Die Mehrheit aller Onlineshops nutzt Recommendation Engines, um ihren Kunden bestimmte Produkte vorzuschlagen. Die Vorschläge basieren überwiegend auf der Kaufhistorie (“Kunden, die diesen Artikel gekauft haben, kauften auch…“) oder auf Indikatoren wie „Bestseller einer Kategorie“. Dieses Vorgehen hat sich etabliert, reizt das Potenzial von Produktvorschlägen aber bei Weitem nicht aus! Hier wird die Produktoptik vollkommen außer Acht gelassen – obwohl diese beim Shoppen sehr wichtig ist.
Deshalb haben wir es uns zur Aufgabe gemacht, eine eigene Engine zu bauen, mit der die visuellen Eigenschaften von Produkten genau analysiert und entsprechende Alternativen vorgeschlagen werden.
Es gibt Bereiche im E-Commerce, wo die Optik eine besonders große Rolle spielt – beispielsweise im Fashion-Sektor. Stellen Sie sich einen Kunden vor, der sich in einem Onlineshop ein spezifisches Shirt mit einem bestimmten Muster und in einer speziellen Farbe anschaut. Daraus lässt sich eine hohe Affinität zu den visuellen Eigenschaften des Produkts schließen. Jedoch stören den Kunden an dem Shirt ein paar Kleinigkeiten, wie z.B. das Vorhandensein einer Brusttasche. Daher wird er dieses Shirt nicht kaufen.
Was machen herkömmliche Recommendation Engines nun? Auf der Produktdetailseite werden wahrscheinlich Produkte angezeigt, die andere Kunden zu diesem Shirt gekauft haben: Jeans, Schuhe oder ganz andere Shirts. Aber unser Kunde wollte ein Shirt in o.g. bestimmtem Muster und Farbe – daher bringen ihm diese Vorschläge nichts.
Genau hier setzt unser Visual Recommender ein: Dieser analysiert das Produktbild auf seine visuellen Eigenschaften und durchsucht den Onlineshop nach Produkten, die ähnliche Eigenschaften aufweisen. Und wie sich zeigt, gibt es ein Poloshirt mit dem gesuchten Muster und in der gewünschten Farbe – ohne Brusttasche. Der Kunde freut sich über diesen Vorschlag und legt das Poloshirt in den Warenkorb. Conversion gerettet!
Neben dem Anzeigen von ähnlichen Produkten bietet der Visual Recommender noch weitere Funktionalitäten – wie beispielsweise das Vorschlagen von Outfits und den entsprechenden Produkten. Wenn ein Kunde sich z.B. ein Shirt anschaut, kann der Visual Recommender ihm dazu passende Outfits mit Jeans, Schuhen und Jacken vorschlagen.
Weiterhin kann der Visual Recommender vorab definierte Outfits wieder komplettieren, wenn dort ein Produkt fehlt. Stellen Sie sich vor, Sie haben für Ihre Kunden ein spezielles Outfit bestehend aus Shirt, Jacke und Jeans zusammengestellt – nun ist aber die passende Größe eines Kunden bei der Jeans ausverkauft. Mit unserer Lösung wird eine alternative Jeans in der passenden Größe angeboten und im Outfit eingefügt, so dass dieses dennoch gekauft werden kann.