Kunstmatige intelligentie: de meest efficiente manier data kwaliteit te verbeteren voor jouw e-commerce website

Het belang van de kwaliteit van productdata

Doordat er steeds meer producten online worden verkocht, is volledige en nauwkeurige productdata steeds belangrijker. Zelfs voor offline verkopen oriënteren veel klanten zich nog steeds online. Hoogwaardige productdata zorgt ervoor dat klanten alle nodige informatie krijgen om te beslissen of ze een product wel of niet willen kopen. Productdata van hoge kwaliteit óf juist een gebrek aan productdata kunnen beide de verkoop op uw e-commerce website drastisch beïnvloeden.

Hoogwaardige productdata betekent in wezen dat de productdata accuraat, volledig, relevant, valide, tijdloos en consistent is. Dit soort productdata blijkt een sleutelfactor te zijn voor klanttevredenheid en essentieel bij het converteren van klanten.

De valkuilen van een gebrek aan productdata

Productdata van slechte kwaliteit kan de efficiëntie van een organisatie negatief beïnvloeden, aangezien data van hoge kwaliteit veel gemakkelijker te gebruiken is vergeleken met data van slechte kwaliteit. De vraag is dus hoe je data van slechte kwaliteit kunt omzetten naar data van hoge kwaliteit?

Belangrijke stappen om de datakwaliteit te verbeteren, zijn bijvoorbeeld eerst actuele productdata te verzamelen van ERP (Enterprise Resource Planning) systemen, marketingsystemen en externe. Deze data kan worden verzameld binnen een Product Informatie Management (PIM) systeem. Vervolgens kan het PIM-systeem helpen bij het maken van groepen op basis van productattributen, waardoor het eenvoudiger wordt om duizenden producten te ordenen.

Echter, met een gebrek aan voldoende product data, is de organisatie van producten in groepen op basis van productkenmerken onmogelijk. Een andere manier om producten te ordenen, is door ze in te delen in categorieën waar klanten mogelijk op zoeken. Als een bedrijf bijvoorbeeld jassen verkoopt, kunnen de producten ingedeeld worden in categorieën zoals regenjassen, winterjassen, spijkerjassen, enzovoort. Nogmaals, bij gebrek aan voldoende productgegevens is deze categorisering van producten onmogelijk.

Hoe kan je data van slechte kwaliteit verrijken?

Het verrijken van data is een actueel fenomeen, en wordt vaak nog met de hand gedaan. Een datasteward is verantwoordelijk voor het waarborgen van de kwaliteit van de data van een organisatie, evenals de metadata. Voor een organisatie die vijftig producten verkoopt, kan een data steward helpen om de data te verrijken door bijvoorbeeld het handmatig data vakjes aan te vinken, categorieën  aan te brengen, of groepen op basis van product attributen te creëren. Met zo’n klein aantal producten is het zelfs mogelijk om SEO-teksten te schrijven op basis van websites van concurrenten. Stel je echter voor dat je hetzelfde doet voor een organisatie die meer dan duizend producten verkoopt. Dit proces kan veel tijd in beslag nemen, en kan een organisatie veel geld kosten.

Hoe automatiseer je dit proces?

Gelukkig is het met behulp van Artificial Intelligence mogelijk om productdata automatisch te verrijken. Meer waardes worden toegevoegd aan uw productdata door extractie uit teksten en afbeeldingen en het slimme scrapen van PDF’s en e-commerce websites . Op deze manier bespaar je kostbare tijd en geld en bied je door verbeterde datakwaliteit gemakkelijk het juiste product aan de consument aan.

Squadra Machine Learning Company heeft zo’n slimme tool voor dataverrijking ontwikkeld, namelijk PowerEnrich.ai. Dit is een set algoritmen die productkenmerk data kan verrijken. Het maakt gebruik van Artificial Intelligence om data uit bronnen zoals (ERP) product beschrijvingen, product afbeeldingen, PDF-bestanden en websites te extraheren.

Extractie

Allereerst is PowerEnrich.ai in staat om data stewards te ondersteunen door productkenmerken uit zowel teksten als afbeeldingen te extraheren. Zoals in het onderstaande voorbeeld wordt getoond, kan een fabrikant een lange zin met productdata leveren en is PowerEnrich.ai in staat om de relevante productkenmerken te extraheren.

Bovendien is PowerEnrich.ai in staat tot dezelfde extractie te doen vanuit afbeeldingen. Zoals in het onderstaande voorbeeld te zien is, zijn de slimme algoritmen in staat productkenmerken in afbeeldingen te herkennen.

Scraping

Ten tweede is PowerEnrich.ai in staat om websites van concurrenten of leveranciers te scrapen , zoals in het onderstaande voorbeeld wordt getoond . Deze data is al online zichtbaar en bevatten dus meestal meer samenhangende teksten in vergelijking met databestanden die door de leverancier worden aangeleverd.

Wat zijn de voordelen van het gebruik van PowerEnrich.ai?

Door gebruik te maken van PowerEnrich.ai kunnen zowel groot- als detailhandel organisaties de beschikbaarheid en kwaliteit van productdata op hun e-commerce website verbeteren. Door het automatisch verrijken van de data, kunnen deze organisaties besparen op kostbare uren door productspecialisten voor het handmatig zoeken, beoordelen en invoeren van productdata. Bovendien resulteert verbeterde compleetheid en kwaliteit van de productdata in hogere winsten.