(openPR) searchHub, das erste Add-on zur Optimierung jeder E-Commerce Onsite-Suche, schlägt wieder Wellen mit den Ergebnissen ihrer neuen Recherche zum Thema KI-Suche.
“Wir haben die teils aufgeblasenen Marketing-Behauptungen vieler Anbieter von Vektor-Suche und sogenannter KI-Experten untersucht. Denn unsere Kunden wollen wissen, was davon tatsächlich stimmt. Am Ende konnten wir zwei Bereiche für eine echte Optimierung identifizieren.
- Verbesserung der Recall-Quote und
- Präzisionssteigerung, vorwiegend durch Re-Ranking”
– so der CTO und Verantwortliche für die KI-Recherche, Andreas Wagner
Beide Aspekte stehen im Mittelpunkt der aktuellen Forschung. Wagner möchte die bestehenden Onsite-Such-Technologien von E-Commerce-Kunden durch eine effiziente und umsatzankurbelnde KI-Add-On unterstützen. Dadurch wird der Einsatz von KI in bestehenden Shop-Systemen effizient und erschwinglich realisiert, da große Software-Migrationen ausbleiben.
Die überraschenden Forschungsergebnisse liefern neue Erkenntnisse darüber, wie KI-Such-Ansätze wie Vektor-Search mit herkömmlicher Keyword-Search elegant kombiniert werden können, sodass E-Commerce-Shops deutliche und messbare Performance-Steigerungen erreichen. Reine Vektor-Search-Lösungen im E-Commerce haben sich dabei als besonders prekär herausgestellt. Vor allem deshalb, weil Shop-spezifische Kundenerwartungen und Businessziele mit dieser Technologie nicht berücksichtigt werden können. Viele Shops würden sich in diesem Zusammenhang für eine Hybrid-Lösung entscheiden. Dieser neue Ansatz kämpft jedoch mit einem unkoordinierten Sammelsurium an Einzelteilen und widersprechenden Strategien, deren Produkt oftmals weniger wert ist als die Summe seiner Teile.
Die Analyse von searchHub.io zeigt die Schwachstellen aktueller Hybrid-Lösungen und deutet auf einen neuen Ansatz hin. Die Rechercheergebnisse sind kostenfrei unter dem folgenden Link auf ihrer Website nachzulesen.
https://www.searchhub.io/neuralinfusion-a-blueprint-towards-more-relevant-and-efficient-ecommerce-vector-retrieval-part-1
