Machine Learning

Die Antworten auf die häufigsten Fragen rund um das Machine Learning Modul in Makaira.

Was ist Machine Learning?

Das ganze erstmal an einem Beispiel: Angenommen in Bayern werden regelmäßig Nachmittags von Tablet Nutzern häufiger Lederhosen gekauft, als im selben Zeitraum von I-Phone Nutzern in Berlin. Das Machine Learning jetzt lernen, dass Tablet Nutzer aus Bayer bei der Suchebegriff nach Hosen viel wahrscheinlicher auf der Suche nach Lederhosen sind als das Beispielsweise bei unseren Berliner Kunden der Fall ist. Sind die Tracking Daten von einem ganzen Jahr verfügbar wird hier ebenfalls entschieden ob es sich um ein Saisongeschäft handelt und Lederhosen nur in bestimmten Zeiträumen weiter vorne angezeigt werden sollen oder ob das Verhalten ganzjährig zu Beobachten ist. Sollten Lederhosen in Bayern jetzt aus irgendeinem Grund nicht mehr in Mode sein, wird dies natürlich auch vom Machine Learning entdeckt und die Suchmaschine entsprechend angepasst. Solche Trendwechsel passieren natürlich nicht von einem Tag auf den anderen und so wird das Machine Learning sich hier langsam anpassen.

Was wird ausgewertet?

Nicht Personenbezogene Nutzerdaten:

  • Browser (Chrome, Firefox, Internet Explorer)
  • Gerätetyp (Desktop Computer, Tablet, Smartphone)
  • Uhrzeit (Vormittags, Nachmittags)
  • Ort (Nielsongebiete – kohärente marktwirtschaftlich Gebiete ) http://sites.nielsen.com/microregionen/
  • Jahreszeit/Saison

Daten im Suchindex:

  • Produktdaten
  • Hauptkategorie
  • Hersteller

Wie funktioniert das?

Machine Learning generiert umgangssprachlich ausgedrückt Wissen aus Erfahrung. Die Erfahrung sind in unserem Fall Trackingdaten, welche vom Machine Learning Modell analysiert werden. Damit ist es möglich Zusammenhänge und Muster zwischen den Nutzerdaten und gekauften Produkten, Kategorien, Herstellern zu finden. Mit der so gewonnenen „Erfahrung“ kann das Machine Learning Modell die Reihenfolge der Suche und Listenansichten für den individuellen Nutzer verbessern.

Wie bleibt das Machine Learning aktuell?

Das Tracking läuft immer und sammelt fortlaufend Daten. Nach einer anfänglichen Stabilisierungsphase, die durch das Machine Learning veränderte Suche, eingeschaltet werden. Das Machine Learning läuft im Hintergrund weiter und passt sich ständig den aktuellen Trends der Kunden an. Einmal pro Woche wird dann die veränderte Datenlage an die Suchmaschine übertragen und sorgt so für den richtigen Mix zwischen Stabilität und Anpassung.

image-1602069780374.png

Wie lange dauert die Einlernphase?

Das hängt ganz davon ab wie viel Traffic der Shop hat und wie viele Produkte angeboten werden. Wir überwachen die Einlernphase am Anfang und schalten die veränderte Suche bei ausreichender statistischer Signifikanz frei. Typische Zeiträume für das Einlernen sind 8-12 Wochen.

Welcher Zeitraum wird betrachtet?

Typischer Weise nutzen wir Daten, die bis zu einem Jahr zurückreichen. Je nach Kunde und wiederkehrenden Perioden können hier aber auch größere Zeiträume betrachtet werden.

Was wird vom Machine Learning beeinflusst?

Die Reihenfolge der Produkte bei Suchen und Hersteller-/ Kategorielisten. Durch die bessere personalisierte Reihenfolge wird die Shoppingerfahrung des Kunden und damit sein Kaufverhalten positiv beeinflusst.

Welche Regionen und Länder werden berücksichtigt?

Hier erfolgt eine kundenspezifische Aufteilung in Einkaufsbereiche, die sich an den Nielsongebieten orientiert. Es werden generell nur Bereiche berücksichtigt für die genügend Daten vorliegen um die statistische Aussagekraft zu wahren. So kann es sein, dass für einen Kunden beispielsweise die einzelnen Kantone in Österreich berücksichtigt werden, während für andere ganz Österreich als ein Gebiet benutzt wird.

Welchen Einfluss haben meine Sucheinstellungen im Makaira Backend?

Der Shopbetreiber ist Experte für die Domäne seines Shops und sollte daher alleine oder in Zusammenarbeit mit dem Makaira Team die für Ihn passenden Sucheinstellungen im Makaira Backend machen. Die Sucheinstellungen und der gewählte Ranking-Mix bilden die Grundlage, aus der die Makaira Suche die relevantestes Ergebnisse bestimmt. Diese Ergebnisse werden für den jeweiligen Nutzer anhand seiner Tracking Daten nachsortiert, es kommen jedoch keine neuen Ergebnisse hinzu.

image-1602070333828.png

Wie wird das Ergebnis überwacht?

Ist das die Einlernphase vorbei, geht das Feature mittels A/B Testing online. Die Nutzer werden dazu in eine 50% Gruppe mit und eine 50% Gruppe ohne Machine Learning unterteilt. Nach ausreichend Großen Zeitraum, der sicherstellt dass sich die Ziele wie Umsatz und Conversionrate im Shop verbessern kann der Shop dann zu 100% auf das Machine Learning umgestellt werden.

Was wird sich in Zukunft verändern? Mit welchen neue Features kann man rechnen?

Das Feature Machine Learning wird auch in Zukunft weiterentwickelt und verbessert. Die Veränderungen gehen dabei in zwei Richtungen:

  1. Erhöhung der Datenmenge/ Tracking Features: Welchen Einfluss hat das Wetter auf den Nutzer? Wird an speziellen Feiertagen anders gesucht? Rückschluss von gesetzten Filtern auf den aktuellen Nutzer?
  2. Computeralgorithmus: Wir arbeiten weiter an der Verbesserung der Auswertung und am konkreten Modell, dass die Ergebnisse bereitstellt. Nach ausführlichen Testen wird das Machine Learning dadurch ohne Zutun des Nutzers aktiv verbessert.

 

Konfiguration

Für das Machine Learning gibt es 3 mögliche Einstellungen:

  • Machinelles Lernen deaktivieren
  • Machinelles Lernen aktivieren
  • Machinelles Lernen im A/B-Testing Modus

Über die ersten beiden Optionen wird das Machine Learning permanent aktiviert bzw. deaktiviert. Zur besseren Überprüfung der Wirksamkeit des Machine Learning gibt es den A/B-Testing Modus.

Wenn der A/B-Testing Modus aktiviert ist, MUSS im CONSTRAINT-Knoten einer Such- bzw. Auto-Suggest-Request der Wert query.machine_learning = true gesetzt sein, damit das Machine Learning innerhalb dieser Request aktiv ist. Sollte dieser Wert auf „false“ stehen oder nicht vorhanden sein, wird das Machine Learning innerhalb dieser Request als inaktiv gewertet.