Chapter: AI-landskapet och Product Intelligence · 0:37–2:35
AI-landskapet och Product Intelligence: Hur Hello Retail bygger sin grund för personalisering
AI har varit en del av Hello Retails plattform ända sedan företaget grundades, och under de senaste fem åren har ett dedikerat internt team ägnat sig uteslutande åt att utveckla egna AI-modeller. Kärnan i detta arbete är ”Product Intelligence” – en helhetsmodell som kombinerar text- och bildsignaler för att förstå produkter ur ett produktfokuserat perspektiv. Den ligger till grund för nästan alla funktioner som Hello Retail levererar, från rankade rekommendationer till personaliserade sökresultat.
Varför kundernas förväntningar fortsätter att stiga
Två ord dominerar just nu alla diskussioner om e-handel: Artificiell intelligens. Det tryck som detta skapar för nätbutikerna är påtagligt och mätbart. Enligt Salesforces rapport ”State of the Connected Customer” säger 88 % av kunderna att den upplevelse ett företag erbjuder är lika viktig som dess produkter och tjänster. I takt med att AI-modellerna blir bättre på att tolka individuella preferenser börjar kunderna förutsätta att varje butik, varje sökresultat och varje rekommendation redan vet vilka de är.
Den praktiska konsekvensen är att personalisering har gått från att vara en konkurrensfördel till att bli en grundläggande förväntning. En undersökning från McKinsey visade att 71 % av konsumenterna förväntar sig att företag ska erbjuda personaliserade interaktioner, och 76 % uppger att de blir frustrerade när så inte sker. För aktörer inom e-handel handlar frågan numera mindre om huruvida man ska personalisera och mer om hur väl de underliggande modellerna faktiskt förstår sortimentet.
Product Intelligence – ett femårigt utvecklingsprojekt
Hello Retails svar på den utmaningen inleddes långt innan generativ AI blev ett vanligt samtalsämne. Under de senaste fem åren har ett internt team ägnat sig uteslutande åt att utveckla egna AI-modeller. Det viktigaste resultatet av detta ihärdiga arbete är Product Intelligence.
Product Intelligence betraktar världen ur ett produktperspektiv. Istället för att tillämpa en enda modell på alla signaler utgår den från flera underliggande modeller som samverkar: Textmodeller som bearbetar produktbeskrivningar, reklamtexter och attribut, tillsammans med bildmodeller som tolkar visuella signaler från produktfotografier. Resultatet blir en rikare och mer helhetsinriktad bild av varje produkt – en bild som plattformen kan tolka i sitt sammanhang och därigenom förstå köpmönster, naturliga kombinationer och placering i katalogen på ett sätt som varken text eller bild ensamt skulle kunna möjliggöra.
Denna skiktade arkitektur är viktig eftersom verkliga produktkataloger ofta är oöverskådliga. En rubrik i sig räcker inte för att visa om en löparsko är avsedd för terräng eller väg. En bild i sig räcker inte för att förmedla att en jacka är helt vattentät. Genom att kombinera olika informationskällor skapar ”Product Intelligence” en helhetsbild av varje produkt som speglar hur kunderna faktiskt upplever den, vilket går utöver den statiska beskrivningen som registrerades vid importtillfället.
Vad Product Intelligence-tekniken egentligen möjliggör
Product Intelligence fungerar som den gemensamma grunden för nästan allt som Hello Retail levererar.
Produktrekommendationer använder ”Product Intelligence” för att rangordna produkter för varje kund utifrån beteendesignaler som registreras i hela webbutiken – vilket lyfter fram artiklar som passar varje besökares specifika surf- och köpmönster, utifrån plattformens förståelse av både kunden och produkten. Sökfunktionen bygger på samma grund och visar rangordnade resultat som formas av både sökfrågan och kundens beteende, vilket innebär att två personer som söker efter ”stövlar” kan få väsentligt olika resultatuppsättningar beroende på vad plattformen vet om var och en av dem.
Denna gemensamma grund är ett medvetet arkitektoniskt val. När rekommendationer och sökningar hämtar information från samma produktinformationslager förblir personaliseringen enhetlig över alla kontaktpunkter. Samma förståelse av en produkt avgör om den visas i ett sökresultat, en rekommendationswidget eller ett automatiskt skickat e-postmeddelande. Det finns ingen skarv där en del av plattformen har en annan modell av vad en produkt är än en annan del.
Product Intelligence sköter rangordningen, men handlarna behåller kontrollen över resultatet. Samma modeller som ligger till grund för sökningar och rekommendationer ger handlarna möjlighet att påverka vad som visas: De kan lyfta fram specifika söktermer, lyfta fram vissa produkter eller utesluta dem från resultaten, så att det fortfarande är mänskligt omdöme som avgör vad kunderna ser.
För team som är intresserade av hur modellerna fungerar publicerar Hello Retail en översikt på helloretail.com/en/product-intelligence/.
AI:n hör hemma i grunden
Det finns betydande affärsmässiga skäl att lyckas med detta. En undersökning från Epsilon visade att 80 % av konsumenterna är mer benägna att göra ett köp när varumärken erbjuder personaliserade upplevelser – en siffra som ger den underliggande modellernas kvalitet ett konkret ekonomiskt värde. De AI-modeller som driver denna personalisering måste byggas, testas och finjusteras mot verklig katalogkomplexitet innan de kan leverera tillförlitliga resultat i stor skala.
Hello Retails ståndpunkt är att AI hör hemma i grunden och bör integreras i kärnmodellerna redan från början, istället för att läggas till i efterhand som ett funktionslager. Fem års hängivet arbete med Product Intelligence återspeglar denna syn. Modellerna som driver de personaliserade upplevelserna i denna Q4-release byggdes redan innan den nuvarande AI-trenden tog fart, vilket innebär att de har haft tid att valideras och finslipas mot tusentals produktkataloger och verkliga beteendemönster hos kunder.
För e-handelsteam som utvärderar personaliseringsplattformar är den historiken värd att lägga vikt vid. En plattform där AI har utgjort den bärande infrastrukturen i fem år har stött på fel – och åtgärdat dem – som ett nyare system ännu inte har ställts inför. Denna skillnad märks i rekommendationernas kvalitet, sökresultatens relevans och den enhetliga upplevelsen i alla kanaler där en kund möter sortimentet.
Den fullständiga presentationen av höstens lanseringar för fjärde kvartalet visar hur Product Intelligence integreras med Retail Media, Search Word Boosting och rekommendationer i praktiken – de kapitel som följer på detta visar var och ett en specifik funktion som bygger på denna grund.


