Optimiser la gestion et le SEO de vos fiches produits avec l’intelligence artificielle

Comment l’intelligence artificielle permet à n’importe quelle PME d’améliorer l’indexation de son catalogue de produit.

Vous gérez un site d’ecommerce spécialisé dans la mode. Attendu que vous êtes en sous effectif notoire, vous n’avez pas le temps de remplir les fiches descriptives de produit comme il le faudrait, vous ne parvenez pas à offrir une fonction de recherche de robe ou de chemisier par couleur car vous n’avez encore moins le temps de renseigner les couleurs des produits dans la base de données. Or, la recherche de produit par couleur est tout devenue un standard non négociable sur les sites ecommerce de mode.  En plus, ne pas disposer des couleurs dans la base de données produits vous empêche aussi de positionner les fiches produits sur des combinaisons de type [Robe + Couleur] ou [chemisier + couleur].

Que faire ?

Embaucher un stagiaire ? Ou plutôt 5 stagiaires pour indexer vos 10000 références produits avant que la saison ne se termine et que les produits ne soient retirés du catalogue ?

Un peu lourd.

Bonne nouvelle : le deep learning peut reconnaître les sujets des images, leurs caractéristiques et même si on l’aide un peu, le contexte et la situation.

Les banques d’images utilisent déjà largement ces fonctionnalités pour indexer automatiquement les images que les freelances référencent sur leur plate-forme.

Sur la plateforme Adobe Stock, lorsqu'un créateur télécharge une photo qu'il souhaite vendre, voici ce que l'algorithme de computer vision parvient à associer immédiatement à la photo.

Mais pour vous, la couleur est déjà bien suffisante.

Deux grandes solutions pour cela

1. Créer ex nihilo un algorithme de reconnaissance d’images

Vous gérez cela comme un projet de reconnaissance d’image classique : vous utilisez votre framework de deep learning préféré, vous créez un projet sur Dataiku, vous récupérez des images, les taggez et entrainez votre algorithme. Ensuite, vous dockerisez l’application pour pouvoir la réutiliser dans différentes configurations et connectez le tout sur votre catalogue produit.

Cette solution, ô combien noble (vous faites de la « vraie IA »), n’est envisageable que si vous disposez d'une équipe data en interne. Comme cette dernière a des difficultés à trouver des « use cases » qui démontrent à quel point l’IA va tout révolutionner, elle se précipite sur cette demande émanant des « métiers » qui commencent enfin à comprendre les usages de data et du deep learning.

Mais elle commence par vous expliquer qu’il va falloir collecter des images et tagger ces dernières, qu’il faudra formater les bases, vérifier leur qualité, éliminer le bruit et les incohérences, passer par une phase de nettoyage, normaliser, agréger, etc…

Vous n’êtes pas tout à fait sorti.e de l’auberge et partez sur un projet dont la durée va s’étaler sur 3 mois avec de la chance à un an, sans la chance. Cette démarche est envisageable pour les entreprises comme Zalando ou Cdiscount, mais vous n’avez pas leurs moyens, ni le temps.

2. Utiliser un service qui offre des fonctions de taggages et de classification d’images automatiques

Alors, vous demandez à votre formateur préféré en intelligence artificielle, 24pm academy, qui vous indique qu’il existe des services clés en main qui vous permettre d’indexer vos photos pour un investissement moindre.

Ce type de service s’appelle, par exemple, Imagga, une société qui offre des services d’indexation automatique des données d’un catalogue d’images, de produits ou encore de biens immobiliers.

Il permet de mettre en place un système de reconnaissance d’image et de renseignement de la ou des couleurs (en cas de produit multicolore) en l’espace d’une journée si l’on s’en fie à l’échelle de temps théorique des communicants d’Imagga, et donc, plutôt en une semaine, si l’on utilise l’échelle de temps du monde réel.

En tout cas, cela fait le boulot :

• Vous connectez votre catalogue produit (sites web, base de données centrales si vous êtes un acteur omnicanal à Imagga via l’API fournie par ce service
• Imagga aspire le catalogue produit et utilise la fonction « Color Extraction »
• Imagga renvoie au catalogue produit, les fiches produits avec le tag couleur
• Imagga se connecte ensuite toutes les nuits pour réaliser le même travail sur les fiches produits nouvellement intégrées au catalogue

Et maintenant, disposant des couleurs de chaque produit, vous pouvez:

• les optimiser automatiquement sur "Robe + couleur" pour le SEO
• utiliser cette donnée comme critère de recherche pour le moteur de recherche interne
• utiliser cette donnée comme critère de recommandation de produits connexes à celui qui est consulté

Etude de cas client « Happy customer » diffusée sur le site d’Imagga

Evidement, dans cette étude, tout est merveilleux. Vous considérerez donc ces informations avec le recul que vous souhaiterez.

Deliety est un site d'ecommerce allemand qui vend une large gamme de produit allant du vélo à la sortie culturelle à Berlin en passant par les vélos tout terrain. Il a besoin de renseigner la couleur de tous ses produits,   Ceci est particulièrement important pour la recommandation de produits, la recherche de produits et l'interaction avec les clients. Comme les fiches transmises par les fournisseurs ne contiennent pas de spécifications sur les couleurs des produits, Deliety a dû développer des champs supplémentaires pour améliorer la découverte des produits.

Au départ, Deliety a essayé de renseigner ces champs en interne en identifiant la couleur principale du produit, ce qui a été un succès, moyennant le temps investi. Malheureusement, cela n'a pas suffi car de nombreux produits avaient deux couleurs ou plus.

La couleur est l'un des principaux critères de recherche dans Deliety et fournir cette fonctionnalité manuellement pour plus de 25 000 produits était un défi. L'API d'Imagga rend le marquage couleur instantané et a une précision de plus de 95% pour l'extraction des couleurs primaires et secondaires.

La solution.

Afin de fournir une recherche de couleur, Deliety avait besoin d'une solution abordable pour détecter les couleurs primaires et secondaires des images de leurs produits. Ils ont étudié de nombreuses solutions en gardant à l'esprit qu'ils avaient besoin d'une solution qui soit rentable en termes de coûts, de précision et d'évolutivité. En utilisant l'API d'Imagga, ils ont réduit le temps de développement de cette fonctionnalité d'un an à un jour.

Mise en œuvre et support

L'ensemble du processus de mise en œuvre de l'extraction des couleurs dans Deliety n'a pris qu'une journée grâce à la documentation complète de l'API Imagga. Tout le monde peut commencer à ajouter des tags de couleur à sa base de données d'images instantanément, via l’API

Pendant la nuit, l'API Imagga Color Extraction traite et marque chaque nouvelle image dans la base de données.