Die FINDOLOGIC GmbH, einer der führenden Anbieter moderner Suchlösungen für Online-Shops, klärt Onlinehändler über die Bedeutung und das Potential qualitativ hochwertiger Produktdaten auf: "Ein wichtiges Kriterium für gute Usability in Online-Shops ist die Möglichkeit, die Ergebnisse sowohl in der Suche als auch in der Navigation nach Produkt-Merkmalen einzuschränken", so Matthias Heimbeck, Geschäftsführer der FINDOLOGIC GmbH.
Das Problem: Voraussetzung für die Filterung von Produkten im Webshop ist, dass die Daten bereits in strukturierter Form, z.B. als Artikelattribute zur Verfügung stehen. Dies ist bei vielen Online-Shops nicht oder nur unvollständig gegeben, da viele wichtige Informationen nur in der Beschreibung des Artikels vorkommen.
Die Lösung hierfür ist die Produktdaten-Optimierung, die kaufrelevante Merkmale automatisch aus den Fließtexten extrahiert und dem Onlinekäufer im Shop, der Suche und Navigation als Filter zur Verfügung stellt. Diese Daten sind eine zentrale Voraussetzung für gute Usability und dienen als Basis für erfolgreiche OnSite-Optimierung. Diese Filter bieten dem Onlinekäufer über die Shop-Suche damit eine Vielzahl an Möglichkeiten, die gewünschten Produkte sinnvoll einzuschränken und auf individuelle Bedürfnisse einzugehen.
Relevante Attribute erkennen: In der Attributextraktion kommen modernste semantische Technologien zur Anwendung. Mit diesen werden die Texte analysiert und die wesentlichen Informationen auf Grundlage eines sortimentspezifischen Vokabulars extrahiert. Dieses Vokabular enthält bereits Informationen über wichtige Branchen, so z.B. die Namen von Herstellern und Modellen, Materialien und technische Spezifikationen, und kann je nach Online-Shop und Anforderungen erweitert werden. Daraus werden Filter- und Navigationsstrukturen erstellt, die den Onlinekäufer schnell und effizient zum gewünschten Produkt führen.
Normalisierung: Im Anschluss an die Extraktion der Daten wird eine Normalisierung durchgeführt. Dadurch werden die Daten in eine einheitlich verständliche Form gebracht. Es ist oftmals nicht sinnvoll, jede einzelne Nuance einer Farbe zum Filtern zur Verfügung zu stellen. Die Farbnuancen wie weinrot, bordeaux oder knallrot werden normalisiert und der Farbe rot zugeordnet. Gleiches gilt für folgende Beispiele: Bei der Suche nach der Größe M werden auch Artikel mit Größe 38 zurückgeliefert. In der Elektronik-Branche findet man bei der Suche nach 32 Zoll auch Bildschirme mit einer Diagonale von 81,3 cm. So erhalten Onlinekäufer Zugriff auf einheitlich aufbereitete und vollständige Produktinformationen, die positive Einkauferlebnisse schaffen.
Mehr Informationen zum Thema finden Sie hier!
Das Problem: Voraussetzung für die Filterung von Produkten im Webshop ist, dass die Daten bereits in strukturierter Form, z.B. als Artikelattribute zur Verfügung stehen. Dies ist bei vielen Online-Shops nicht oder nur unvollständig gegeben, da viele wichtige Informationen nur in der Beschreibung des Artikels vorkommen.
Die Lösung hierfür ist die Produktdaten-Optimierung, die kaufrelevante Merkmale automatisch aus den Fließtexten extrahiert und dem Onlinekäufer im Shop, der Suche und Navigation als Filter zur Verfügung stellt. Diese Daten sind eine zentrale Voraussetzung für gute Usability und dienen als Basis für erfolgreiche OnSite-Optimierung. Diese Filter bieten dem Onlinekäufer über die Shop-Suche damit eine Vielzahl an Möglichkeiten, die gewünschten Produkte sinnvoll einzuschränken und auf individuelle Bedürfnisse einzugehen.
Relevante Attribute erkennen: In der Attributextraktion kommen modernste semantische Technologien zur Anwendung. Mit diesen werden die Texte analysiert und die wesentlichen Informationen auf Grundlage eines sortimentspezifischen Vokabulars extrahiert. Dieses Vokabular enthält bereits Informationen über wichtige Branchen, so z.B. die Namen von Herstellern und Modellen, Materialien und technische Spezifikationen, und kann je nach Online-Shop und Anforderungen erweitert werden. Daraus werden Filter- und Navigationsstrukturen erstellt, die den Onlinekäufer schnell und effizient zum gewünschten Produkt führen.
Normalisierung: Im Anschluss an die Extraktion der Daten wird eine Normalisierung durchgeführt. Dadurch werden die Daten in eine einheitlich verständliche Form gebracht. Es ist oftmals nicht sinnvoll, jede einzelne Nuance einer Farbe zum Filtern zur Verfügung zu stellen. Die Farbnuancen wie weinrot, bordeaux oder knallrot werden normalisiert und der Farbe rot zugeordnet. Gleiches gilt für folgende Beispiele: Bei der Suche nach der Größe M werden auch Artikel mit Größe 38 zurückgeliefert. In der Elektronik-Branche findet man bei der Suche nach 32 Zoll auch Bildschirme mit einer Diagonale von 81,3 cm. So erhalten Onlinekäufer Zugriff auf einheitlich aufbereitete und vollständige Produktinformationen, die positive Einkauferlebnisse schaffen.
Mehr Informationen zum Thema finden Sie hier!
