Visuelle Suche im E-Commerce

Die visuelle Suche wird in Online-Shops vor allem im Fashionbereich gern eingesetzt, um optisch ähnliche Produkte zum Referenzobjekt zu empfehlen. Eine Bilderkennung erlaubt, das gesamte Sortiment im Shop anhand von Produktbild-Merkmalen zu analysieren und passende Vorschläge automatisch generieren zu lassen.

Die visuelle Ähnlichkeitssuche ist aber nicht nur als Empfehlungstechnologie interessant, sondern auch als Zusatzservice für die Produktsuche im Frontend: Nutzer können mit einem Foto als Vorlage direkt in die Suche nach Produkten einsteigen und somit das Eintippen von Suchstichwörtern umgehen. Hierfür nimmt der Nutzer ein Foto mit dem Smartphone auf oder wählt ein existierendes Bild und rahmt das zu suchende Objekt ein. Insbesondere in Online-Shops, die ein breites Sortiment bereithalten, bietet die visuelle Suche dem Nutzer eine komfortable Möglichkeit, passende Produkte zu finden, auf die er sonst nicht gestoßen wäre.

Im Folgenden möchten wir drei Suchanbieter vorstellen, die eine visuelle Suchtechnologie anbieten: Zum einen das Produktempfehlungstool von Picalike, welches Produktfotos auf bestimmte Merkmale analysiert und aus dem Gesamtsortiment die optisch ähnlichsten Artikel herausfindet. Zweitens "Shopping by Camera" von Cortexica für die visuelle Suche nach Produkten im Shop anhand eigener Fotos. Und drittens Everybag, über deren App Nutzer auch shopübergreifend per Foto nach Produkten suchen können.

Visuelle Suchtechnologien #1: Picalike Recommendor und Shop the Look

Die Empfehlungstechnologie von Picalike extrahiert aus den übertragenen Produktbildern visuelle Informationen wie die Farbe oder Muster und sucht nach Produkten mit übereinstimmenden Merkmalen. Soll der Recommendor personalisierte Produktvorschläge ausspielen, analysiert Picalike zusätzlich das Verhalten des Nutzers im Shop und passt die Vorschläge entsprechend an.

Die Produktvorschläge erscheinen beispielsweise auf der Produktdetailseite: Hier können passend zum angezeigten Produkt visuell ähnliche Produkte empfohlen werden. Auch für Nulltreffer oder bereits ausverkaufte Produkte sind Alternativvorschläge möglich. Des Weiteren kann der Nutzer über Picalikes "Shop the Look"-Feature mit Produkten aus anderen Sortimenten inspiriert werden, die zum Referenzobjekt passen. Picalike bietet also ein Recommendation-Tool an.

Das technische Zusammenspiel zwischen Shopsystem und Picalike Recommendor sieht vereinfacht so aus:

1) Der Shop übermittelt einen aktuellen Datenfeed als CSV oder JSON mit Informationen zu den Produkten an Picalike.

2) Das System lädt alle Bilder herunter und lässt diese durch den Bilderkennungsalgorithmus laufen. Die extrahierten Informationen aus den Bildern werden in einer Datenbank gespeichert.

3) Über die API-Schnittstelle von Picalike werden an den Shop die visuell ähnlichen Produkte aus der Datenbank als Liste mit Artikelnummern übermittelt.

4) Der Shop liest die Artikelnummer in der eigenen Datenbank aus und zeigt die vorgeschlagenen Produkte an.

Picalike ist in Hamburg ansässig und wurde 2010 von Sebastian Kielmann und Daniel Raschke gegründet, die das Unternehmen bis heute leiten. Neben der visuellen Recommencation Engine und Shop the Look bietet Picalike noch weitere Services. Dazu zählt neuerdings auch die visuelle Suche per Foto von echten Objekten.

Picalike-Anwendungsbeispiele:

Picalike-Empfehlungen auf einer ADS von witt-weiden.de

Über Picalike generierte Produktempfehlungen bei witt-weiden.de

Unter "Ähnliche Artikel" schlägt Picalike als "Complementary-Recommendation" auf einer Produktdetailseite von witt-weiden.de alternative Produkte zur rosa Bluse vor, welche dieser in Schnittform und Farbe ähneln. Die Farbe Rosé und der längere Schnittansatz sind hier die entscheidenden Merkmale für die Ähnlichkeitssuche.

Um Kunden zusätzlich zu inspirieren, empfiehlt eine Mode-Expertin von Witt Weiden ein passendes Outfit mit Artikeln aus anderen Kategorien. Möchte ein Shopmanager weitere kuratierte Outfits präsentieren, kann er Picalike nutzen, um schnell ähnliche Produkte zu finden und seine Empfehlungen somit zu skalieren.

Picalike lässt sich auch dafür nutzen, auf Null-Treffer-Seiten als "Next Best Offer – Within Outfits" Alternativvorschläge in einem Slider auszuspielen. Abhängig davon, welche Produkte der Nutzer sich zuvor angesehen hat, können die Empfehlungen variieren. Sollte der Nutzer aber plötzlich nach einem ganz anderen Sortiment suchen, berücksichtigt Picalike dies und setzt die Daten aus einer Session zurück.

Konfigurationsoptionen:

Shopbetreiber haben die Möglichkeit, die Frontend-Implementierung der Picalike-Features "Recommendor" und "Shop the Look" selbst vorzunehmen. Um die Produktempfehlungen an das Sortiment im Shop anzupassen, können sie die Ähnlichkeitskriterien gewichten, beispielsweise Richtung Form oder Farbe. Zusätzlich können sie die gewünschte Preisspanne und die Sortierung der Vorschläge ("static" oder "random") definieren. Für das Ranking lassen sich Zahlen wie Marge, Umsatz oder Conversion Rate aus dem Datenfeed berücksichtigen.

Die visuellen Empfehlungen von Picalike eignen sich besonders für Sortimente, die von Käufern anhand ihrer optischen Eigenschaften ausgewählt werden. Daher wird das Recommendation-Tool bevorzugt im Mode- und Möbelbereich eingesetzt, aber auch für andere Sortimente wie Schminke oder Spielwaren ist der Service geeignet. Fallen in technischen Sortimenten hingegen eher die inneren Produktmerkmale ins Gewicht, ist eine visuelle Recommendation Engine wenig relevant.

Visuelle Suchtechnologien #2: Cortexica Fotosuche für den mobilen Online-Handel auf Zalando

In der Smartphone App von Zalando bietet die Fotosuche den direkten Sucheinstieg per Bilderkennung. Der Kunde kann mit dem Smartphone ein Foto von einem Kleidungsstück machen und damit nach ähnlichen Produkten, Farben oder Mustern im Zalando-Shop suchen. Hinter der Fotosuche von Zalando steckt die visuelle Ähnlichkeitssuche "Find Similar Mobile Image Search" von Cortexica. Die Technologie ist AI-gestützt und benutzt unter anderem Computer Vision Algorithmen und Deep Learning Techniken. Sie kann störende Faktoren wie beispielsweise Personen im Bild ausblenden und Lichtverhältnisse anpassen. Das Ergebnis wird anschließend über den Cortexica-Algorithmus mit den Fotos aus der Zalando-Datenbank abgeglichen.

Die Cortexica-Fotosuche im Selbsttest

Zalando-App-Ansicht visuelle Suche nach Herrenpullover

Visuelle Suche nach einem Herrenpullover mit eigenem Foto in der Zalando-App

Nach dem Ablichten lässt sich mit dem Foto-Erkennungstool der Zalando-App das gesuchte Kleidungsstück mit einem Rahmen auf dem Bild markieren. Anschließend wählt man die Zielgruppe (Geschlecht) und die Produktkategorie für das gesuchte Kleidungsstück aus. Nach unserer Entscheidung für "Herren" sowie "Pullover & Strickjacken" werden Pullover in ähnlicher Farbe und Schnitt als Suchergebnis ausgespielt. Die ersten Treffer sind alle passend in Farbe (dunkelgrau) und Form (langärmlig, hüftlang). Lediglich der gewünschte Rundhalsschnitt trifft nicht auf die ersten zwei Pullover zu.

Visuelle Suche nach Damenbluse per Foto in der Zalando-App

Visuelle Suche nach einer Damenbluse per Foto in der Zalando-App

Der zweite Versuch mit einer Damenbluse läuft hingegen weniger gut: Nur der längere Schnitt als Longbluse wird zuverlässig erkannt. Die ersten drei Treffer passen stilistisch nicht, erst der vierte Treffer stimmt mit der Vorgabe überein. Farblich rangieren immerhin alle vier Produkte im Schema kühl/hell, das gewünschte Hellblau ist jedoch nicht dabei. Die Gegenprobe mit der Textsuche nach "Longbluse hellblau Damen" bzw. "Hemdbluse lang hellblau Damen" macht auch nicht glücklich und liefert hellblaue, aber überwiegend zu kurze Blusen unter den Top-Treffern. Erst das Scrollen im Suchergebnis bringt die gewünschten Produkte auf den Bildschirm.

Aus dem Ergebnis weiterer Tests ist zu schließen, dass eine einfache Fotosuche – wie am Beispiel Herrenpullover gezeigt – gute Vorschläge mit passender Produktform und Farbe liefern kann. Sobald die Nutzererwartungen steigen und es wie beim Beispiel Damenbluse mit Knöpfen mehr ins Detail geht, sind exakte Treffer nicht immer zu erwarten.

Das Tool ist bisher für die Suche nach Kleidung ausgelegt, aber für das Sortiment Schuhe noch nicht weiterentwickelt. Interessant finden wir den Ansatz der visuellen Suche aber allemal und insbesondere dann hilfreich, wenn geeignete Bezeichnungen für das gewünschte Produkt nicht bekannt sind.

Die Cloud-Lösung Cortexica der Gründer Anil Anthony Bharath und Jeffrey Ng ist seit 2008 als Spin-Off vom Bioengineering Department of Imperial College London am Markt und bezeichnet sich als Marktführer mit 95% Treffgenauigkeit "in real world situations". Zu den frühen Kunden zählt unter anderem macys.com. Cortexica bietet mit dem "Look Builder" auch ein Tool für Outfit-Empfehlungen. Zu den Features der Visual Search Solution zählen außerdem die Smart Search Box (Fotos können per Drag&Drop als Suchauslöser in die Suchbox gezogen werden), Auto Image Tagging für Produkt-Attribute, Auto-Kategorisierung von Produkten sowie die visuelle Suche in Videos. Für die Einbindung der visuellen Suche stehen automatisierte RESTful M-Commerce und E-Commerce APIs zur Verfügung.

Visuelle Suchtechnologien #3: Everybag als visuelle Produkt- und Preissuchmaschine für mobile Endgeräte

Bei Everybag handelt es sich um einen noch recht jungen Player. 2015 von den Geschwistern Anna Lukasson-Herzig und Markus Lukasson gegründet, hatte Everybag zunächst das Ziel, eine B2C-App zu entwickeln. Ziel dieser App war ein unabhängiger Warenkorb, mit dem sich über ein Foto entsprechende Produkte einkaufen ließen.

Anfang 2016 kam es allerdings zu einem Pivot des Geschäftsmodells und Everybag setzt den Fokus nun auf Image Matching (Bilderkennung) as a Service, gepaart mit dem Aufbau einer shopübergreifenden Produktdatenbank. Nutzer sollen Everybag somit als Suchmaschine verwenden können, um herauszufinden, wo und zu welchem Preis das fotografierte Objekt zu erwerben ist.

Everybag bündelt hierzu die eigenen Bilderkennungstechnologien (eigene Technologien, neuronale Netze und einfachere Algorithmen) mit verschiedenen Best-Practice-Ansätzen (beispielsweise Google Visions, ca. 60% eigene Technologien und 40% fremde). So sollen für den Kunden die bestmöglichen Ergebnisse erzielt werden. Ein weiterer wichtiger Unterschied zu anderen visuellen Suchen ist, dass Everybag die vom Kunden gemachten Produktfotos für die Verbesserung ihrer Machine Learning Algorithmen heranzieht und so das Matching stetig verbessert. Nach eigenen Aussagen liegt das Matching bei Fotos aus Katalogen oder Anzeigen bei 99%. Bei von Kunden gemachten Produktfotos aktuell bei ca. 60%. Mit der stetigen Verbesserung durch immer mehr Produktbilder strebt Everybag hier eine Quote von über 95% an. Nicht weniger ambitioniert ist die Vision von Everybag: Das Google und Amazon der visuellen Produktsuche zu werden.

Everybag hat bereits viele Unterstützer. Auch Google, selbst mit seiner Google Visions API am Start, gehört dazu. So ist Everybag eines der ersten deutschen Startups im Google-Startup-Programm und kann hier vor allem auf das riesige Knowhow im Bereich Softwarearchitektur zurückgreifen und natürlich die Infrastruktur der Google Cloud nutzen.

Aktuell liegt der Fokus von Everybag ganz klar auf B2B, die Berliner sehen sich in erster Linie als Technologieprovider. Zu den Kunden zählen bereits namhafte Unternehmen wie Lidl und Lufthansa Miles & More. Bei beiden ist Everybag in die App integriert.

Bei unseren Tests kamen wir zu unterschiedlichen Ergebnissen. Die autonome Demo-App Everybag funktioniert nahezu intuitiv. Vor allem bei Spirituosen und Medikamenten erzielten wir sehr gute Ergebnisse. Bei Getränken wie Mineralwasser oder Rhabarberschorle erhielten wir viele falsche Treffer, unter anderem primär auch alkoholische Getränke. Bei Drogerieprodukten waren die Ergebnisse sehr durchwachsen. Zu berücksichtigen ist allerdings, dass in der Demo-App die Erkennung nicht final trainiert und die Datenbank noch recht unvollständig ist.

Visuelle Suche nach Gin in der Everybag-App für Android

Visuelle Suche nach Gin in der Everybag-App für Android

Visuelle Suche nach Körpermilch in der Everybag-App für Android

Visuelle Suche nach Körpermilch in der Everybag-App für Android

Mit der Lidl-App verhält es sich ähnlich. Am besten funktionieren natürlich Produkte, die Lidl selbst im Online-Shop anbietet. Bei anderen Produkten aus dem Lebensmittelbereich werden zumeist gleichartige Treffer aus dem Lidl-Shop angezeigt.

Wer Everybag testen möchte, kann sich einfach die App auf dem iPhone oder dem Androiden installieren und selbst ein Bild machen. Wir werden Everybag mit einem Interview demnächst noch ausführlicher hier im TUDOCKBLOG vorstellen.

Über Hinweise auf weitere spannende visuelle Suchanbieter oder eigene Erfahrungswerte und Nutzerzahlen zum visuellen Suchanteil freuen wir uns.


[Das Everybag-Portrait haben wir am 15.04.2017 nach weiteren Infos von Anna aktualisiert und ergänzt. Die Stellen sind im Text kursiv markiert.]

Autor: Kategorie: E-Commerce
Schlagwörter: Produktsuche
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%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%3DYTowOnt9YTowOnt9YTo3OntzOjE2OiJjb21tZW50TGlzdEluZGV4IjthOjE6e3M6MzI6ImNpZHR4X25ld3NfZG9tYWluX21vZGVsX25ld3NfMjkwIjthOjE6e3M6MTA6InN0YXJ0SW5kZXgiO2k6MTU7fX1zOjE0OiJjb21tZW50c1BhZ2VJZCI7aTo5NjtzOjE2OiJjb21tZW50TGlzdENvdW50IjtpOjEwOTYxMjQyOTA7czoxMjoiYWN0aXZlbGFuZ2lkIjtpOjA7czoxNzoiY29tbWVudExpc3RSZWNvcmQiO3M6Mjk6InR4X25ld3NfZG9tYWluX21vZGVsX25ld3NfMjkwIjtzOjEyOiJmaW5kYW5jaG9yb2siO3M6MToiMCI7czoxMjoibmV3Y29tbWVudGlkIjtOO30%3D YTo1OntzOjExOiJleHRlcm5hbFVpZCI7aToyOTA7czoxMjoic2hvd1VpZFBhcmFtIjtzOjQ6Im5ld3MiO3M6MTY6ImZvcmVpZ25UYWJsZU5hbWUiO3M6MjU6InR4X25ld3NfZG9tYWluX21vZGVsX25ld3MiO3M6NToid2hlcmUiO3M6MTcwOiJhcHByb3ZlZD0xIEFORCBleHRlcm5hbF9yZWY9J3R4X25ld3NfZG9tYWluX21vZGVsX25ld3NfMjkwJyBBTkQgcGlkPTEyNCBBTkQgdHhfdG9jdG9jX2NvbW1lbnRzX2NvbW1lbnRzLmRlbGV0ZWQ9MCBBTkQgdHhfdG9jdG9jX2NvbW1lbnRzX2NvbW1lbnRzLmhpZGRlbj0wIEFORCBwYXJlbnR1aWQ9MCI7czoxMDoid2hlcmVfZHBjayI7czoxMzk6ImV4dGVybmFsX3JlZj0ndHhfbmV3c19kb21haW5fbW9kZWxfbmV3c18yOTAnIEFORCBwaWQ9MTI0IEFORCB0eF90b2N0b2NfY29tbWVudHNfY29tbWVudHMuZGVsZXRlZD0wIEFORCB0eF90b2N0b2NfY29tbWVudHNfY29tbWVudHMuaGlkZGVuPTAiO30%3D YToyOntpOjA7czoxNDk6IjxpbWcgc3JjPSIvdHlwbzNjb25mL2V4dC90b2N0b2NfY29tbWVudHMvcmVzL2Nzcy90aGVtZXMvdHVkb2NrL2ltZy9wcm9maWxlLnBuZyIgY2xhc3M9InR4LXRjLXVzZXJwaWMgdHgtdGMtdWltZ3NpemUiIHRpdGxlPSIiICBpZD0idHgtdGMtY3RzLWltZy0iIC8%2BIjtpOjk5OTk5O3M6MTUxOiI8aW1nIHNyYz0iL3R5cG8zY29uZi9leHQvdG9jdG9jX2NvbW1lbnRzL3Jlcy9jc3MvdGhlbWVzL3R1ZG9jay9pbWcvcHJvZmlsZWYucG5nIiBjbGFzcz0idHgtdGMtdXNlcnBpY2YgdHgtdGMtdWltZ3NpemUiIHRpdGxlPSIiICBpZD0idHgtdGMtY3RzLWltZy0iIC8%2BIjt9
Bitte bestätigen Sie
Nein
Ja
Information
Ok
Vorschau wird geladen ...
* Pflichtfeld
Ihr Kommentar ist eine Antwort auf den folgenden Kommentar

Wir behalten uns vor, Kommentare zu löschen, beispielsweise wenn sich diese nicht auf den Beitrag beziehen, zur Eigenwerbung missbraucht werden, persönliche Daten anderer enthalten, diskriminieren, beleidigen oder Rechte verletzen.

Datenschutzhinweis: Wenn Sie einen Kommentar oder sonstigen Beitrag in unserem Blog hinterlassen, speichern wir neben Ihren Angaben Ihre IP-Adresse. Darüber hinaus können Sie die Beiträge und Kommentare unseres Blogs abonnieren. Das Kommentarabonnement können Sie jederzeit abbestellen. Weitere Informationen finden Sie in unserer Datenschutzerklärung.

E-Commerce & Webentwicklung: Wir realisieren und optimieren Internetprojekte. Unser Fachgebiet sind Onlineshops, Rich Internet Applications und anspruchsvolle Onlineauftritte. Über unsere Arbeit schreiben wir. Hier im Blog von TUDOCK.