Het is onmogelijk te overschatten hoeveel ecommerce transacties afhankelijk zijn van productgegevens. Voor klanten die online winkelen, zijn productgegevens de enige manier om te communiceren met geadverteerde goederen in virtuele winkels. Het is de enige manier voor kopers om producten op zoekmachines te ontdekken. Omdat ze producten niet fysiek kunnen zien of aanraken, is de beschikbare informatie alles wat klanten nodig hebben om hun aankoopbeslissingen te onderbouwen. Bijgevolg is de product data enrichment een belangrijk aandachtsgebied geworden voor vooruitstrevende, klantgerichte bedrijven. Het kan echter moeilijk zijn gezien de tonnen gegevens die betrokken zijn bij het optimaliseren van productinformatie volgens de hoogste standaard. Maar net als in andere industrieën, is AI opnieuw naar voren gekomen als oplossing voor dit probleem.
WAT IS PRODUCT DATA ENRICHMENT?
Product data enrichment is het proces van het bijwerken van gepubliceerde productinformatie om de relevantie en bruikbaarheid van de beschikbare gegevens voor klanten en prospects te vergroten. Met andere woorden, het is het proces van het creëren van een uitgebreid verhaal rond elk product om de besluitvorming van potentiële kopers te ondersteunen. Dit heet ook wel Product Experience Management ( PXM ) Wanneer klanten een kledingstuk of elektronisch apparaat tegenkomen, gaan ze meteen op zoek naar meer details. Kleur, maat en materiaal zijn voorbeelden van details die iemand nodig heeft om kleding te kopen. Aan de andere kant zal de elektronica-shopper zoeken naar batterijduur, gewicht en garantie. Vaker wel dan niet, bepalen de kwantiteit en kwaliteit van de informatie die ze vinden of een aankoop wordt gedaan. Ook correleert de nauwkeurigheid van de gegevens met de tevredenheid die voortvloeit uit het gebruik van het gekochte artikel.
De informatie die nodig is voor product data enrichment, verschilt per product en branche. Over het algemeen is de volgende informatie nodig om de productattributie te voltooien:
- Specificaties: Inclusief gewicht, lengte, kleur, maat, productiematerialen, etc.
- Functies definiëren: dekt attributen zoals mogelijkheden, levensduur van de batterij, garantie-informatie
- Recensies en vergelijkingen: opmerkingen van geverifieerde gebruikers van de producten, samen met de grafische weergave van hoe het product zich verhoudt tot alternatieven in zijn prijsklasse
- Afbeeldingen: Bij voorkeur interactieve afbeeldingen met een hoge resolutie
- Video’s: omvat meestal de weergave van productgegevens in korte of lange video’s
- Prijzen: huidige prijs en kortingen en aanbiedingen beschikbaar
- SEO-gegevens: meta beschrijvingen, alt-teksten, focus en gerelateerde zoekwoorden
Voordat een bedrijf kan claimen zijn database te hebben verrijkt, moet alle bovenstaande informatie beschikbaar zijn voor elk product in zijn catalogus. Pogingen om deze informatie handmatig bij te werken, laten ruimte voor inconsistente, dubbele of onvolledige gegevens. De introductie van PIM-software op de ecommerce markt heeft de vooruitzichten voor de verrijking van productgegevens zeker verbeterd. Maar er is altijd een volgend niveau; in dit geval is dat niveau AI-verrijkte gegevens verrijking.
HOE DRAAGT AI BIJ AAN DE PRODUCT DATA ENRICHMENT?
Er gebeuren goede dingen voor klanten en bedrijven wanneer AI betrokken is bij de product data enrichment. Klanten genieten van betere winkelervaringen en hebben minder redenen om producten te retourneren. Voor bedrijven is AI een tijd- en kostenbesparende tool. Het biedt kansen om de productiviteit van het personeel, de zichtbaarheid op zoekmachines en de verkoop te verhogen door middel van meer cross-selling en upselling.
Dus, hoe stimuleert AI precies het product data enrichment process? Hieronder staan vijf manieren waarop dit kan gebeuren:
INDELING VAN PRODUCTEN
Product categorisatie is essentieel voor vindbaarheid. Het vereenvoudigt het proces van het vinden van relevante producten bij het browsen door zoekmachines en e-commerce winkels. AI draagt bij aan de product data enrichment door op vele manieren verfijning in het categorisatie proces te introduceren. Natural Language Processing (NLP) kan bijvoorbeeld grote hoeveelheden tekst, foto’s en afbeeldingen scannen en trefwoorden gebruiken om producten in de juiste categorieën te plaatsen.
Evenzo kunnen algoritmen voor machine learning en clustering producten categoriseren met behulp van gelabelde en niet-gelabelde datasets. Uiteindelijk kan AI grote productcatalogi in korte tijd en met hoge nauwkeurigheid opsplitsen in kleding, etenswaren, smartphones en verschillende andere categorieën met behulp van een of meer van de bovenstaande technieken.
BIJPASSENDE PRODUCTEN
AI kan vergelijkbare technieken voor natuurlijke taalverwerking, machine learning en clustering gebruiken om vergelijkbare producten te matchen. Daarom wordt het gemakkelijker om via relevante productaanbevelingen aan cross- en upselling te doen. De AI-oplossing gebruikt attributen om producten voor te stellen die elkaar aanvullen of opvallende overeenkomsten vertonen. Met dit soort product data enrichment kunnen bedrijven dus personalisatie bieden en tegelijkertijd de klantervaring verbeteren.
ZOEKWOORD EXTRACTIE
Shoppers hebben zoekwoorden nodig om relevante informatie te vinden op pagina’s met zoekresultaten van zoekmachines. Aangezien trefwoorden cruciaal zijn voor prospects die producten online ontdekken, is trefwoord extractie belangrijk voor de product data enrichment. De geëxtraheerde trefwoorden en woordgroepen kunnen worden gebruikt om metadata, productbeschrijvingen of productcategorieën op te bouwen. Maar hoe haal je zoekwoorden uit honderden megabytes aan tekst?
Welnu, AI beschikt over verschillende technieken die dit probleem kunnen oplossen. Ecommerce merken kunnen hun AI trainen om NLP- of ML-gebaseerde technieken te gebruiken om belangrijke zoekwoorden te vinden. Geavanceerde extractie methoden zoals Term-Frequency Inverse Document Frequency (TD-IDF) en op neurale netwerken gebaseerde modellen kunnen ook nuttig zijn. TD-IDF bepaalt trefwoorden door rekening te houden met de frequentie van een woord in het hele document. Aan de andere kant gebruiken op neurale netwerken gebaseerde modellen methoden voor diep leren om trefwoorden te identificeren. Ongeacht de gebruikte techniek, men kan erop vertrouwen dat AI het extractie proces van zoekwoorden voor verrijking van productgegevens zal vergemakkelijken.
EXTRACTIE VAN EIGENSCHAPPEN UIT AFBEELDINGEN EN VIDEO’S
Afbeeldingen en video’s zijn rijke gegevensbronnen en AI kan de benodigde informatie efficiënt extraheren. Door middel van computervisie technieken kan AI duizenden foto’s en video’s doorzoeken en onderweg productkenmerken identificeren. Dit kunnen kenmerken zijn zoals kleur, afmetingen, textuur en garantie-informatie. Vervolgens kan de verkregen informatie worden gebruikt om productbeschrijvingen bij te werken, product-matching uit te voeren en productaanbevelingen te doen.
GENERATIE VAN PRODUCT BESCHRIJVINGEN
In plaats van AI te gebruiken om informatie voor product beschrijvingen te extraheren, kan uw bedrijf de volledige taak aan de AI toevertrouwen. ChatGPT, de recente AI tool die een buzz op de markt veroorzaakt, zal perfect zijn voor deze methode voor het product data enrichment. ChatGPT en vergelijkbare AI-oplossingen kunnen nauwkeurige product beschrijvingen genereren met de nodige trefwoorden. Het AI-model vereist natuurlijk grote datasets en uitgebreide training om deze taak uitstekend uit te voeren. Zodra aan deze vereisten is voldaan, begint de machine uitstekende beschrijvingen te produceren met minimale menselijke supervisie.
Kortom, het product data enrichment is een taak die elk e-commercebedrijf tegenwoordig moet uitvoeren. Er is een hoog concurrentievermogen in de markt en het verrijken van de productdatabase is een belangrijke stap om zakelijke rivalen voor te blijven. Kunstmatige intelligentie kan het pad naar betere klantervaringen en een grotere zichtbaarheid op de markt versnellen door zijn opmerkelijke gegevens verwerkingstechnieken. Daarom moeten bedrijven die willen uitbreiden en opschalen de introductie van AI in hun lange termijn productstrategieën overwegen.
