Wie Natural Language Processing die Zukunft des E-Commerce formt

„Es ist nur eine Frage der Zeit, bis Unternehmen branchenübergreifend Deep-Learning-Technologien wie NLP einsetzen, um verborgene Insights zu extrahieren und diese mit ihrer spezifischen Geschäftserfahrung und -expertise zu kombinieren, um zu innovieren und sich zu differenzieren.“

Was ist die Technologie hinter Natural Language Processing?

Einfach ausgedrückt ist NLP (Natural Language Processing) die Technologie, die es Computern ermöglicht, reale Daten zu verstehen und zu verarbeiten.

Es begann in den 1950er Jahren mit Alan Turings Paper „Computer Machinery and Intelligence“, in dem er fragte: Können Maschinen denken? Was er meinte: Können Maschinen wie Menschen denken, also Fakten und Daten aus der menschlichen Realität verstehen?

NLP ist eine Form künstlicher Intelligenz, die mehrere Disziplinen wie Computational Linguistics nutzt, um unstrukturierte menschliche Kommunikation in strukturierten Sinn zu überführen. In gewisser Weise wandelt es menschliche Worte (Sprache und Text) in Binärcode um.

Vor siebzig Jahren waren Lochkarten die einzige Möglichkeit für Menschen, mit einem Computer zu kommunizieren. Heute können Computer viele menschliche Sprachen „verstehen“, gesprochene oder geschriebene Befehle ausführen, Insights daraus ableiten und auf die Zukunft anwenden. Wenn Sie beispielsweise einmal online einen roten Pullover angesehen haben, versteht der Computer, dass Sie rote Pullover mögen, und zeigt Ihnen alle Artikel, die er kennt, die „rot“ + „Pullover“ entsprechen.

NLP funktioniert, indem es winzige Komponenten menschlicher Sprache analysiert – die „Atome der menschlichen Kommunikation“. Das können Wörter, Phrasen oder Beschreibungen aus Ihrem Produktkatalog sein. Diese „Atome“ vergleicht es mit seiner eigenen Datenbank aus Wörtern und Aufnahmen, die es kategorisiert und mittels semantischer Analyse Bedeutung extrahiert – im Effekt also versteht.

Dadurch kann es Verbindungen herstellen, die Menschen möglicherweise nicht sehen. Heute, mit massiv verfügbarer Rechenleistung zu geringen Kosten, sind die Schlussfolgerungen, die es über individuelle Präferenzen ziehen kann, erstaunlich.

Warum kommt es jetzt auf den Markt?

NLP wird seit vielen Jahren entwickelt. Der breitere Markt nimmt erst jetzt Notiz, weil (1) die realen Anwendungen von NLP und anderer KI-Technologie von Unternehmen besser verstanden werden, und (2) wir endlich über die breite Rechenleistung verfügen, um tatsächlich etwas damit anzufangen. Es schadet auch nicht, dass Unternehmen wie unsere in der Lage waren, ihr vertikales Branchenwissen zu nutzen, um über generische Modelle hinauszugehen und erfahrungsfokussierte Algorithmen zu erstellen, die echte Ergebnisse liefern – wie gesteigerte Conversions oder Umsatz.

Bis vor Kurzem hatten sehr wenige Organisationen außerhalb von Wissenschaft oder Regierung die Rechenleistung, um die Deep-Learning-Algorithmen auszuführen, die nötig sind, um Text zu verstehen und Korrelationen daraus zu ziehen. Mit jüngsten Fortschritten können wir nicht nur schnell riesige Mengen textueller Daten konsumieren und Bedeutung daraus ziehen, sondern verfügen jetzt auch über Echtzeit-Technologie (mit dem Aufkommen von Technologien wie Flink und Kafka), um sie zusammen mit Nutzerverhalten zu verarbeiten, die nötigen Insights zu extrahieren und in Echtzeit mit der passenden Aktion oder Entscheidung zu reagieren.

Wie Gartner feststellt, weckt das Aufkommen von Textdaten breites Interesse an einer Reihe potenzieller fortschrittlicher KI-Anwendungen. Der Einsatz von NLP im Bereich Customer Experience, beispielsweise um Stimmungen aus Textnachrichten und Chats zu extrahieren, hat den Weg für breitere Branchenadoption und praktische Anwendungen geebnet.

Im Bereich Experience-Personalisierung beginnen wir gerade erst, die Möglichkeiten zu erkunden, und sind begeistert von den Ergebnissen, die wir mit NLP gesehen haben – beispielsweise um Insights aus Produktkatalogbeschreibungen, Bewertungen, Attributen und anderen Texten zu extrahieren und ein tieferes Verständnis für die Produkte unserer Kunden und deren Beziehungen zueinander zu gewinnen – hypoallergen, 100 % Baumwolle etc.

Es ist nur eine Frage der Zeit, bis Unternehmen branchenübergreifend Deep-Learning-Technologien wie NLP einsetzen, um verborgene Insights zu extrahieren und diese mit ihrer spezifischen Geschäftserfahrung und -expertise zu kombinieren, um zu innovieren und sich zu differenzieren.

Sollten Organisationen NLP anwenden? Können Sie praktische Enterprise-Case-Studies/Beispiele nennen?

Ein Sektor, in dem wir klar sehen, wie es funktioniert, ist der Einzelhandel, wo viele unserer Kunden angesiedelt sind. Fast Fashion und Einzelhändler mit hohem Produktumsatz oder die ganze neue Kataloge saisonal einführen, können besonders vom Einsatz von NLP profitieren.

Personalisierung funktionierte traditionell am besten, wenn man Verhaltensdaten für jedes Produkt in Hülle und Fülle hatte. Aber was tun Sie, wenn ein großer Block Ihres Katalogs neu oder Nischenprodukte sind und schlicht keine Daten dazu haben? Bis vor Kurzem war das Beste, was man tun konnte, „Top-Seller“-Empfehlungen als Ergänzung anzubieten.

Mit NLP können wir tatsächlich die textuellen Daten – wie Produktbeschreibungen, Stil- und Passformhinweise, Bewertungen und Rezensionen etc. – nutzen, Insights über dieses Produkt und verwandte Produkte extrahieren und dieses tiefere Verständnis nutzen, um sofort Empfehlungen und Angebote bereitzustellen, die zum neuen oder Long-Tail-Produkt passen.

Das ist ein Gamechanger für Einzelhändler/Marken, die regelmäßig neue Stile oder saisonale Kataloge einführen oder schnell durchlaufen, da es ermöglicht, von Anfang an zu personalisieren und Käufer durch Cross-Sell-Angebote relevanten Produkten auszusetzen.

Was kommt als Nächstes für NLP?

Da Marken und Einzelhändler NLP weiterhin adoptieren, werden sich Use Cases weiterentwickeln. Was wir als Nächstes sehen, ist die Erweiterung der NLP-Anwendung auf Journey-Predictions, sprachbasierte Extensions, Faceting für Suche und mehr. NLP mit Deep Learning ist die Zukunft des E-Commerce-Shoppings.

Antworten bereitgestellt von Raj Badarinath, VP Ecosystems, RichRelevance