Die Relevanz von sprachgesteuerter Suche für den Onlinehandel

Die Relevanz von sprachgesteuerter
Suche für den Onlinehandel
Vortrag bei Otto in Hamburg am 10.05.2016
Sebastian Sünkler
sebastian.suenkler@haw-hamburg.de
www.searchstudies.org/sebastian
Sebastian Sünkler: Die Relevanz von sprachgesteuerter Suche für den Onlinehandel 10.05.2016

Agenda
 Entwicklungen bei Suchmaschinen
 Sprachgesteuerte Suche
 Voice Search und Produktsuche
 Chancen und Herausforderungen durchVoice Search
2 Sebastian Sünkler: Die Relevanz von sprachgesteuerter Suche für den Onlinehandel 10.05.2016

Entwicklungen bei Suchmaschinen
Evolution der Suche (1)

Evolution der Suche (2)
4
Quelle: http://searchengineland.com/rise-personal-assistants-death-search-box-244716

Mobile Suche (1)

Mobile Suche (2) – Smartphone-Verbreitung

Mobile Suche (3) – Suche auf Endgeräten

Mobile Suche (4) – Topics
8
Quelle: http://services.google.com/fh/files/misc/omp-2013-de-local.pdf

 erwarten von einer Suchmaschinen eine einfache Bedienung
 nutzen wenige Suchanfragen und sind mit meistens mit den
Suchergebnissen zufrieden
 sind permanent Online. Dadurch entfallen „klassische“ Online-
Sessions.
 werden immer stärker durch „Micro Moments“ angetrieben.
Suchmaschinennutzer
9
Quelle: https://storage.googleapis.com/think-v2-emea/docs/research_study/Report_Google_Local_Search_Behavior_DE_1.pdf

Micro Moments
10
Quelle: https://think.storage.googleapis.com/docs/4-new-moments-every-marketer-should-know.pdf

Knowledge Graph

Structured Data Markup für Rich Snippets

Suchergebnisse ohne Suchanfragen

Integration der Suche in Personal Assistants

Sprachgesteuerte Suche (1)

17
 Suchanfragen per Sprache wachsen momentan stärker als
geschriebene Suchanfragen
 In bestimmten Alltagssituationen ist Sprachsteuerung die
beste Art, um mit Geräten zu interagieren (Kochen,
Autofahrt)
 Sprachgesteuerte Suchen sind ca. 30 mal stärker
handlungsorientiert als geschrieben Anfragen

Sprachgesteuerte Suche
Definition und Abgrenzung
18
 Sprachsteuerung = Befehlseingabe an Geräte per Stimme.
(Benutzerschnittstelle)
 kann Teil von Personal Assistants sein
 Sprachsteuerung setzt sich vor allem im mobilen
Bereich immer mehr durch
 Sprachsteuerung ≠ sprachgesteuerte Suche
 Voice Search ist ein Anwendungsbereich der
Sprachsteuerung:
 Voice Search: allgemein eine sprachgesteuerte Suche, die sich auf
Offline-Inhalte auf den Geräten und auf Online-Inhalte beziehen kann
 Voice Web Search: sprachgesteuerte Suche, die sich auf
Informationen im Web bezieht und in der Regel auf Web-
Suchmaschinen basiert

Historie
19
 1950ern: erste Systeme mit Unterstützung von
Sprachsteuerung werden entwickelt
 2007: Release von GOOG-411 (GoogleVoice Local
Search) – sprachbasierte Suche in Branchenverzeichnissen
in den USA und Kanada (2010 eingestellt)
 2008: Google veröffentlicht mobileVoice Search
 2009: Siri startet als Start-Up-Unternehmen
 2011:Apple kauft Siri und integriert Siri in das iPhone 4
 2012: Google veröffentlicht Google Now
 2014: Microsoft veröffentlicht Cortana

Technologien
20
 sprachgesteuerte Web-Suche basiert auf einer
Kombination aus den Technologien und Modellen der
Sprachsteuerung, konventioneller Suchmaschinen-
technologien und mobiler Suche
 Entwicklung von sprachgesteuerter Suche wird durch Big
Data, Cloud-Technologien und Machine Learning
vorangetrieben und führt zu einer guten Qualität in der
Spracherkennung durch die onlinebasierte
Massenverarbeitung von Daten

Anwendungen

Nutzung
22
Quelle: https://www.bitkom.org/Presse/Presseinformation/Sprachsteuerung-setzt-sich-bei-Smartphones-durch.html

Nutzerverhalten
23
Quelle: https://googleblog.blogspot.de/2014/10/omg-mobile-voice-survey-reveals-teens.html

Nutzungsgründe
24
Quelle: https://googleblog.blogspot.de/2014/10/omg-mobile-voice-survey-reveals-teens.html

Zunahme natürlich sprachlicher Anfragen
25
Quelle: http://searchenginewatch.com/sew/how-to/2407782/the-rise-of-voice-search-and-something-you-can-do-about-it

Länge der Anfragen
26
Quelle: http://searchenginewatch.com/sew/how-to/2407782/the-rise-of-voice-search-and-something-you-can-do-about-it

Marktführer (1)
27
Quelle: MindMeld (October 2015): http://www.lsainsider.com/the-rise-of-voice-search-60-started-using-in-past-12-
months/archives#sthash.uqPG3QSj.dpbs /

Marktführer (2)

Erfolgskriterien für Voice Search Systeme
29
 Drei Erfolgskriterien, die bestehende Systeme
umsetzen:
 Eindeutige Kennzeichnung der Anwendung als sprachgesteuerte Suche
 Spracherkennung funktioniert zuverlässig trotz lauter
Umgebungsgeräusche
 Echtzeitfeedback bei derVerarbeitung von Suchanfragen
 Drei Erfolgskriterien, die bestehende Systeme
nicht umsetzen:
 Interaktion der Suchergebnisse per Sprache möglich
 Ausgabe der aller Ergebnisse in akustischer Form
 Anpassung der Sprache der Ausgabe an die Sprache der Eingabe
Quelle: Studien Projekt „OK Google“ durchgeführt an der HAW Hamburg im Auftrag der Deutschen Telekom zur Usability-Evaluierung
bestehenderVoice Search Systeme http://searchstudies.org/ok-google/

Herausforderungen für Voice Search
30
 Sicherstellung der automatischen Spracherkennung, da
Fehler bei der Erkennung zur Unzufriedenheit der Nutzer
führen
 Erkennung des Nutzerbedürfnisses und
Nutzungskontext, um zu entscheiden, welche Aktion
verlangt wird oder zur Ausgabe der erwarteten korrekten
Antwort auf die Frage
 Dialogfähigkeit anbieten, da Nutzer bei akustischen
Interaktionen erwarten, dass das System im Dialog bleibt
 Verarbeitung komplexerer Informationsbedürfnisse als
bei derWebsuche

Herausforderungen für die Wissenschaft
31
 Bisher keine etablierten Methoden oder Modelle
zur wissenschaftlichen Untersuchung von
sprachgesteuerter Suche
 Kaum systematischen Studien zur Evaluierung von
Voice Search Systemen und zu dem Nutzerverhalten von
Sprachsteuerung
 Zugängliche Literatur beschränkt sich vor allem auf
Artikel aus Blogs und Marketingportalen
 Informationen zum Suchverhalten und Konsumverhalten,
auch im Kontext der Sprachsteuerung, basiert
überwiegend auf Quellen kommerzieller Anbieter
(Google, Microsoft,Apple)

 nutzen das Internet im Kaufprozess (54%)
 nutzen Suchmaschinen, um sich über Produkte zu informieren
(50% Preise, 47% Öffnungszeiten, 32% Standort des Geschäfts)
 kaufen immer häufiger online ein (35% der Einkäufe)
 nutzen das mobile Internet zu 68%, um sich über Produkte und
Dienstleistungen zu informieren und zu 37%, um Produkte zu
kaufen
Voice Search und Produktsuche
Deutsche Digitale Konsumenten (1)
32
Quellen: https://storage.googleapis.com/think-v2-emea/docs/infographic/CB_Country_Report_15_-_Germany_final.pdf &
The Consumer Barometer Survey 2014 / 2015 (https://www.consumerbarometer.com) & G+J Mobile 360°Studie // 2014

Deutsche Digitale Konsumenten (2)
33
Quelle: The Consumer Barometer Survey 2014 / 2015 (https://www.consumerbarometer.com)
Primäre Informationsquelle im Kaufprozess Verhältnis zwischen Recherche- und Kaufmethode

Praxis (1) – Speech-to-Text

Praxis (2) – Domino’s Pizza

Praxis (3) – Amazon Echo

Praxis (4) – EasyAsk

Praxis (5) – Conversational Shopping

Potenzielle Zielgruppen
39
Quelle: https://www.bitkom.org/Presse/Presseinformation/Sprachsteuerung-setzt-sich-bei-Smartphones-durch.html

Chancen und Herausforderungen
Produktsuche (1) – Chancen
40
 Schnellere Suche:
 Gute Sucherlebnisse führen zu einer höheren
Kundenzufriedenheit
 Voice Search spart Aufwand und Zeit bei der Recherche
 Vereinfachung der Dateneingabe:
 Shoppingerlebnis kann erhöht werden, wenn manuelle
Dateneingaben durchs Tippen entfallen
 Einschränkungen schmaler Bildschirme entfallen
 Interaktives Shoppingerlebnis:
 Dialogfähigkeit bringt den potenziellen Kunden schneller zum
Ziel
 Filterkriterien zur Einschränkung der Suche lassen sich über
Sprache schneller nutzen

Produktsuche (2) – Herausforderungen
41
 Spracherkennung:
 Spracherkennung ist eine große technische Hürde durch dieVielzahl an Sprachen,
Dialekten und Akzenten
 Implementierung:
 Im Normalfall Nutzung einer externen Softwarelösung, die evtl. nicht alle benötigten
Anforderungen erfüllt
 Umsetzung einer eigenen Sprachsteuerung sehr aufwändig und kostspielig
 Return on investment:
 Momentan ist die Abschätzung über Kosten und Nutzen durch die geringereVerbreitung
schwierig
 Nischenangebot:
 Bisher ist sprachgesteuerte Suche in der Produktrecherche nicht sehr weit verbreitet
 Datenschutz und Personalisierung:
 Bedenken zum Datenschutz durch potenzielle Kunden können das Angebot unattraktiv
machen. Es geht darum eine Balance zwischen Datenerhebung, Auswertung und
Privatsphäre zu finden.
 Suchmaschinenmarketing:
 Durch den Trend hin zu Conversational Search benötigt neue Strategien bei der
Suchmaschinenoptimierung.

Produktsuche – Mögliche Maßnahmen (1)
42
Informationsbedürfnis:
Schwarze Laufschuhe für Herren von Nike bis 60 €
Momentaner Suchvorgang:
1. Suchanfrage stellen („laufschuhe“)
2. Filter setzen
Mögliche natürlich sprachliche Anfrage:
„Zeige mir schwarze Laufschuhe, die nicht mehr als
60 Euro kosten“
Zerlegung der Anfrage in
Informationseinheiten:
1. Gewünschtes Produkt  Laufschuh
2. Erkennung der gewünschten Attribute:
• Für wen?  Herren
• Farbe  schwarz
• Marke  Nike
• Preis  bis zu 60 €
Zerlegung natürlich sprachlicher Anfragen in
bedeutsame Informationseinheiten

43
Conversational Search und Shopping
 Unterstützung einer Suche im Kontext
 Berücksichtigung von „Long-Tail“ Anfragen
 Herstellung einer größeren Semantik durch die Nutzung
standardisierter Auszeichnungssprachen, z. B. schema.org
 Direkte personalisierte Angebote für ein schnelleres und
zufriedeneres Sucherlebnis
 Optimierung des Angebots auch für smart Devices neben
Tablets und Smartphones (z. B. Smart Home Devices und
Smart TVs)
 Auswertung von Nutzungsdaten zur besseren Identifizierung
von Kontexten und Informationsbedürfnissen
 Diese Maßnahmen sind auch für die Suchmaschinen-
optimierung hoch relevant

Basis: selbstlernende Systeme basierend auf Machine Learning
Datenbasis: Trends (z. B. Modetrends, technische Trends), globale Konsumentendaten (Was wird
gekauft? Wie wird gesucht?), personalisierte Daten des einzelnen Kunden, Ergebnisse eines Dialogs
mit dem Assistenten (Dialog mit dem Kunden über Kundenwunsch, um zu erfahren welches Produkt
mit welchen Eigenschaften)
Beispiel Shopping Assistant:
Mona
https://www.monahq.com/
44
Personal Shopping Assistant

Zusammenfassung
45
 Sprachsteuerung ist auf dem Vormarsch und wird in den
nächsten Jahren einer immer größere Bedeutung erlangen
 Bisherige Zahlen in Bezug auf den Einfluss auf die Umsätze
im E-Commerce gibt es bisher nicht.
 Sprachgesteuerte Suche wird das zukünftige Suchverhalten
sehr beeinflussen. Von der Keyword-Suche hin zu natürlich
sprachlichen Suche hin zu Conversational Search.
 Sprachgesteuerte Suche wird insbesondere Teil des M-
Commerce
 Onlinehändler profitieren in jedem Fall von einer Aufbereitung
ihrer Inhalte zur Unterstützung von Sprachsteuerung, da sie
dadurch holistische Inhalte produzieren, die heute schon
vonWeb-Suchmaschinen im Ranking bevorzugt werden.

Aktuelle Forschungsprojekte an der
HAW Hamburg im Bereich Suche
Neue Formen der Relevanz-Sortierung in bibliothekarischen
Informationssystemen (gefördert durch die DFG) www.librank.info
Studienprojekt im WiSe 2015/2016.Sprachgesteuerte Suche imTest
(gemeinsam mit der DeutschenTelekom)
www.searchstudies.org/ok-google
Forschungsprojekt gefördert durch das Bundesministerium für Ernährung
und Landwirtschaft
www.searchstudies.org/aapvl
Studienprojekt im WiSe 2014/2015 zur Entwicklung einerTutorial-
Suchmaschine www.howtosearch.de
Webbasierte Software zur Durchführung von Retrievaltests www.
searchstudies.org/rat

Vielen Dank für Ihre Aufmerksamkeit
47
Sebastian Sünkler
Hochschule für Angewandte
Wissenschaften Hamburg
Department Information
sebastian.suenkler@haw-hamburg.de
www.searchstudies.org/sebastian

Die Relevanz von sprachgesteuerter Suche für den Onlinehandel

Die Relevanz von sprachgesteuerter Suche für den Onlinehandel

Recommended

More Related Content

Similar to Die Relevanz von sprachgesteuerter Suche für den Onlinehandel

Similar to Die Relevanz von sprachgesteuerter Suche für den Onlinehandel(20)

More from Hamburg University of Applied Sciences (HAW)

More from Hamburg University of Applied Sciences (HAW)(7)

Die Relevanz von sprachgesteuerter Suche für den Onlinehandel