UNSERE Technologie

Forschung & Innovation

Auf der Basis der wissenschaftlichen Forschung in Künstlicher Intelligenz der ETHL hat Prediggo eine einzigartige Technologie zur Steigerung der E-Commerce-Verkäufe entwickelt.

Die Suchmaschinen am Markt

Die Mehrzahl der Suchmaschinen am Markt, ob kostenpflichtige oder Open-Source-Lösungen, nutzen die Elastic Search- oder Solr-Technologie. Diese beiden Lösungen sind Erweiterungen des Open-Source-Projekts Apache Lucene (1).

Lucene ist eine Suchmaschine, die sich in der Praxis bis heute bewährt hat, entwickelt wurde sie aber für die Dokumentenrecherche, nicht für das E-Commerce. Dies erklärt zum Teil, warum es den Agenturen Schwierigkeiten bereitet, die Suchmaschine so einzustellen, dass sie relevante Ergebnisse liefert.

Prediggo verwendet keine Open-Source-Suchmaschine,sondern hat eine eigene Technologiemit der Bezeichnung “Prediggo Genetic Search” entwickelt.

(1) Lucene

Unsere Suchmaschine

 

Prediggo-Genetic-Search-Technology

 

Die Suchmaschine Genetic Search wurde in der Umgebung des Artificial Intelligence Laboratory der ETHL entwickelt. Sie ist Gegenstand einer Dissertationsschrift und wird ständig weiterentwickelt. Wir verbessern die Suchmaschine kontinuierlich, um sie noch leistungsfähiger zu machen.

Die Hauptvorteile unserer Forschungstechnologie

Unsere Suchmaschine, die das Ergebnis aus 10 Jahren Forschung ist, übertrifft Lucene und ihre Derivate in den folgenden Punkten:

Verbesserte Relevanz

Wir verwenden nicht die Basisversion des Levenshtein-Algorithmus, um bei Fehlern die Distanzen zu berechnen, sondern die erweiterte, Oflazer genannte Version. Die Levenshtein-Version funktioniert gut für die englische Sprache, erweist sich aber als wenig geeignet für die europäischen Sprachen, da sie die Fehler nicht ihrer Typologie entsprechend unterscheidet. Mit dem Levenshtein-Algorithmus kostet die Umwandlung des “e” in ein “x” 1 Punkt, was z.B. der Distanz bei der Umwandlung eines “e” in “é” entspricht. Der Oflazer-Algorithmus ermöglicht es uns, dem Fehlertyp entsprechend unterschiedlich zu gewichten und dadurch relevantere Ergebnisse für die europäischen Sprachen zu liefern.

Deep Learning

Die Sortierung der Produkte hängt nicht ausschließlich von Algorithmen für das Dokumentenranking wie TF-IDF und vom Gewicht bestimmter Attribute ab. Prediggo kombiniert diese Algorithmen mit Business-KPIs des E-Commerce (wie z.B. Klickrate, Konversionsrate, Verkäufe usw.), um einen selbstlernenden Algorithmus zu erhalten, der die Suchqualität verbessert und gleichzeitig die Konversion der Website steigert.

Performantere Autokorrektur

Für die Korrektur der Rechtschreibfehler verwendet Lucene ausschließlich den Levenshtein-Algorithmus. Prediggo verwendet eine Kombination unterschiedlicher Algorithmen wie Oflazer, die phonetische Korrektur, Word Split und vieles mehr. Unser Genetic Search Algorithmus basiert auf dem DNA-Genom, in dem jeder einzelne Suchalgorithmus durch ein DNA-Nukleotid modelliert wird. Jeder einzelne Kunde erhält seine eigene Korrekturalgorithmus-Sequenz, um sich an die Fehler seiner Endkunden anpassen zu können.

Benutzerfreundlichkeit

Die Einstellung von Lucene kann sich als sehr komplex erweisen und setzt spezielle Kenntnisse im Bereich der Dokumentensuche voraus, was der Welt des E-Merchandising wenig entspricht. Mit Prediggo kann jede berechtigte Person die Einstellung des Tools vom Prediggo Cockpit aus einfach ändern.

Unsere Empfehlungstechnologie

 

 

Prediggo verwendet den patentierten Algorithmus, der als “Ontology Filtering” bezeichnet wird. Diesen Algorithmus hat Vincent Schickel, der Gründer von Prediggo, in seiner Dissertationsschrift im Bereich Künstliche Intelligenz an der ETHL entwickelt.

 

Die Hauptvorteile unserer Empfehlungstechnologie

Der patentierte Algorithmus “Ontology Filtering” unterscheidet sich von den aktuellen Algorithmen in mehreren entscheidenden Aspekten:

Verbesserte Relevanz

Der Algorithmus verwendet nicht ausschließlich Verkaufsdaten, sondern berücksichtigt außerdem die semantischen Produktinformationen (wie die Produktattribute). Dies bietet die Möglichkeit, besser zu verstehen, was die Besucher kaufen, und zu erfahren, welche intrinsischen Funktionen des Produkts für den Internetnutzer wichtig sind.

Bessere Beziehungsmodellierung

Die Sortierung der Produkte hängt nicht ausschließlich von Algorithmen für das Dokumentenranking wie TF-IDF und vom Gewicht bestimmter Attribute ab. Prediggo kombiniert diese Algorithmen mit Business-KPIs des E-Commerce (wie z.B. Klickrate, Konversionsrate, Verkäufe usw.), um einen selbstlernenden Algorithmus zu erhalten, der die Suchqualität verbessert und gleichzeitig die Konversion der Website steigert.

Ontology Filtering bietet Online-Händlern viele Vorteile:

Wir generieren viel zielgerichtetere Empfehlungen mit 5 Mal weniger Daten.

Die semantische Schicht erlaubt dem E-Merchandiser, leicht Businessanforderungen hinzuzufügen, um die Empfehlungen auf strategische Businessziele auszurichten.

Ontology Filteringist keine Black Box, und die Empfehlungen lassen sich einem Menschen recht einfach erklären.

Konstante Forschung

Vor Kurzem hat Prediggo mit der ETHL zusammengearbeitet, um den Context-Tree-Algorithmus an die Bedürfnisse des E-Commerce anzupassen. Context-Tree ist eine neue Methode der Künstlichen Intelligenz, die auf der User Journey der Besucher auf der Website basierende Bayesian Variable-order Markov Models verwendet, um Empfehlungen zu generieren. A/B-Tests bei unseren Kunden haben gezeigt, dass dieser neue Algorithmus bis zu 4 Mal mehr Produkte verkauft als die klassischen Lösungen, wenn man über ausreichend Daten über die Customer Journey verfügt. Ohne diese Daten bleibt der Ontology-Filtering-Algorithmus der Beste.

Diese Ergebnisse wurden auf der AAAI 2019 Konferenz veröffentlicht, eine der weltweit renommiertesten Akademischen Konferenzen über Künstliche Intelligenz. Viele Reseller sprechen von Künstlicher Intelligenz, ohne ihre Forschungsarbeiten zu veröffentlichen und sie durch unabhängige Forscher bestätigen zu lassen. Wir von Prediggo sind stolz darauf, unsere Kompetenz in diesem Bereich zu beweisen und der Wissenschaftsgemeinde dabei zu helfen, den Fortschritt voranzubringen.

Prediggo & ETHL

Seit seiner Gründung im Jahr 2008 verwendet Prediggo eine patentierte Technologie, die im Artificial Intelligence Laboratory (AIL) der Eidgenössischen Technischen Hochschule Lausanne (ETHL) entwickelt wurde. Dieser Algorithmus wurde durch Vincent Schickel, den Gründer von Prediggo, in seiner Dissertationsschrift an der ETHL entwickelt und ist für unseren Empfehlungsalgorithmus von zentraler Bedeutung.

Von Anfang an hat Prediggo eine enge Partnerschaft mit der ETHL gepflegt, die die Entwicklung zukunftsorientierter Lösungen für Online-Händler ermöglichte. Aus dieser Zusammenarbeit ist der neue Genetic-Search-Suchalgorithmus entstanden, und, vor Kurzem, der neue Context-Tree-Empfehlungsalgorithmus.

Das AIL unter der Leitung von Prof. Boi Faltingsist eine weltweit im Bereich der Künstlichen Intelligenz anerkannte Forschungseinrichtung.

Neben meinen Forschungs- und Lehrarbeiten an der ETHL arbeite ich und habe ich für die Wissenschaftsgemeinde im Bereich der Künstlichen Intelligenz als Associate Editor diverser akademischer Fachzeitschriften gearbeitet. Ich engagiere mich regelmäßig in den Konferenzorganisationsausschüssen (IJCAI, AAAI, ECAI, u.a.) und war “Program (Co-)Chair” für Seminare und Konferenzen.

Aufgrund unserer Arbeit mit Prediggo verstehen wir die Auswirkungen und Einschränkungen unserer Suchtechnologien, wodurch wir in der Lage sind, diese besser auszurichten. Nur wenige Forschungsgruppen haben die Möglichkeit, die Auswirkungen ihrer Algorithmen unter praxisnahen Bedingungen zu messen. Wir hoffen, diese starke Partnerschaft künftig fortzusetzen .

Boi Faltings

Professor of Artificial Intelligence, École Polytechnique Fédérale de Lausanne (EPFL)

An Prediggo verliehene Preise
Share This