Prediggo Technologie 2021

Unsere Technologie

Forschung & Innovation

Entstanden aus der wissenschaftlichen Forschung im Bereich der Künstlichen Intelligenz an der EPFL, hat Prediggo eine einzigartige Technologie entwickelt, um den Umsatz im eCommerce zu steigern.

Unsere Suchmaschine

Einzigartige Algorithmen

Bei Prediggo verwenden wir keine Open-Source-Engine, sondern haben unsere eigene Technologie entwickelt.

Verbesserte Relevanz

Wir verwenden nicht die Basisversion des Levenshtein-Algorithmus, um bei Fehlern die Distanzen zu berechnen, sondern die erweiterte, Oflazer genannte Version. Levenshteins Version funktioniert gut für die englische Sprache, ist aber nicht sehr gut für europäische Sprachen geeignet, da sie Fehler nicht nach ihrer Typologie 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

Einzigartige Algorithmen

Der patentierte Algorithmus zur Ontologie-Filterung unterscheidet sich in mehreren entscheidenden Aspekten von aktuellen Algorithmen:

Verbesserte Relevanz

Der Algorithmus verwendet nicht nur Verkaufsdaten, sondern berücksichtigt auch semantische Informationen über das Produkt (z. B. Produktattribute). So können wir besser verstehen, was die Leute kaufen und wissen, welche intrinsischen Eigenschaften des Produkts für den Benutzer 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.

5X weniger Daten

Unsere Engine ist in der Lage, Empfehlungen mit 5 Mal weniger Daten zu geben.

Angepasst an Ihre Tätigkeit

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

Transparent

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

Forschung & Entwicklung

Eine echte wissenschaftliche Partnerschaft

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.

Context Tree, ein neuer Algorithmus

Prediggo hat von Anfang an eine enge Partnerschaft mit der EPFL aufgebaut, die es uns ermöglicht hat, neue, avantgardistische Lösungen für E-Tailer zu entwickeln. Aus dieser Zusammenarbeit ist der neue Genetic-Search-Suchalgorithmus entstanden, und, vor Kurzem, der neue Context-Tree-Empfehlungsalgorithmus.

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. AB-Tests bei unseren Kunden haben gezeigt, dass dieser neue Algorithmus, wenn er genügend Daten über die Customer Journey erhält, bis zu 4-mal mehr Produkte verkauft als traditionelle Lösungen. Ohne diese Daten bleibt der Ontology-Filtering-Algorithmus der Beste.

Diese Ergebnisse wurden auf derAAAI 2019 Konferenz veröffentlicht, einer der renommiertesten akademischen Konferenzen für künstliche Intelligenz weltweit. 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.

Boi Faltings “Neben meiner Forschungs- und Lehrtätigkeit an der EPFL diene und diente ich der Gemeinschaft der Künstlichen Intelligenz als Associate Editor verschiedener akademischer Journale. Ich bin regelmäßig in Organisationskomitees von Konferenzen (IJCAI, AAAI, ECAI und andere) tätig und war Programm(mit)leiter von Seminaren und Konferenzen.”

“Durch unsere Arbeit mit Prediggo haben wir ein besseres Verständnis für die Auswirkungen und Grenzen unserer Forschungstechnologien, was uns erlaubt, diese besser zu steuern. Nur wenige Forschungsgruppen haben die Möglichkeit, die Auswirkungen ihrer Algorithmen unter realen Bedingungen zu messen. Wir hoffen, diese starke Partnerschaft auch in Zukunft fortsetzen zu können.”

Boi Faltings

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

An Prediggo verliehene Preise