bonprix: Künstliche Intelligenz für ein optimiertes Produktranking

Mit dem Produkt-Potenzial-Prognose Modell setzt der internationale Modeanbieter bonprix ein neues selbstentwickeltes Prognosemodell ein, das auf der Anwendung von Künstlicher Intelligenz (KI) basiert und Grundlage für die täglich aktualisierten Produktrankings in allen Sortimentskategorien des bonprix Webshops ist. Damit kann das Unternehmen seinen Kund*innen einen noch besseren Service bieten, denn es werden die Produkte zuoberst angezeigt, die aktuell am beliebtesten und gleichzeitig auch über alle Größen hinweg ausreichend verfügbar sind. Hierfür wendet bonprix auf innovative Weise ein Convolutional Neuronal Network an – eine Technologie, die ursprünglich aus der maschinellen Bilderkennung stammt.

artificial intelligence 2167835 1280
ünstliche Intelligenz für ein optimiertes Produktranking. pixabay.com ©geralt (Creative Commons CC0)

bonprix investiert schon seit Jahren in die Eigenentwicklung von KI-Modellen oder nutzt Systeme von Dienstleistern. Die neueste Anwendung ist ein optimiertes Produktranking im Onlineshop www.bonprix.de. Produktranking bedeutet hier, dass täglich alle Produkte in den verschiedenen Kollektionen oder Kategorien neu sortiert und hierarchisch angezeigt werden. Mit dem Produkt-Potenzial-Prognose Modell sollen diejenigen Produkte ganz oben angezeigt werden, die bei den Kund*innen besonders beliebt und im Bestand sind. Das Modell wurde intern entwickelt und hat nach einem ausführlichen A/B-Test die bisherige Anwendung in Deutschland erfolgreich abgelöst. Darüber hinaus ist die Produkt-Potenzial-Prognose bereits in Österreich, der Schweiz und zehn weiteren Ländern implementiert.

Sascha Netuschil, Abteilungsleiter Data Science bei bonprix, ist verantwortlich für die Entwicklung: „Wir haben bei bonprix stets die weitere Verbesserung der Customer Journey auf unseren Vertriebskanälen im Blick und möchten unseren Kund*innen möglichst passgenau das anbieten, was sie suchen – quasi auf einen Klick. Der Einsatz von KI für die Verarbeitung der dafür nützlichen, komplexen Interaktionsdaten unserer Kund*innen bringt uns dabei maßgeblich nach vorne. Mit der Produkt-Potenzial-Prognose können wir das Produktranking im bonprix Onlineshop für unsere Kund*innen deutlich verfeinern und vor allem sicherstellen, dass die top-gerankten Produkte in ausreichender Menge verfügbar sind. Das wirkt sich auch positiv auf die Conversion Rates aus“, fasst er die Vorteile und Ziele der neuen Anwendung zusammen.

Innovative Verbindung von multiplen Zeitreihen und Convolutional Neuronal Network

Im bonprix Onlineshop helfen täglich aktualisierte Produktrankings in den verschiedenen Kategorien den Kund*innen dabei, die aktuell angesagten Trends schnell zu finden, ohne sich durch unzählige Seiten klicken zu müssen. Sie basieren auf den bisherigen Klick- und Bestelldaten der einzelnen Produkte und ihren zugehörigen Artikeln und zeigen diejenigen zuoberst an, für die tagesaktuell ein hohes Bestellvolumen prognostiziert werden kann.

Das Produkt-Potenzial-Prognose Modell arbeitet mit multiplen Zeitreihen. Diese entstehen durch die tägliche Betrachtung der User*innen-Interaktionsparameter zu einem Produkt innerhalb der vergangenen sieben Tage: Wie oft wurde dieses Produkt angeklickt, wie oft auf die Wunschliste gesetzt, wie häufig wurde es in den Warenkorb gelegt und wie oft letztlich gekauft.

So entsteht eine Matrix, in der Muster erkannt werden können, die für die Bestellprognose und Rankingaussteuerung eines Produktes maßgeblich sind. Dafür hat bonprix sich eine KI-Technologie zunutze gemacht, die bisher vor allem aus der Bilddatenerkennung bekannt ist: ein Convolutional Neuronal Network (CNN). Da die Datenmatrix für ein Produkt wie ein Bild aufgebaut ist, ist das CNN in der Lage, die Daten auszulesen und eine Absatzprognose für den kommenden Tag zu berechnen. Zudem wird auch der Warenbestand beim Ranking beachtet: Fällt bei einem Produkt die Verfügbarkeit unter einen festgelegten Wert, wird es automatisch nach unten gerankt. Ist es später wieder verfügbar, erkennt das Modell es anhand von historischen Daten als früheres Top-Produkt. Damit liefert die Produkt-Potenzial-Prognose weitaus fundiertere Vorhersagen als das Machine Learning Modell, das zuvor bei bonprix im Einsatz war.

Um seinen Kund*innen noch passendere Produkte an erster Stelle anzuzeigen, verfeinert bonprix das Produktranking bei registrierten Nutzer*innen in einem weiteren Schritt durch ein Clustering, dem fünf verschiedene Altersgruppen zugrunde liegen. Es werden dann die Produkte hierarchisch angezeigt, die in der jeweiligen Altersgruppe besonders beliebt sind.

Künstliche Intelligenz als Innovationstreiber

bonprix sieht in dem stetig wachsenden Spektrum KI-basierter Anwendungen einen wichtigen Innovationstreiber für die E-Commerce-Branche. Bereits seit Jahren setzt das Modeunternehmen daher auf die kontinuierliche technologische Evolution seiner Prozesse unter Verwendung von KI und Machine Learning – sei es ihm Rahmen der Betrugsprävention, der besseren Größenberatung für die Kund*innen oder einer optimierten Sortimentsgestaltung durch die sogenannte Learning Collection. Alle Analysen von kund*innenbezogenen Daten finden dabei stets in strenger Anwendung der Datenschutzgrundverordnung (DSGVO) statt.

„Wir möchten unseren Kund*innen immer gezielter den für sie relevanten Ausschnitt unseres Sortiments zeigen. Die Produkt-Potenzial-Prognose ist ein gutes Beispiel für eine Anwendung, die das ermöglicht. Für die Zukunft planen wir, das Produktranking durch die Nutzbarmachung verhaltensbasierter Daten noch weiter zu personalisieren“, erklärt Markus Fuchshofen, Geschäftsführer von bonprix und verantwortlich für E-Commerce Management, Vertrieb Inland und Marke. Er weist außerdem auf das große Zukunftspotenzial hin, das bonprix in der laufenden Implementierung von KI sieht: „Wir setzen Künstliche Intelligenz seit Jahren unternehmensübergreifend ein. Die in diesem Jahr vollzogene Migration aller Prozesse in die Google Cloud bietet uns die optimale Basis, das Spektrum an KI-Anwendungen bei bonprix auch zukünftig forciert auszubauen.“