Analyse von Onsite-Search im E-Commerce

Beschreibung

Das Wichtigste in Kürze

Die E-Commerce Suche: Das Tor zu den Kunden

Viele Optimierungen im E-Commerce basieren auf Annahmen oder qualitativem Feedback. Schließlich fehlt im Onlinehandel der direkte Zugang zum Kunden, seinem Verhalten und seinen Bedürfnissen.

Doch ein Werkzeug steht jedem Unternehmen zur Verfügung, um direkten Input von Kunden zu erhalten: Das Suchfeld im eigenen Webshop.

In kaum einer anderen art und weiße Man quantifizierbare information direkt von seinen online Besuchern. Also gilt: die Daten sammeln, analysieren und über Rückschlüsse die Suche optimieren.

Doch obwohl die Analyse des Suchverhaltens einen riesigen Informationsschatz bietet, setzen viele Unternehmen diese noch nicht um. Die Gründe sind einfach: Wissen, Kosten und Aufwand. Die wenigsten Unternehmen sind in der Lage, diese komplexen Analysen schnell und einfach umzusetzen. Deshalb nutzen immer mehr Unternehmen auf Self-Service KI-Produkte von Kobold AI.

Onsite-Search Analysis mit Kobold AI

Kobold AI macht ohne Aufwand oder Vorwissen den Einsatz künstlicher Intelligenz möglich. Nach Auswahl des KI-Produkts “Onsite-Search Analyse” im Onlineshop werden die individuellen Suchdaten bereitgestellt. Die Analysen werden automatisch durchgeführt und die Ergebnisse direkt geliefert. 

Durch die vollautomatische Auswertung ermöglicht es Kobold AI, den Mehrwert von künstlicher Intelligenz auch für Nicht-Experten zugänglich zu machen. Somit kann jedes Unternehmen eine Onsite-Suchanalyse durchführen – ohne Aufwand, hohe Kosten oder Wartezeit direkt zum praktischen Einsatz von KI.

Erwartetes Dateiformat

Das Produkt “Onsite Search Analyse” erwartet eine Datei in folgendem Format:

• Spalte “date”: Monat eines Jahres im Format YYYY-MM, z.B. 2022-03, in dem der Suchbegriff eingegeben wird
• Spalte “keyword”: Der Suchbegriff
• Spalte “count”: Anzahl an Suchen innerhalb des Monats, summiert auf die Monat-Suchbegriff Kombination

Die Historie muss 12 Monate umfassen. Dabei ist zu beachten, dass nur komplette Monate extrahiert werden sollten.

Als Lieferformat akzeptieren wir .csv oder .xlsx

Alle Parameter (Spalten, Spaltennamen, zeitlicher Umfang,..) müssen genau eingehalten werden.

Ergebnisse der Onsite-Search Analyse von Kobold AI

Unsere automatische, KI-basierte Analyse liefert Ergebnisse in vier Kategorien.

Volumen und Segmente

Im ersten Abschnitt definieren und analysieren drei Kategorien von keywords: top, volume und longtail. Top keywords machen bei geringer Anzahl einen sehr großen Anteil an Suchvolumen aus, Volume keywords haben ein ausgeglichenes Suche-pro-Keyword Verhältnis, während der Longtail meist aus einzelnen Anfragen besteht, die sich auf tausende von Suchbegriffen erstrecken.

Weiterhin zerlegen wir Suchanfragen (z.B. “grüne jacke”) in einzelne Tokens (“grün” und “jacke”) und analysieren diese über Suchbegriffe hinweg. Dies erlaubt Fragen wie: Wie oft wird nach Farben, zum Beispiel “grün” gesucht? Oder: Mit welchen Begriffen treten bestimmte Tokens auf?

Trends und Muster

Als nächstes Segment widmet sich unsere Analyse den temporären Veränderungen. Vor allem die Veränderungen von Month-over-Month Suchvolumen (z.B. Newcomer oder auch lost keywords) sind interessant. Aber auch positive und negative 6-Monats-Trends werden identifiziert und ausgewiesen. 

Neben dem Kobold AI-Report werden viele dieser Daten auch in einer mitgelieferten Datei ausgewiesen, so dass weiteren Analysen nichts im Weg steht.

Tippfehler und Synonyme

Bisher menschlich kaum zu schaffen, ist die nächste Sektion besonders spannend. Vollautomatisiert identifiziert unsere KI Tippfehler und Synonyme innerhalb der Suchbegriffe und weist sie mit dem dahinterstehenden Token-Volumen aus.

Diese Analysen bilden die perfekte Basis für die Optimierung der Suchergebnisse, indem sie in die Search Engine eingepflegt werden oder als Synonyme hinterlegt werden. Auch regional unterschiedliche Begriffe werden somit abgefangen und aufgezeigt.

Entitätenerkennung

Schlussendlich führen wir noch eine Entitätenerkennung und -klassifikation durch. Auch hier nutzen wir künstliche Intelligenz, um automatisch Kategorien (z.B. “Marke”, “Farbe”,..) in den Suchbegriffen zu identifizieren und Tokens dementsprechend zuzuordnen.

Diese Entitätenerkennung ist Basis für strategische wie operative Optimierungen: Ob die Definition oder Ausprägungen von Filter-Facetten, die Kategorisierung des Shops oder direkt Artikelmanagement – viele Erkenntnisse lassen sich direkt in die Praxis umsetzen.

Einsatz der Erkenntnisse 

Basierend auf den verschiedenen Analysen gibt es ein breites Anwendungsfeld der Erkenntnisse:

• Verständnis von Volumenveränderungen – wie entwickelt sich die Suche über Zeit – um Wichtigkeit, Priorisierung und Saisonalität zu definieren
• Suchbegriff-Segmentierung als Grundlage für Fokussierung von Aufwand; z.B. hoher manueller Fokus auf Top Keywords und automatisierte Verbesserungen für den Longtail
• Häufig gemeinsam auftretende Tokens als Basis für die Definition von Filter oder für wichtige Attribute von Produkten einsetzen
• Verlorene oder neu gewonnene Suchbegriffe auf Relevanz analysieren und ggf. Maßnahmen ergreifen (z.B. Artikelbeschaffung oder Saisonalitätsberücksichtigung)
• Trends als Basis für Produkt- und Marketingkampagnenstrategie bzw. als Basis für Lagerräumung einsetzen
• Tippfehleridentifikation nutzen um Weiterleitungen auf korrekte Produktsuchen einzurichten
• Synonymauswertung in den Produktbeschreibungen oder in Produktdaten als zusätzliche Variante hinterlegen
• Entitätenidentifikation als Basis für Kategorisierung von Artikeln, Verständnis des Suchverhaltens und Themenseiten nutzen

Dies sind nur ein paar Beispiele, wie die Ergebnisse der Onsite-Suchanalyse direkt und operativ eingesetzt werden können, um Mehrwert für die Kunden zu generieren. 

Case Study: Wie der technische B2B-Händler Haberkorn seine Suche mit künstlicher Intelligenz optimiert

Der technische B2B-Händler Haberkorn aus Österreich hat die Analyse von Onsite-Suche von Kobold AI eingesetzt, um aus der Kombination von ca. 100.000 Artikeln und 0.5 Millionen Suchbegriffen die relevantesten Informationen zu extrahieren. Was menschlich undenkbar ist, wurde mit dem KI-Produkt von Kobold AI möglich:

“Wir sind sehr zufrieden mit dem Ergebnis und können wichtige Handlungsempfehlungen ableiten. Besonders erstaunlich dabei ist, mit welch geringem Aufwand wir zu diesen Erkenntnissen gekommen sind.”

Günther Kapfer, Head of Digitalisierung & E-Commerce, Haberkorn

Mehr Infos über die Herausforderung und wie erfolgreich Haberkorn mit der Onsite-Suchanalyse war, in der Case Study “Suchbegriffe analysieren und gezielt optimieren: Wie Haberkorn künstliche Intelligenz einsetzt“.

Fazit: Schnell und einfach seine Onsite-Suche mit KI analysieren und optimieren

Zusammengefasst macht das Self-Service KI-Produkt von Kobold AI möglich, was vielen Firmen bisher verwehrt blieb: Eine schnelle, effiziente, auf KI basierende Analyse von Suchbegriffen des Webshops. Die Ergebnisse sind klar: Von besseren Kundenverständnis über direkte operative Optimierungsmöglichkeiten bis zur strategischen Identifikation von relevanten Begriffen bietet unser Produkt eine Bandbreite, um euren Webshop noch erfolgreicher zu machen.