So genial optimiert Otto Produktbewertungen mit Künstlicher Intelligenz

Wer sich schon einmal durch dutzende oder hunderte von Produktrezensionen gewühlt hat, der kennt das Problem: Irgendwann verliert man den Überblick. Hier lobt ein Nutzer die Farbe, sagt aber nichts über die Qualität. Dort bewundert ein Nutzer das Material, sagt aber nichts über den Tragekomfort. Andernorts bemängelt ein Kunde die Passform und dann würde man gerne wissen, ob auch andere Kunden ähnliche Probleme bemängelt haben. Die Folge: Auf der Suche nach Antworten auf solche Fragen durchforstet man lange die Bewertungen.

Bei Otto kann man sich aber nun eine Übersicht bestimmter Themenschwerpunkte und Bewertungskriterien anzeigen lassen, und die Rezensionen entsprechend bestimmter Schlagworte filtern. So kann man beispielsweise exakter recherchieren was Kunden über Klang, Bildqualität, Preis, Bedienung oder Lieferung eines Fernsehers denken. Otto selbst spricht von einer "Revolution". Das ist ein bisschen überschwänglich. Die Modifikation ist aber ein gewaltiger evolutionärer Schritt, der zeigt, was Künstliche Intelligenz (KI) im Shopping-Alltag leisten kann. Ein Algorithmus erkennt nämlich automatisiert die häufigsten Aspekte der Bewertungen, identifiziert die Tonalität und sortiert die Aussagen für den Kunden.

So funktionieren die ‚Aggregated Reviews‘:

Die ‚Aggregated Reviews‘, die per KI zusammengestellt werden, kommen in allen Sortimenten und somit bei über 2,1 Millionen Artikeln auf otto.de zum Einsatz; etwa bei Waschmaschinen, wo erklärungsbedürftige Faktoren einzeln betrachten werden können.

Die clevere Innovation, die man eher von Amazon oder Zalando erwartet hätte, lässt sich zudem nach den Aspekten sortieren, die andere Nutzer besonders häufig erwähnt haben. Darüber hinaus wird angezeigt, zu welchem Anteil sich Nutzer positiv, negativ oder neutral zum jeweiligen Produktdetail geäußert haben.

Die selbstentwickelte Lösung von Otto basiert auf künstlicher Intelligenz. Genauer gesagt auf einem Algorithmus, der mit Hilfe von Machine Learning-Modellen arbeitet und dabei jeden Rezensionstext analysiert. So wird der Algorithmus jede Nacht mit über einer Million Produktrezensionen versorgt. Aus den Rezensionstexten werden automatisiert Aspekte ermittelt, für die der Algorithmus eine positive, negative oder neutrale Bewertung identifiziert, und diese Aspekte in semantisch ähnliche Gruppen zusammengeführt. Für das Verfahren wird Deep Learning, also Lernen auf Basis künstlicher neuronaler Netze, eingesetzt.Angesichts der Bedeutung, die Künstliche Intelligenz (KI) und Machine Learning in dem kommenden Jahren haben werden, zeigt die neue Filterfunktion für Produktbewertungen, wie elegant sich KI schon jetzt in das operative Tagesgeschäft einbinden lässt. Und das ausgerechnet bei einem zentralen Detail im E-Commerce. Sind doch Käuferbeurteilungen ein wichtiges vertrauensbildendes Element, dass bei einem Großteil der Kunden das Kaufverhalten massiv beeinflusst und für etliche Kunden genauso wertvoll wie persönliche Empfehlungen ist.

---