Pencarian gambar untuk e-commerce: Lihat pendapatan dan kepuasan melonjak
Diterbitkan: 2020-06-22Anda sedang mencari sesuatu yang unik dan dapat membayangkannya di kepala Anda, tetapi tidak beruntung menemukannya secara online. Terdengar akrab? Anda tidak sendirian – dan itulah sebabnya pencarian gambar untuk e-niaga menjadi hal yang harus dimiliki pengecer.
Pelanggan tidak memiliki banyak kesabaran dalam hal pembelian online, sehingga bisnis e-niaga yang menyediakan katalog ribuan produk belum tentu berguna. Toko online yang memungkinkan orang untuk mencari item fesyen di katalog mereka dan di situs web (atau toko online) dengan hanya menyediakan pencarian berbasis teks tidak ada artinya dalam hal pengalaman pelanggan.
Pelanggan menggunakan pencarian berbasis teks untuk mencoba mendeskripsikan produk yang mereka sukai, tetapi jarang dapat menemukan item yang tepat di hasil pencarian. Tidak mudah untuk menggambarkan jaket dengan tekstur tertentu atau sunglass dengan pola yang unik, dan ada kebutuhan untuk menjelaskannya dengan kata-kata.
Memfilter menurut kategori produk dan pencarian manual sangat memakan waktu, dan terkadang tidak berhasil. Setelah gagal dalam beberapa pengalaman, pelanggan sering kali menyerah, menghasilkan efek negatif pada tingkat konversi dan pendapatan.
Visual adalah sumber daya yang kuat dalam hal kemampuan pembelanja untuk mengidentifikasi produk dan membuat keputusan.
Bahkan, diperkirakan otak manusia dapat memproses seluruh gambar hanya dalam 13 milidetik, artinya diproses 6 hingga 600 kali lebih cepat daripada teks.
Penelusuran gambar untuk e-niaga: Pengoptimalan penelusuran visual meningkatkan keterlibatan dan konversi
Jika situs web e-niaga meningkatkan platform dan strategi pencarian mereka untuk mendukung pencarian berbasis gambar di mana pengguna dapat menggunakan gambar, termasuk produk untuk mencari produk serupa lainnya, pengalaman pelanggan akan sangat ditingkatkan.
Penelusuran gambar untuk e-niaga akan meningkat secara signifikan:
- Tingkat konversi, karena pelanggan dapat dengan cepat dan interaktif menemukan item yang mereka cari
- Interaksi pelanggan
- Pengalaman berbelanja pelanggan
- Peluang penjualan dan penjualan silang
Untuk mendapatkan pencarian yang efisien, ada kebutuhan untuk mengembangkan cara otomatis untuk mempelajari fitur gambar. Pendekatan pembelajaran mesin adalah salah satu solusi yang mungkin.
Dengan bantuan algoritme, pembelajaran mesin dapat melatih sistem dari data historis untuk mengembangkan platform cerdas yang dapat membuat keputusan. Kemudian, ia memprediksi langkah selanjutnya berdasarkan data yang dilatih.
E-niaga dan penelusuran gambar dapat memanfaatkan pembelajaran mesin, memberikan pengalaman yang berharga dan dipersonalisasi bagi pelanggan. Pembelajaran mesin membuat mesin telusur lebih pintar, dan pembelajaran mendalam adalah cabang pembelajaran mesin yang berguna untuk penelusuran gambar.
AI dan pembelajaran mesin dalam pencarian visual: Cara kerjanya
Untuk komputer, gambar adalah data yang mewakili matriks 2D, dan mencakup ratusan ribu piksel. Sedangkan citra adalah susunan pola semantik, garis, kurva, tekstur, dan warna.
Ada berbagai jenis algoritma pembelajaran mesin untuk pencarian gambar. Di sini, kita berbicara tentang dua algoritma populer: Convolutional Neural Network (CNN) dan k-Nearest Neighbors (k-NN).
Kami memiliki dua fase yang ditunjukkan pada diagram di atas: Offline dan Online.
Selama fase offline , kami melatih katalog toko e-commerce dengan algoritma CNN. CNN adalah urutan lapisan; input dari setiap layer adalah output dari layer sebelumnya. Sebuah gambar dimasukkan ke dalam lapisan pertama, lapisan pertama mengekstrak fitur tingkat rendah, seperti tepi. Fitur yang berarti diekstraksi di bagian akhir. Outputnya adalah daftar vektor fitur.
Selama fase online, kami sudah memiliki representasi vektor dari setiap gambar di katalog toko e-commerce. Vektor yang disimpan mencakup deskripsi yang bermakna yang dapat digunakan untuk menangkap hubungan antara satu gambar dengan gambar lainnya. Dengan bantuan CNN, kami mengekstrak makna laten dari gambar yang diunggah oleh pelanggan dan menjadi lebih mudah untuk membuat perbandingan gambar-ke-gambar untuk menemukan kecocokan yang paling mirip secara visual.
Namun, kami masih membutuhkan langkah lain untuk membandingkan vektor fitur yang diekstraksi untuk kesamaan. K-NN merupakan salah satu algoritma klasifikasi untuk pembelajaran terawasi. Tujuannya adalah untuk mencari kecocokan terdekat dari gambar yang diunggah dalam vektor fitur.
Langkah-langkah berikut merangkum cara kerja penelusuran gambar dengan pembelajaran mesin:
- Klien mengunggah gambar
- Prapemrosesan gambar input
- Ekstrak fitur visual dari gambar yang diunggah
- Hitung kesamaan antara fitur yang diekstraksi dan data yang dilatih
Apa yang dapat dilakukan pembelajaran mesin untuk bisnis e-niaga Anda
Dengan penelusuran gambar yang didukung oleh teknologi pembelajaran mesin, bisnis e-niaga Anda akan memiliki banyak manfaat.
Dengan pembelajaran mesin yang hebat di mesin, bisnis Anda dapat menikmati:
- Keputusan lebih cepat: Algoritme pembelajaran mesin dapat memprioritaskan dan mengotomatiskan pengambilan keputusan. Mereka juga dapat menandai peluang dan tindakan cerdas yang harus segera diambil – sehingga Anda dapat mencapai hasil terbaik.
- Kemampuan beradaptasi: Kecerdasan buatan tidak hanya melihat data historis pelanggan. Ini dapat memproses input waktu nyata – sehingga rekomendasi situs Anda dapat menyesuaikan dengan cepat. Bayangkan seorang pelanggan yang baru saja melihat jaket di kereta yang dia sukai, dan mereka masuk ke situs Anda untuk mencarinya, dengan beberapa input fitur, situs e-commerce Anda akan dapat menawarkan produk yang relevan.
- Wawasan yang lebih dalam: Pembelajaran mesin dapat menganalisis data yang besar, kompleks, dan mengalir, serta menemukan wawasan – termasuk wawasan prediktif – yang berada di luar kemampuan manusia. Pelanggan melewati beberapa situs web dan platform yang berisi berbagai bentuk media/konten. Seringkali perjalanan itu dilakukan melalui beberapa perangkat. Machine Learning dapat menganalisis semua titik kontak ini untuk menemukan wawasan dan kemudian memicu tindakan berdasarkan wawasan tersebut.
- Hasil yang lebih baik: Mulai dari memicu tindakan cerdas berdasarkan peluang dan risiko baru, hingga memprediksi hasil keputusan secara akurat sebelum dibuat, machine learning dapat membantu Anda mendorong hasil bisnis yang lebih baik.