SV
Anslut din AI-agent

Lägg till Hello Retail i din AI-assistent

För Hello Retail-kunder: Kopiera adressen och lägg till den som connector i Claude, ChatGPT eller Codex.

MCP-adress

https://core.helloretail.com/mcp

Inte kund än?MCP kräver en Hello Retail-inloggning. Berätta vad du vill bygga.

Låt oss prata
Låt oss prata

Product Intelligence – En produktinriktad möjlighet inom AI

Hello Retail·January 10, 2023·5 min read

Ett paradigmskifte är på väg, och vi befinner oss i AI-framkant när det gäller denna förändring.

Vi har utvecklat en toppmodern prognosprogramvara för detaljhandeln.

detta är

Något nytt

Med fokus på fullständigt integritetsskydd har vi utvecklat en toppmodern prognosprogramvara för detaljhandeln. Detta nya, intelligenta system bygger på en uppsättning AI-modeller och utnyttjar miljontals produkter, miljarder interaktionspunkter och biljoner datakombinationer. Vi kallar det Product Intelligence.

Hello Retails programvara omvandlar produktinformation till vektorer av bitar och byte – en serie siffror – och identifierar samband och likheter. Denna information används för att träna våra AI-modeller i produktförståelse och produktkännedom, vilket ger ett stort mervärde för alla professionella butiksägare, oavsett om det rör sig om traditionell handel med fysiska butiker eller fullskaliga e-handelsföretag.

Product Intelligence har blivit grunden för vårt produktutbud och lägger grunden för affärsutvecklingen inom framtidens handel. Vår banbrytande AI förbättrar kund- och shoppingupplevelserna, ger värdefulla branschinsikter och hjälper till att utforma produktstrategier för marknadsföring, kundvärvning och kundbevarande. En helhetslösning som utgör en viktig byggsten i er affärsstrategi.

Läs mer

Hello Retail är specialiserat på personalisering och optimering inom e-handel. Vårt produktutbud syftar till att skapa den bästa online-shoppingupplevelsen och ge en solid grund för affärsbeslut.

En personaliseringsmotor har alltid utgjort kärnan i våra produkter. Den har hittills utvecklats på ett traditionellt och konventionellt sätt, men nu är vi på väg att vända upp och ner på den världen! Eller kanske – vända den ut och in.

Vår resa började för över tio år sedan. Under lång tid följde vi en beprövad metod för att utveckla programvara för personalisering, som innefattade användarspårning och maskininlärning baserat på enskilda användares specifika beteenden.

Med den traditionella metoden behövde vi använda spårning via cookies för att följa individen genom en lång rad produktbesök, övervaka intressen och andra köpmönster. Om jag till exempel letade efter vita sneakers i en butik skulle vi betrakta mig som en besökare som tittade på olika produkter, registrera den informationen i vårt system och analysera vad jag skulle kunna titta på härnäst som en del av den långa kedjan i produktbesökarens resa.

Skärmdump 2023-01-06 kl. 13.11.04

Därför var vi tvungna att hålla kvar besökaren i butiken och sätta en ”krok” på hen – en inbyggd och exklusiv spårningscookie. Denna cookie skulle användas för att visa hen produkter under resten av besöket. På sätt och vis liknar det upplevelsen av att följas över olika plattformar av samma annons för en specifik produkt bara för att man tittade på den en gång – i mitt fall samma vita sneakers vart jag än gick!

Och sedan, i början av 2016, enades Europeiska rådet om dataskyddsförordningen. GDPR syftade inte till att lägga hinder i vägen för företag som bedriver spårning, utan antogs för att skydda integriteten på internet, och det var något som vi kunde ställa oss bakom.

Vi har alltid ansett att vi måste ta ställning och uppnå vårt mål att tillhandahålla programvara för e-handelsoptimering som till 100 % uppfyller kraven på integritetsskydd – genom att göra saker på ett annorlunda sätt.

Vi insåg att programvaran för e-handelsoptimering måste utvecklas på ett nytt och innovativt sätt utan att det går ut över den personliga känslan och upplevelsen av att besöka en välkänd butik.

Vända upp och ner på världen

Att utveckla optimeringsprogramvara på nya sätt

Men eftersom vi tillhandahåller en mjukvarulösning var vi tvungna att tänka annorlunda, och det är inte så enkelt som det kan verka att få en maskin att förstå det som en människa lätt skulle dra slutsatsen om.

Tänk dig situationen när du går in i en modebutik i köpcentret och försäljaren betraktar dig när du kommer in. Hon lägger först märke till ditt allmänna uppträdande – tar du ögonkontakt? Är du här för ett specifikt syfte, eller tittar du bara runt? Vilket klädmärke bär du? Är det dyrt eller inte? Dessa, tillsammans med olika andra subtila eller mer exakta detaljer, utgör hennes första intryck av dig.

Hon kommer att använda all information hon har för att bedöma dig och ta reda på hur hon kan ge dig den bästa möjliga kundupplevelsen – och förstås för att få dig att handla hos henne.

Hon vet inte bara vad hon ska föreslå eller svara på, utan också hur hennes varor passar bra ihop. Hon vet vad som är populärt, vad hon tror ligger i trend bland hennes kunder, vilken produkt som oftast säljer bäst och vilka produkter som bör presenteras senare i försäljningsprocessen. Det är alla dessa beslut som gör henne till en expert inom sitt område.

Det mänskliga sinnet är ett fantastiskt underverk, och det bearbetar och drar slutsatser på millisekunder utifrån den information som kommer in via våra sinnen.

Det är verkligen en perfekt liknelse på hur vi strävar efter att ta fram de bästa möjliga lösningarna för ert företag. Vi utvecklar vår programvara på ett sätt som underlättar och hittar de bästa produkterna att presentera för varje kund i alla tänkbara sammanhang.

Vi vill utgöra en stabil datagrund för att utforma rätt strategi för din handelslösning, oavsett om det gäller e-handel eller en fysisk butik. Vi utvecklar algoritmer och AI-modeller som efterliknar samma expertis som butiksägaren bakom disken i din lokala butik har, men med erfarenheten från tusen butikschefer.

Vi lyckades genom att utveckla det vi kallar ”Product Intelligence” – äkta artificiell intelligens.

Som beskrivits tidigare kopplades tidigare all information om produktvisningar och köp till användarens profil. När jag alltså tittade på de vita sneakersen kopplades den produktvisningen till min användarprofil i vårt system. Med ”Product Intelligence” vänder vi nu på det hela och kopplar allt till produkten istället för till användaren.

Precis som försäljaren i den ovan beskrivna modebutiken lade märke till varje liten detalj när du klev in i butiken, så använder även vi oss av en allt större mängd anonyma databeacons, spårningsinformation och parametrar. Allt för att träna en AI-modell att lära sig av och förstå beteendet, och istället för att koppla kunskapen till användaren kopplar vi alla datapunkter till själva produkten. Detta bildar en kollektiv kunskap mellan och i skärningspunkten mellan produktrelationer – och används för prediktiva algoritmer och insikter.

Product Intelligence är den nya AI-grunden i vårt erbjudande. Det är motorn som lägger den nya grunden för alla våra lösningar – både befintliga och framtida. Vi använder Product Intelligence för att avgöra vilka produkter som ska rekommenderas till besökarna, anpassa deras sökupplevelser och tillhandahålla unika insikter som är värdefulla för alla e-handelsbutiker.

PI Mindmap

Så, vad är det här?

Grunden för Product Intelligences består av vår viktigaste byggsten – produkterna i våra kunders lager. Vi har miljontals produkter i vårt system, alla placerade i separata avdelningar för varje butik, men när vi betraktar dem ur ett övergripande perspektiv börjar vi lära oss. Vi använder denna kunskap för att automatiskt förbättra AI:n och bli klokare. Detta innebär inte att någon kundspecifik produktinformation återanvänds hos andra kunder – utan det innebär snarare att du, precis som när du till exempel blir en mer erfaren människa och tränar din hjärna att förstå din omgivning, får den intelligens som krävs för att fatta beslut.

För att kunna utveckla ”Product Intelligence” måste vi först förstå våra byggstenar (produkterna) på nya sätt – inte bara som en produktbild, en titel och ett pris. Det är viktigt att bygga en maskin som ser dem på samma sätt som en människa skulle göra, men på ett sätt som en maskin kan förstå – i form av bitar och byte.

Vår framgång har bestått i att utveckla en exakt metod för att omvandla faktiska produkter till vektorer. En vektor är enkel matematik och består egentligen av en rad siffror som kan uttryckas i ett koordinatsystem, där storlek och riktning anges, och det som är särskilt viktigt är att den befinner sig i samma koordinatsystem som andra vektorer. **Med andra ord blir det enklare att identifiera andra liknande produkter, närbesläktade produkter eller produktgrupper i fler dimensioner. Vektorrepresentationer i detta sammanhang kan betraktas på samma sätt som man förstår DNA i den verkliga världen – även om man inte kan återskapa en produkt utifrån en vektor (som man kan med levande organismer utifrån DNA inom avancerad genetik), kan man ändå känna igen likheter.

Låt oss ta ett exempel. – Om du tar två DNA-strängar och jämför dem kan du se att de båda kommer från ett fyrbent djur **, vilket ger dig information om varifrån denna DNA-sträng härstammar – på samma sätt kan vi se att två vektorer i vårt system är av samma produkttyp, till exempel en bärbar dator.Om vi dessutom zoomar in på detaljerna kan vi kanske se att de DNA-strängar vi undersöker inte bara kommer från ett fyrbent djur, utan faktiskt från en 8-årig vit katt. Det vet vi eftersom vi kan jämföra DNA-strängar – återigen kan vi på samma sätt se närmare likheter i vårt vektorsystem, så att de två vektorerna som nämndes tidigare representerar en specifik MacBook Pro-bärbar dator i rymdgrått.

Vi har alltså möjlighet att se båda produktgrupperna med allmänna parametrar och egenskaper, och vi kan zooma in och jämföra för att få en mer detaljerad bild. Detta är särskilt viktigt när man vill identifiera liknande produkter för att säkerställa att kunskapen kan återanvändas.

Det här är verkligen en av våra största framgångar, eftersom de uppgifter vi har om en viss produkt ofta inte är fullständiga när det gäller den faktiska produktinformationen – kanske saknar vi ett specifikt produktnummer, kanske saknar vi en bra beskrivning, kanske är bilden inte tillräckligt bra – men precis som en människa skulle sätta ihop bitarna och identifiera produkten, kan vårt system göra detsamma. Avancerad genetik kan rekonstruera hela DNA-strängar utifrån små, skadade DNA-sekvenser, och vi kan göra precis samma sak för produkter och vektorer – även om vi bara har mycket begränsad produktinformation kan vi översätta den till en motsvarande vektor och placera den mycket exakt på vår karta, och på så sätt skapa en fullständig förståelse av produkten

När detta tillämpas på miljontals produkter,

kan vi utveckla verklig produktintelligens.

Hjärnan – Product Intelligence

Låt oss gå ett steg djupare för att bättre förstå produktintelligens

Product Intelligence är en AI-motor som simulerar hur den mänskliga hjärnan fungerar, med inriktning på e-handels- och personaliseringsbranschen.

På ett något förenklat plan kan man se den mänskliga hjärnan som ett komplext nätverk bestående av en enorm mängd noder – nervcellerna. Dessutom är nervcellerna kopplade till varandra via nerver, så att de kan utbyta information och utföra komplexa uppgifter genom samarbete. Det visar sig att vi kan använda nästan samma språk för att beskriva vår Product Intelligence-motor. Detaljerna är dock ganska invecklade, och vi ska därför bryta ner dem i lättsmälta bitar i det följande.

Enkelt uttryckt är neuronerna i vår ”Product Intelligence” helt enkelt produkter från alla våra kunder, dvs. vektorer, och nerverna förmedlar all information om hur olika produkter – antingen från en enskild butik eller från en hel bransch – hänger ihop med varandra. Ett grundläggande problem med detta naiva tillvägagångssätt är branschens extremt höga föränderlighet, där produkterna uppdateras nästan konstant. Det är därför meningslöst att hålla reda på varje enskild produkt. Istället syftar vår motor till att lära sig mönster med hjälp av följande strategi.

Själva neuronen kan ses som ett litet moln eller kluster av produktvektorer som är nära varianter och som är de allra senaste.

I vårt sammanhang kan en neuron till exempel vara en samling MacBook Pro-datorer i färgerna vitt, svart eller guld. Här finns det två viktiga saker att tänka på:

  • Vektorer i en enskild neuron kommer inte nödvändigtvis från en och samma butik. Till exempel kommer exakt samma MacBook från två olika butiker tekniskt sett att vara olika produkter, men de tillhör samma neuron.

  • Storleken på en neuron är inte fastställd på förhand. Den bör tvärtom anpassas efter den uppgift man vill utföra. Om uppgiften till exempel är att analysera trenden för Apples produkter på elektronikmarknaden, bör man skala upp neuronen så att den omfattar alla MacBook Pro-modeller, oavsett exakta versioner eller specifikationer, för att få en helhetsbild. Om uppgiften däremot är att rekommendera tillbehör till en kund som redan har en specifik MacBook i varukorgen, bör neuronets storlek skalas ned för att exempelvis hitta de kablar och den externa hårdvara som är mest kompatibla med just den modellen.

Låt oss sätta igång nervcellerna

Nu ska vi prata om nerverna i motorn som väcker nervcellerna till liv.

Precis som i den mänskliga hjärnan finns det i detta sammanhang olika typer av nerver, som är utformade för att hantera olika uppgifter.

I vårt scenario finns det till exempel en typ av nerv, som kan kallas ”tillbehörsnerven”, och den har till uppgift att identifiera produkter som vanligtvis köps tillsammans.

Föreställ dig en kund som tittar på en kaffemaskin. Då aktiveras en Product Intelligence-neuron som kallas ”kaffemaskin” (dvs. en grupp mycket likartade kaffemaskiner, till exempel från samma tillverkare inom samma modell) och skickar ut signaler via tillbehörsnerven för att aktivera ett antal andra neuroner som troligen kallas ”kaffebönor”, ”kaffefilter” och så vidare.

Låt oss nu anta att vår kund har lagt en kaffemaskin i varukorgen och gått vidare till ett visst märke av kaffebönor. I det här scenariot aktiveras både kaffemaskin-neuronen och kaffebönor-neuronen, och tillsammans sänder de ut nya och potentiellt starkare signaler mot kaffefilter och muggar, och så vidare.

Andra typer av nerver skulle potentiellt kunna vara ”alternativa produkter”, ”tillägg vid kassan” osv.

Så i vår analogi med den mänskliga hjärnan är nerverna i själva verket algoritmer som använder produktvektorerna för att utföra de nödvändiga uppgifterna.

En annan viktig punkt att lyfta fram här är att även om varje uppsättning algoritmer i motorn har sin egen funktionalitet, kan de kombineras för att utföra mer komplexa uppgifter. Om en butik till exempel vill förbättra klickfrekvensen, konverteringsgraden eller någon annan relevant mätparameter, kan motorn samtidigt sätta igång flera algoritmer och genom kontinuerliga förbättringar hitta den bästa kombinationen för uppgiften.

Här är några exempel på hur Product Intelligence, som är en del av vår oändliga lista över funktioner, kan användas.

  • Ger insikter om vilka typer av produkter som fungerar bra inom olika branscher och kundsegment. Till exempel: Ser vi inom er bransch en högre konverteringsgrad för produkter som kostar över 100 $ eller under? Hur ofta köps specifika produkter eller produktgrupper? Vilka typer av produkter säljer bäst på hösten jämfört med våren? Vilken produkt skulle vara bäst att marknadsföra i ett nyhetsbrev, som rekommendation på förstasidan eller på en landningssida?
  • Att ge företagare råd om vilka produkter de bör se till att ha i lager för att skapa bättre möjligheter till merförsäljning. ”Vi ser att andra kunder i vårt system uppnår bättre resultat genom att sälja skosnören – du borde lägga till det i ditt lager!”
  • Analys av livstidsvärde för att identifiera den bästa möjliga produkten att sälja som nästa steg i syfte att maximera livstidsvärdet för nyförvärvade kunder – Studier visar att livstidsvärdet varierar kraftigt beroende på vilken produkt kunden köper som den första när hen besöker butiken för första gången – detta är särskilt viktigt i marknadsföringssammanhang – hitta de produkter som ska marknadsföras och köpas först för att skapa lojala kunder med högsta möjliga livstidsvärde
  • Prognosverktyg – till exempel prognoser för kundbeteende kring produkter, varumärkesprognoser för olika branscher, prissättningsutmaningar i samband med kampanjer samt lagerhantering
  • Branschens bästa motorer för rekommendationer, sökning och produktmarknadsföring – tillgängliga via API:er eller genom vårt lösningsutbud – alla baserade på vår ”Product Intelligence”.

Sist men inte minst utvecklas vårt system genom att lära sig av sig själv och styrs av kontinuerliga tester för att bli bättre och bättre. Precis som vi beskrev tidigare – ju mer vi lär oss som människor, desto bättre blir vi på att fatta beslut i andra situationer.

När det gäller människor bygger man upp kunskap och övar ständigt på sina färdigheter. Kärnan i vår produktintelligens utgörs av de tester som vi kontinuerligt genomför för att mäta prestanda i verkliga situationer och hur väl våra produkter uppfyller kundernas behov.

Å ena sidan uppdateras både neuronerna och nerverna regelbundet utifrån det kontinuerliga flödet av data från våra kunder, vilket gör att systemet hela tiden håller sig à jour med marknadstrenderna. Å andra sidan optimeras de interna strategier som Product Intelligence-motorn använder för att uppnå olika affärsmål – genom att aktivera och samordna kombinationer av nerver – kontinuerligt genom att resultaten från testerna utvärderas.

Allt detta implementeras naturligtvis i våra produkter, såsom produktrekommendationer, sökfunktioner och Pages, men det kommer även att finnas tillgängligt som en fristående ingångspunkt via ett välbeskrivet affärs-API.

Det här är vad vi kallar ”Product Intelligence” – det är detta som vi tror kommer att förändra branschen fullständigt i framtiden och ge den ett helhetsperspektiv. Vi har det redan idag som en central del av vårt system, där det används både i de produkter vi erbjuder på marknaden och som en viktig byggsten i tredjepartssystem, särskilt för affärsutveckling på den globala handelsmarknaden som helhet – om du vill veta mer om vårt tillvägagångssätt, hör gärna av dig så snart som möjligt.

Vi klarade det!!!