# E-handelns framtid

> Hello Retail avslöjar en genomgripande förändring i hur företagets lösningar för e-handel fungerar, tack vare en ny AI-baserad strategi.

**Author:** Hello Retail
**Published:** January 23, 2023
**Tags:** Product Intelligence

---

Hos Hello Retail har vi arbetat med en genomgripande förändring av hur våra lösningar fungerar, och nu är vi äntligen redo att berätta mer om detta. Om du inte redan har gjort det rekommenderar jag att du läser vår VD:s inledande **[inlägg](/en/blog/2023-01-10-a-paradigm-shift/)** om den nya inriktningen. Först lite bakgrundsinformation.

## Förändringar på marknaden

Vi har alla märkt den allt tydligare förändringen på marknaden, där användarna blir allt mer medvetna om vikten av integritet. Behovet av integritet kan ha många orsaker, varav en troligen är de dominerande aktörerna inom sociala medier som historiskt sett har missbrukat datainsamlingen. Utöver den förändrade inställningen hos konsumenterna har lagstiftarna tagit ställning för integriteten genom att införa GDPR.

Webbläsartillverkarna anpassade sig till förändringen genom att ta bort stödet för tredjepartscookies. Detta gjorde det i sin tur svårare att spåra användare över olika domäner, och den kortare livslängden för cookies påverkade hur länge man kunde identifiera varje användare.

Det finns ingen anledning för användarna, lagstiftarna eller webbläsartillverkarna att inta en mindre bestämd hållning när det gäller användarnas integritet – den är här för att stanna.

Även om användarna inte vill bli spårade förväntar sig många ändå personliga rekommendationer som ger relevanta produktförslag.

Med tanke på dessa förändringar som påverkar marknaden finns det två sätt att hantera situationen: Antingen följa reglerna eller leka katt och råtta med användarnas önskemål om integritet. Det senare kan ske genom **[fingeravtrycksspårning](https://www.mozilla.org/en-US/firefox/features/block-fingerprinting/)**, vilket ibland kallas spårning utan cookies. Kom ihåg att fingeravtryck eller spårning utan cookies inte gör att du kan kringgå cookielagstiftningen. Kunderna måste fortfarande godkänna dina cookies för att du ska kunna spåra dem. Cookielagstiftningen handlar inte om den tekniska åtgärden att lägga till en cookie, utan om spårning av individer, även om detta sker på andra sätt än genom användning av cookies.

Hos Hello Retail har vi beslutat att välja det förstnämnda alternativet och respektera kundernas önskemål och oro när det gäller integritet. Vi bygger vidare på vår vision att erbjuda en helt anonym lösning som samtidigt fortsätter att anpassa e-handelsupplevelsen efter varje enskild kund.

<div style="display: Flex; flex-wrap: Wrap; gap: 2rem; justify-content: Center; align-items: Flex-start; margin: 2rem 0;">
  <div style="flex: 1; min-width: 180px; max-width: 220px; text-align: Center;">
    <h3 style="margin-bottom: 0.75rem;">Personalization Solutions Today</h3>
    <img src="/images/blog/the-future-of-ecommerce/pers_sol_today_pie_1.svg" alt="Personalization solutions today" style="max-width: 200px; width: 100%; height: Auto; display: Block; margin: 0 auto;" />
  </div>
  <div style="flex: 1; min-width: 180px; max-width: 220px; text-align: Center;">
    <h3 style="margin-bottom: 0.75rem;">Hello Retail</h3>
    <img src="/images/blog/the-future-of-ecommerce/hr_userintel_pie_1.svg" alt="Hello Retail user intelligence" style="max-width: 200px; width: 100%; height: Auto; display: Block; margin: 0 auto;" />
  </div>
</div>

Historiskt sett har personalisering inom e-handeln byggt på spårning av användarbeteende, vilket ger fantastiska resultat när kunderna tillåter det – men vi har hittat ett bättre sätt. Vi tror att den verkliga magin uppstår när man förstår hur produkter hänger ihop och berikar denna kunskap med användarinformation. Det innebär att vi har en fullfjädrad, integritetsmedveten lösning där vi, när det är tillåtet, kan lägga till ett lager av beteendedata.

**Product Intelligence-motor och vektordatabaser**

[Product Intelligence](/en/product-intelligence/)-motorn är en av våra grundläggande tekniker som hjälper oss att förstå produkter och hur de hänger samman med hjälp av avancerade algoritmer som stöds av en avancerad vektordatabas.

Det finns många olika typer av produktrelationer, varav de vanligaste är:

- Produkter som hör ihop
- Produkter som passar bra ihop (köps ofta tillsammans)
- Inköpsorder för produkter (vad kommer kunderna att köpa härnäst)

Att förstå de olika produktrelationerna lägger grunden för att kunna erbjuda en personlig upplevelse som bygger på produktkunskap istället för enbart beteendedata. Mer om detta strax.

Som tidigare nämnts utgör en enorm vektordatabas kärnan i Product Intelligence-motorn. Databasen är särskilt bra på att hitta likheter mellan datapunkter i ett flerdimensionellt utrymme.

När vi lägger in nya produkter i vårt system omvandlar vi först alla till vektorinbäddningar med hjälp av flera AI-modeller. När de väl har omvandlats till inbäddade vektorer analyserar vi produktvektorerna i flera dimensioner för att identifiera likheter och kartlägga deras köprelationer.

## Inköpsrelationer

Ett förenklat exempel visas på bilden bredvid. Relaterade produkter är produkter som ligger nära den produkt du tittar på. På exempelbilden kan du se de olika skorna som omger huvudskorn (den stora på bilden). Skorna som omger huvudprodukten kan vara varianter eller liknande produkter.

Det är viktigt att notera att man vid skapandet av de inbäddade vektorerna inte bara kan jämföra SKU:er när man försöker identifiera liknande produkter, och detta beror på två huvudsakliga skäl:

- Inte alla produktflöden innehåller SKU-nummer/EAN-nummer
- Det kommer endast att visa produkter som är exakt likadana

![Tabell över relaterade produkter 1](/images/blog/the-future-of-ecommerce/related-product_chart1.svg)

Den andra punkten är inte idealisk, eftersom produkter inte behöver vara identiska för att ha gemensamma egenskaper. Ett exempel är om du köper en iPhone 13 med 512 GB lagringsutrymme – den har ett SKU-nummer, men en annan iPhone 13 med 256 GB lagringsutrymme kan ha ett annat. I de flesta fall bör dessa identifieras som liknande produkter. Det finns två viktiga fördelar med detta:

- Dessa produkter blir alternativ till varandra, eftersom deras egenskaper är likartade.
- Vi kan utnyttja de samlade uppgifterna från båda källorna på ett bättre sätt för att rekommendera bättre tilläggsförsäljningsprodukter. Ju mer data man har om köpbeteendet, desto bättre blir resultatet. I det här fallet spelar det ingen roll hur mycket lagringsutrymme iPhone har, och genom att använda likheter för att kombinera köpmönstren kan vi stödja detta med mer träffsäkra förslag på tilläggsförsäljning.

## Att göra Product Intelligence-motorn global

Om vi bara tittade på produktdata från varje butik skulle många inte ha tillräckligt med datapunkter för att ge AI:n den insikt som krävs för att bli tillräckligt smart och kunna identifiera sambanden på bästa sätt. Lyckligtvis kan vi, genom att förstå relaterade produkter på ett övergripande plan, även upptäcka köpmönster på en högre nivå och utnyttja denna information till förmån för alla våra kunder. Det innebär också att ju fler kunder som ansluter sig till plattformen, desto bättre och smartare blir lösningen för alla.

\*Ansvarsfriskrivning:
Som kund hos Hello Retail äger du alla dina uppgifter och kan när som helst begära att de raderas. Vi garanterar att ingen personligt identifierbar information eller prisinformation delas mellan kunder. Produkterna i vårt system lagras som koordinater i en vektordatabas. Vektorerna kopplas samman med andra vektorer för att exempelvis ta reda på vilka produkter som har köpts tillsammans. Alla vektorinbäddningar är hashade, vilket innebär att även produkterna är anonyma, eftersom det inte går att återupprätta en produkt utifrån dess vektorrepresentation. \*

![Tabell över relaterade produkter 2](/images/blog/the-future-of-ecommerce/related-product_chart2.svg)

Med Global Product Intelligence Engine innebär det också att du kommer att se betydligt bättre resultat från dina språkspecifika webbplatser än om du använde en traditionell personaliseringstjänst som enbart bygger på beteendespårning. Anledningen är att de konventionella leverantörerna inte har tillräckligt med data om dina mindre språksajter för att kunna presentera tillfredsställande resultat. Dessutom identifierar vår ”Product Intelligence Engine” de olika produkterna i dina butiker, vilket innebär att din huvudbutik bidrar till att skapa bra köprelationer till exempelvis dina språkdomäner.

## Product Intelligence kan revolutionera förutsägelserna av användarnas preferenser

Product Intelligence-motorn har inte bara utvecklats för att stärka våra rekommendationslösningar – vi använder den även för att förutsäga användarnas beteende och tillämpa dessa insikter i alla lösningar vi tillhandahåller.

När Hello Retail startade fungerade våra spårningslösningar med hjälp av tredjepartscookies. Cookies bidrog till att skapa en användarprofil för varje besökare över flera webbplatser, vilket gjorde det möjligt att erbjuda den besökaren en anpassad upplevelse redan vid det första besöket. Som en del av detta samlade vi in alla produktegenskaper och definierade en profil över användarens preferenser.

En affinitetsprofil är en användarprofil som visar användarens främsta intressen och preferenser – se t.ex. bilden nedan.

![Blogg för tjejer 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **VARUMÄRKEN:** Nike, Adidas, Champion
- **Kategori:** Skor, Skjortor
- **Storlekar:** MEDIUM
- **KÖN:** KVINNA

Eftersom webbläsare blockerar tredjepartscookies skapas användarprofiler för den enskilda webbplatsen istället för över flera webbplatser. För att uppnå tillfredsställande resultat när det gäller personalisering behövs mer data för att ta fram dessa profiler och göra träffsäkra förutsägelser.

Med hjälp av Product Intelligence-motorn kan vi nu skapa denna profil över användarens preferenser utan att veta vem du är, genom att utgå från en enda produkt som du har tittat på. Det innebär att vi, samtidigt som vi respekterar kundernas krav på integritet, ändå kan erbjuda besökarna en förstklassig personaliserad upplevelse genom att utnyttja vår kunskap om samband mellan olika produkter.

## Hur den nya användaraffiniteten används för kategori- och varumärkessidor

Om du tittar på en produkt, till exempel Nike-skor, kan vi använda vår ”Product Intelligence Engine” för att se att de passar bra ihop med Adidas-tröjor och Under Armour-shorts. Genom att titta på just den produkten vet vi vilka preferenser du kanske har.

Om den aktuella användaren sedan går till en kategorisida för skor kommer vi – enbart utifrån vilken enskild produkt användaren har tittat på – att kunna prioritera följande varumärken: **1. Nike, 2. Adidas, 3. Under Armour**

![Blogg för tjejer 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **VARUMÄRKE:** Nike
- **Kategori:** Skor

![Blogg för tjejer 1024x935](/images/blog/the-future-of-ecommerce/girl_user_blog-1024x935.webp)

- **VARUMÄRKEN:** Nike, Adidas, Under Armour
- **Kategori:** Skor, skjortor, shorts

Den beskrivna interaktionen förbättrar personaliseringsupplevelsen för, i detta fall, vår produkt Pages när det finns mycket lite information om besökaren. Personaliseringen utifrån användarnas intressen fungerar naturligtvis bra tillsammans med våra [boosts](https://support.helloretail.com/t/35h5hsg/introduction-to-pages#product-order-amp-boosts).

OBS: Detta exempel är naturligtvis förenklat. Användarens preferenser är betydligt mer komplexa, och de olika attributens och värdenas prioritet är inte lika viktig.

## Visa mig statistiken

Innan vi lanserade vår nya algoritm för ”bought-together”, som bygger på vårt globala perspektiv i vektorrummet, genomförde vi ett A/B-test på rekommendationer för merförsäljning för att säkerställa att resultaten var i nivå med eller bättre än den äldre algoritmen. Resultaten var häpnadsväckande – våra kunder upplevde i regel följande:

| Metriska mått                            | Värde             |
| ---------------------------------------- | ----------------- |
| Ökning av klickfrekvensen                | **upp till 30 %** |
| Ökning av konverteringsgraden            | **upp till 2x**   |
| Ökning av det genomsnittliga ordervärdet | **upp till 73 %** |

Det är ett tydligt tecken på att man genom att analysera den samlade kunskapen från tusentals butiker och tillämpa dessa insikter på den specifika webbutiken kan förbättra prestandan avsevärt.

Efter att ha uppnått dessa resultat införde vi den förbättrade algoritmen för alla kunder.

## AI + människa

AI-tekniken kan visserligen tolka stora datamängder, men den kommer inte att vara perfekt i alla fall. De som påstår något annat ljuger. Vi vill se till att våra kunder fortsätter att ha kontroll över sina resultat. När det gäller rekommendationer har vi lagt till ”Alternativ” och ”Köps ofta tillsammans” som två grundläggande algoritmer som kan anpassas efter ens mål. Ett användningsfall kan till exempel vara att prioritera produkter som ofta köps tillsammans från dina egna varumärken framför andra varumärken. Kort sagt: Även om vår AI ständigt förbättras har du fortfarande kontrollen om du vill justera resultaten.

## Det här är bara början

Genom att förstå den samlade produktkatalogen för alla våra över 2 000 kunder kan vi dra slutsatser från olika branscher som sedan kan användas gemensamt. Vi kan se vilka produktgrupper och varumärken som kan komma att väcka ökat intresse. Fler **[insikter](/en/blog/2022-05-22-announcing-insights/)** kommer att följa, liksom fler blogginlägg som beskriver hur denna teknik redan används i våra lösningar, såsom Sök, Rekommendationer och Pages, samt vilken inverkan den har haft.

## Gå med hos oss

Vi är övertygade om att e-handelns framtid ligger i att förstå samband mellan produkter och respektera användarnas integritet för att kunna erbjuda smarta, anpassade och regelöverensstämmande lösningar. Vi hoppas att du vill följa med oss på denna spännande resa!

---

*This content is from the Hello Retail blog. For the full experience with images and formatting, visit [helloretail.com/sv/blog/2023-01-23-the-future-of-ecommerce](https://helloretail.com/sv/blog/2023-01-23-the-future-of-ecommerce)*
