Pixyle: Was KI an Produktdaten in der Mode ändert

Reiche Produktattribute, nicht ein neuer Shopping-Bildschirm, machen Mode findbar. Das ist der praktische Punkt aus diesem Gespräch zwischen Stephan Spijkers und Svitlana Kodomova, CEO von Pixyle.ai.

Kodomovas Weg, so wie sie ihn erzählt, führt von der KI-Forschung zu einem Unternehmen, das Produktdaten für den Handel anreichert, mit Mode als dem schwierigen Fall. Die Session behandelt, wie sich die Technologie bewegt hat, warum dünne Produktdaten Produkte verstecken, und wo ein Spezialwerkzeug neben einem allgemeinen Modell passt. PIM für Mode und Bekleidung ist die Käuferkarte dieses schwierigen Falls: Varianten, Zusammensetzung, Größe und die Kanäle, die jeweils einen anderen Schnitt wollen.

Referenten

• Stephan Spijkers, Mitgründer, PIMvendors.com
• Svitlana Kodomova, CEO, Pixyle.ai

Was sie durchging

Kodomova setzt ihre eigene Arbeit in KI auf mehr als 15 Jahre, von der Forschung bis zur Gründung von Pixyle.ai. Den Wechsel des Feldes von Shallow Learning zu Deep Learning beschreibt sie als den Bruch, der visuelle Produktarbeit tragfähig machte, und sie führt das Unternehmen auf ein lange bestehendes Interesse an Mode und Technologie zurück.

Das frühe Produkt war die visuelle Suche. In der Pandemie, sagt sie, drehte das zur Datenanreicherung: nehmen, was schon im Bild und im dünnen Datensatz steckt, und die Attribute schreiben, die ein Käufer oder ein Kanal braucht, um das Produkt zu finden. Product-Market-Fit war in ihrem Bericht das gewöhnliche Startup-Problem, zu lernen, für welche Aufgabe Händler zahlen.

Die kommerzielle Behauptung ist geradeaus. Reichere Produktdaten verbessern die Auffindbarkeit, und Auffindbarkeit ist das, was im Verkauf auftaucht. KI gehört auf den sich wiederholenden Teil dieser Arbeit, damit Menschen ihre Zeit für kreatives und kommerzielles Urteil haben. Ein allgemeines Modell kann entwerfen. Ein Werkzeug, das für Mode gebaut ist, und so positioniert sie Pixyle, ist auf die Attribute geschnitten, die diese Kategorie tatsächlich nutzt.

Sie markiert Conversational Shopping auch als den nächsten Druck auf denselben Datensatz. Fragt ein Käufer nach einem Kleid in einem Stoff, einer Passform und einem Einsatz, ist die Antwort nur so gut wie die Attribute dahinter. KI-fähige Produktdaten ist diese Anforderung, für einen Käufer geschrieben: Der Datensatz muss antworten können, nicht nur anzeigen.

Was Sie damit tun

Ist Mode der Katalog, bewerten Sie einen Anreicherungsanbieter an einer Stichprobe Ihrer eigenen Bilder und Ihrer eigenen Attributliste, nicht an einem Demo-Katalog. Der Preis eines Spezialwerkzeugs ist ein weiteres System, das Sie steuern müssen. Der Preis, ein allgemeines Modell Attribute erfinden zu lassen, sind selbstsichere Werte, die niemand geprüft hat.

So oder so müssen die Attribute im PIM landen, unter einer Regel dafür, was „vollständig“ bedeutet. Produktdatenqualität und Data Governance ist der Ort, an dem diese Regel wohnt. Ein Anreicherungsdurchgang, der neben dem Datensatz schreibt, widerspricht dem Datensatz bis zur nächsten Saison.