft letztlich gekauft?
So entsteht eine Datenmatrix, in der Muster, die für die Bestellprognose und Rankingaussteuerung eines Produktes maßgeblich sind, erkannt werden können. Allerdings, die Datenmengen sind dabei enorm hoch. Zur Auswertung wird von bonprix KI Technologie, Convolutional Neuronal Network (CNN), eingesetzt. CNN ist allgemein aus der Bilddatenerkennung bekannt.
Die Datenmatrix für ein Produkt ist wie ein Bild aufgebaut. CNN liest die Daten aus und berechnet für den kommenden Tag eine Absatzprognose. Der Warenbestand hat auch Einfluss auf das Ranking. Je geringer die Verfügbarkeit, desto weiter wird das Produkt unten gerankt bzw. angezeigt. Damit liefert die neue Produkt-Potenzial-Prognose weitaus fundiertere Vorhersagen als das Machine Learning Modell, das zuvor von bonprix eingesetzt wurde.
Die Sahnehaube ist die kundenseitige Anpassung. bonprix arbeitet mit einem Cluster aus fünf verschiedenen Altersgruppen. Je relevanter ein Produkt für eine Altersgruppe ist, desto höher wird es in der Hierarchie angezeigt.
Künstliche Intelligenz als Innovationstreiber
bonprix sieht in dem stetig wachsenden Spektrum KI-basierter Anwendungen einen wichtigen Innovationstreiber für die ECommerce-Branche. Bereits seit Jahren wird kontinuierliche in die KI- und Machine Learning-Technologie investiert. Wie in eine bessere Größenberatung, kundennähere Sortimentsgestaltung oder die Betrugsprävention. Das alles muss im Rahmen der strengen Datenschutzgrundverordnung (DSGVO) erfolgen, was die Entwicklung nicht unbedingt einfacher macht.
„Wir möchten unseren Kund*innen immer gezielter den für sie relevanten Ausschnitt unseres Sortiments zeigen. Die Produkt-Potenzial-Prognose ist ein gutes Beispiel für eine Anwendung, die das ermöglicht. Für die Zukunft planen wir, das Produktranking durch die Nutzbarmachung verhaltensbasierter Daten noch weiter zu personalisieren.“
Markus Fuchshofen, Geschäftsführer für E-Commerce Management, Vertrieb Inland und Marke
Für die Zukunft sieht Fuchshofen noch sehr viel Potenzial um die Prozesse zu optimieren und die Kundenorientiertheit der Onlineshops zu verbessern. In diesem Jahr hat bonprix auch die Migration aller Prozesse in die Google Cloud abgeschlossen. www.bonprix.de.
