Visual Search - Vom Bild zum Warenkorb

Von: Alessia Mahilrajan 1, Laura Kipfer 2, Chiara Kocher 3, Daniel Guggisberg 4, Gerry Giacomini 5
Tags: Digitale Transformation, E-Commerce, Shopsystem, Suchmaschinenoptimierung
Vom: 2021-05-05

Relevanz

Online-Konsumenten werden hauptsächlich durch Bilder angesprochen und inspiriert, da sich Outfits und allgemein Modeartikel nicht exakt wörtlich beschreiben lassen. Es ist daher hilfreich, wenn die Kommunikation zwischen Händler und Kundschaft ebenfalls bildbasiert, über die visuelle Suche, funktioniert. [1]

Für die visuelle Suche muss nur ein Bild des gewünschten Outfits hochgeladen werden und die gleichen oder ähnlichen Kleidungsstücke werden vorgeschlagen. Auf diese Weise kann der ganze Suchprozess erleichtert sowie beschleunigt werden. In der heutigen digitalen Welt ist dies sehr relevant. Studienergebnisse zeigen, dass besonders Nutzer*innen unter 20 Jahren von der Visual Search Technologie fasziniert sind. [2] Genau an diesem Punkt sollte ein Unternehmen ansetzen und sich mit Visual Search beschäftigen und das Konzept schliesslich erfolgreich umsetzen. Auch das Modehaus H&M setzt diese visuelle Suche ein, um seiner Kundschaft die Eingabe von Beschreibungen der gesuchten Outfits zu ersparen. Wie dies genau funktioniert, wird in den nächsten Abschnitten aufgezeigt.

Theoretische Grundlagen

Die visuelle Suche kann zur sensorischen Suche eingeordnet werden, welche die allgemeine Suche über Text, Sprache oder durch das Sehen beschreibt. Auch die Bildersuche basiert auf Bildern, allerdings ist dies von der visuellen Suche abzugrenzen. Denn hierbei wird eine textbasierte Anfrage an die Suchmaschine gestellt und nach entsprechenden Bildern gesucht. [3]

Bei der visuellen Suche hingegen werden Fotos eingefügt mit bestimmten Objekten, welche von der Suchmaschine erkannt werden. Daraufhin werden passende Ergebnisse geliefert. [4]

Die visuelle Suche im theoretischen Sinn ist eine Wahrnehmungsaufgabe, die Aufmerksamkeit erfordert und typischerweise ein aktives Absuchen der Umgebung nach einem bestimmten Objekt oder Merkmal beinhaltet. Die visuelle Suche kann mit oder ohne Augenbewegungen erfolgen. Es ist die Fähigkeit, ein Objekt oder Ziel in einer komplexen Anordnung von Reizen bewusst zu lokalisieren. [5]

Praktische Bedeutung

Praktische Beispiele für die Verwendung der visuellen Suche finden sich im Alltag, zum Beispiel wenn ein Produkt in einem Supermarktregal auswählt, wird, wenn Tiere in einem Laubhaufen nach Nahrung suchen, wenn versucht wird, seine*n Freund*in um 2 Uhr morgens in der Bar wieder zu finden oder wenn im H&M Onlineshop nach einer bestimmten Jacke gesucht wird, ohne zu wissen, wie diese am besten wörtlich beschrieben wird.

In manchen dieser Fälle benötigt es einen riesigen Aufwand, um etwas zu finden. Dieses Problem wird durch visuelle Suchmaschinen gelöst. Wer schon lange dieselben Kleider tragen wollte wie sein*e Nachbar*in, kann diese nun ohne viel Aufwand mit einem geschossenen Bild und einem Upload finden.

Viele Online-Marktplätze und bestehende Suchmaschinen verwenden bereits eine Art Visual Search und wenn nicht, werden sie es bald tun. Denn laut Statistiken repräsentierte Visual Search 2019 21.51% des weltweiten Such-Marktanteils. [6, 7]

Obwohl sich Visual Search im Marketing noch in der Anfangsphase befindet [8], hat sie das Potential eine sehr wichtige Rolle für die Webpräsenz für Firmen wie H&M zu spielen. Denn nicht nur wird ein neuer Zugang zum Produkt sowie Kundendaten und Kundenpräferenzen geschaffen, auch wird durch ihren Gebrauch die Suchmaschinenoptimierung (SEO) vereinfacht. [9]

Beispiele für Firmen, welche die Technologie schon verwenden sind H&M, Alibaba, Google Lens, Easy Jet und Pinterest. Wobei Visual Search für die Modebranche und somit für H&M eine spezielle Rolle spielt. In der Mode dreht sich alles ums Aussehen. Der Versuch ein Kleid mit Worten zu beschreiben, ist nicht dasselbe wie ein Bild davon zu sehen. [10]

Visual Search bei H&M

Funktionsweise

Visual Search basiert auf den wissenschaftlichen Gebieten Computer Vision und Machine Learning. Wobei das erste Gebiet die Frage behandelt, wie Computer ein Verständnis für digitale Bilder oder Videos auf einem hohen Level erlangen können. Das zweite Gebiet beinhaltet, wie Systeme von Daten und Muster lernen und Entscheidungen treffen können. Fortschritte in beiden Gebieten erlauben es einfach ausgedrückt, Bildinhalte durch das Nachahmen eines Gehirns zu identifizieren. Dazu werden verschiedene Varianten von neuronalen Netzwerken verwendet, welche durch Lernalgorithmen und bestehenden Daten trainiert wurden. [11, 12]

Bilderdaten wie Farb- und Helligkeitswerte der Bildpunkte werden durch das trainierte neuronale Netzwerk gegeben und Muster und Texturen erkennt. So können visuelle Informationen aus einem Bild extrahiert, ausgewertet und mit anderen Bildinhalten verglichen werden. 

Es gibt verschiedene Arten wie Visual Search praxisbezogen in Suchmaschinen implementiert ist:

ebay Visual Serach

Chancen

Ein wesentlicher Vorteil für Unternehmen wie H&M ist es, dass sich durch Visual Search die Suche nach Artikeln für die Kundschaft deutlich vereinfachen lässt. Statt mit zahlreichen Stichworten und Filtereinstellungen nach einem bestimmten Produkt suchen zu müssen, kann einfach ein Bild hochgeladen werden. [15] Das Hochladen eines Bildes für die Suchanfrage kann auch der Wechsel zwischen Offline- und Onlinekanälen erheblich vereinfachen.[16] Die Nutzung von Visual Search hilft dabei, die Customer Journey angenehmer zu gestalten und zu vereinfachen. [17] Da die Customer Journey ausschlaggebend für die Customer Experience ist, kann durch die Option der visuellen Suche, auch die gesamte Kundenerfahrung verbessert werden. Dies hat wiederum positive Auswirkungen auf die Kundenzufriedenheit und -bindung, Wiederkäufe sowie schlussendlich den Unternehmensgewinn. [18]

Für H&M bietet sich durch die Implementierung der visuellen Suche auch eine Chance, Cross Selling Potenziale zu realisieren. Ist der gewünschte Artikel nicht vorhanden, können ähnliche Artikel gezeigt werden, welche auch zum Kauf führen können. Ausserdem können in den Ergebnissen ganze Outfits gezeigt werden. Das hilft der Kundschaft sich vorzustellen, wie der gesuchte Artikel (beispielsweise ein Sommerkleid) durch andere Artikel (Schuhe, Tasche, Sonnenbrille etc.) kombiniert werden kann. Auf diese Weise besteht die Möglichkeit, dass einige Käufer*innen schlussendlich mehr Artikel kaufen und somit auch mehr Umsatz generieren, als sie ursprünglich geplant hatten. [19] Durch die zusätzlich angezeigten Artikel, welche das Outfit vervollständigen, kann auch das Gesamterlebnis der Kundschaft vervollständigt und optimiert werden.

Durch Visual Search kann auch die Konversionsrate erhöht werden. Wie bereits diskutiert, ist es anhand von textbasierter Suche oftmals schwer, zu den gewünschten Ergebnissen zu gelangen. In solchen Fällen kann es vorkommen, dass Nutzer*innen frustriert werden und abspringen. Dadurch, dass es durch Visual Search einfacher wird, passende Ergebnisse zu finden, kann das Risiko verringert werden. [20] Durch die Optimierung von Bildern für die visuelle Suche mit Suchmaschinen kann zudem die organische Präsenz sowie die Anzahl der Besuche auf der eigenen Website gesteigert werden. [21]

Ausserdem mussten Bilder auf Websites bisher getaggt werden, damit ihre Inhalte durch die textbasierte Suchmaschine interpretiert werden konnten. Dies kann durch die Verwendung von Visual Search automatisiert werden. Somit wird der Inhalt leichter zugänglich gemacht und die Suche der Kundschaft präziser. [10]

Schwierigkeiten

Zu Visual Search werden hauptsächlich positive Aspekte diskutiert. In zahlreichen Artikeln zum Thema Visual Search sind kaum negative Punkte zu finden. Ist diese neue Art der Suche für Unternehmen wie H&M wirklich über jeden Zweifel erhaben? [15]

Ein negativer Punkt könnte sein, dass Menschen noch nicht daran gewöhnt sind, mit einem Bild zu suchen. Es kann einige Zeit dauern bis sich dieses neue Verhaltensmuster durchsetzt. Die Vorstellung, vor der Suche erst ein Bild machen zu müssen, kommt der Mehrheit noch etwas ungewohnt vor. [22] Dieses komische Gefühl war auch lange bei den Anbietern spürbar. Unternehmen kommen erst langsam auf den Geschmack von Visual Search. Obwohl H&M zu den ersten Anwendern dieser Technologie gehört, steckt sie noch eher in den Kinderschuhen, was sich in der fehlenden Anzahl Referenzen in den Datenbanken widerspiegelt. Die Möglichkeiten sowie die gestellten Suchanfragen wachsen jedoch von Tag zu Tag. [15]

Als weiteren negativen Punkt kann auf die Unbrauchbarkeit von qualitativ schlechten Bildern verwiesen werden. Anwender*innen können keine Bilder in tiefer Qualität benutzten, da für einen gewissen Qualitätsstandard der Suchmaschine die Bildqualität hoch sein muss. Ein weiterer Aspekt ist, dass es schwierig sein wird, die visuelle Suche auf die gleiche Weise zu monetarisieren wie die Textsuche, da sich der Targeting-Mechanismus nicht direkt auf Keywords fokussieren kann. [22]

Eine weitere Schwierigkeit für H&M ist, dass die zentrale Rolle der Kundschaft nicht vergessen werden darf. Für diese besteht die Möglichkeit einer frustrierenden Erfahrung mit Visual Search, falls diese “einfache” Art zu suchen nur mangelhaft funktioniert. Dies kann einen direkten Einfluss auf die Beziehung mit H&M haben. Werden etwa unbefriedigende Ergebnisse angezeigt, könnte die Kundschaft für die Suche zu Wettbewerbern wechseln. Abschliessend lässt sich sagen, dass die Ansprüche der breiten Masse an Visual Search grundsätzlich hoch sind. Folglich muss sich die Technologie auf lange Sicht noch verbessern, um sich im Markt etablieren zu können. [2]

Umsetzung

H&M kann Visual Search auf zwei unterschiedliche Weisen nutzen. Auf der einen Seite geht es um die direkte Suche nach einem bestimmten Artikel in der H&M-App oder im eigenen Onlineshop. Hier wird neben der traditionellen textbasierten Suche die visuelle Suche als weitere Option angeboten. Auf der anderen Seite kann sich das Unternehmen auch intensiv mit Visual Search via Suchmaschinen auseinandersetzen. In diesem Zusammenhang ist es besonders interessant zu verstehen, wie eigene Bilder dafür optimiert werden können, so dass sie von den Suchmaschinen auch gefunden werden können.

H&M Screenshot App

H&M Screenshot App

H&M Screenshot App

Suchmaschinen

Seitdem die bekannteste Suchmaschine Google online aufgeschaltet wurde, verändert sich kontinuierlich die Art und Weise wie im Internet gesucht wird. Zu Beginn waren es einzelne Wörter, danach ganze Sätze oder auch Fragestellungen, welche eingegeben wurden. Nun gehört nicht nur die reine Internetsuche, sondern auch die Video-, Karten-, und Bildersuche immer mehr zum alltäglichen Durchstöbern des Internets. [23]

Heute gibt es mehrere Suchmaschinen, welche die Funktion der visuellen Suche anbieten:  

• Google Images  

• Google Lens 

• Pinterest 

• Bing Visual Search  

• Etc. 

Aufgrund der Tatsache, dass diese Suchmaschine mit künstlicher Intelligenz und Machine Learning funktionieren, soll die Bildanalyse und Objekterkennung stetig verbessert werden. [24]

Suchmaschinenoptimierung

Durch die Optimierung der eigenen Bilder kann ein Unternehmen wie H&M gewährleisten, dass diese eine hohe Position bei den Ergebnissen der Suche einnehmen. Ziel der Bildoptimierung ist es, den Suchmaschinen zu helfen, die eigenen Bilder verstehen. [21]

Ein wichtiger Aspekt ist, dass heutzutage hauptsächlich das Smartphone benutzt wird, um kurz etwas zu suchen. Deshalb sollten die Bilder und Produktinformationen für eine erfolgreiche Visual Search möglichst gut für die Suche mit Mobilgeräten angepasst werden. [24]

Um Bilder für Visual Search zu optimieren, sollten hochauflösende Bilder verwendet werden. Produkte sollten zudem möglichst aus verschiedenen Blickwinkeln abgebildet werden. Auf diese Weise wird die Chance erhöht, dass eine Suchmaschine die Ware auch verarbeiten und mit Anfragen abgleichen kann. Damit Suchmaschinen den Kontext der Bilder besser verstehen und verarbeiten können, sollten Alternativtexte zu den Bildern hinzugefügt werden. Durch eine Sitemap kann zusätzlich die Indizierung der Bilder erleichtert werden, damit die Bilder auch gefunden werden können. [25] Durch die Kombination von optimierten Bildern und der Katalogisierung dieser Bilder mit Mikrodaten, kann bei der visuellen Suche via Suchmaschine ein höherer Rang belegt werden. Zusätzlich können die Daten der Bilder so strukturiert werden, dass sie für visuelle Anwendungen einfacher zu verarbeiten sind. [26]

Social Media

Das Ziel von sozialen Plattformen war ursprünglich, Freunde und Bekannte zu vernetzen. Allerdings gewinnen diese Plattformen auch immer mehr an Bedeutung für den Onlinehandel. [23] Soziale Medien werden insbesondere von der Generation Z fürs Onlineshopping benutzt wird. [7]

Beispielsweise auf Snapchat gibt es unterschiedliche Funktionen, um ein gemachtes Foto zu analysieren. Auf Instagram gibt es diese direkte Funktion bisher noch nicht. In Zukunft könnten auch Social Media Plattformen wie Instagram zu einer eigenen Suchmaschine für Visual Search werden. Für gepostete Bilder könnte auf Anfrage dann direkt eine visuelle Suche gestartet werden.

Ungefähr 34% der Kundschaft gelangt direkt auf die Website H&M, bis zu 56% via Suchmaschinen. Die Traffics, welche für H&M durch Social Media entstehen, sind deutlich geringer und liegen bei nur ca. 3.5%. Aus diesem Grund wäre es eine gute Möglichkeit für den Onlineshop H&M Visual Search auf soziale Plattformen zu erweitern.

Traffic Sources for H&M

Zukünftige Anwendungsmöglichkeit

Wie bereits erwähnt, könnte H&M die Möglichkeit für Visual Search auch auf den eigenen Onlineshop übertragen. Eine weitere Möglichkeit für das Unternehmen ist es, die technische Anwendungsmöglichkeiten auch auf ihre Kosmetikprodukte zu erweitern. Bis heute ist Visual Search für Kosmetikprodukte in diesem Ausmass noch nicht möglich. Zukünftig wird dies durch verschiedene technische Funktionen und Artificial Science ermöglicht.

Dabei wird die Gesichtspartie exakt analysiert und die genauen Farben beispielweise von der Augenpartie verschiedenen Lidschatten-Paletten identifiziert. Ein Fokus liegt auf der Erkennung von verschiedenen Hautfarben sowie glänzende, glitzernde und matte Farben der Make-Up Produkte. Durch einen Screenshot von der Gesichtspartie sollte die Möglichkeit entwickelt werden einzelne Bereiche der Augenpartie zu erkennen, zu markieren und auf diese Weise zu passenden Ergebnissen zu gelangen.

Mögliche Erweiterung Kosmetik

Für das Erkennungssystem muss eine Datenbank mit den vorhandenen Kosmetikprodukten von H&M angelegt werden. Die Datenbank beinhaltet Bildmuster von allen vorhandenen Kosmetikartikeln, beispielsweise Lippenstifte, Lidschatten und Foundations. Zweck dieses Erkennungssystems ist, kosmetische Produkte mit ihren Marken, Produkten etc. zu erkennen. Dadurch kann die Kundschaft herausfinden, welche Art von Produkten und Marken ihren Suchanfragen entsprechen. Für die Implementierung eines solchen Systems sind 3 Komponenten erforderlich.

• Der erste Schritt ist die Vorverarbeitung. Dabei werden Farbbilder skaliert und in Graustufenbilder umgewandelt. Dadurch kann der Suchprozess später beschleunigt werden.

• In einem nächsten Schritt geht es um die Merkmalsextraktion. Dazu werden strukturelle und statische Texturanalyseansätze sowie verschiedene Merkmalspräsentationsverfahren konstruiert und konkretisiert.

• In einem letzten Schritt findet die Klassifizierung durch nähere technische Analysen, beispielweise mit logistischer Regression, linearer Support-Vektor-Maschine, künstlichen neuronale Netzwerken, statt. [28]

H&M kann die beschriebene Analyse und Umsetzung spezifisch auf ihre Kosmetikprodukte anwenden und somit die visuelle Suche auf alle angebotenen Produktkategorien ausweiten. Durch die Erweiterung von Visual Search auf die Kosmetik-Produktkategorie kann das ganzheitliche Kundenerlebnis nochmals verbessert werden.

Zusammenfassung

Autoren*innen