Über die Sprachübersetzung hinaus hilft maschinelles Lernen dabei, menschlich-kognitive Fähigkeiten zu simulieren.
Von Sebastian Rupley, eBay News Team
Schon seit Jahren hilft maschinelles Lernen eBay dabei, Grenzen abzubauen. Beginnend in Russland und mittlerweile auch in Frankreich, Italien und Spanien ist eBay durch die Anwendung automatisierter maschineller Übersetzung ein Vorreiter in der Branche. Wenn Käufer in diesen Ländern auf der Plattform suchen, übersetzt eBay ihre Anfrage und zeigt ihnen passende, übersetzte Angebote aus anderen Ländern an, die originär in einer anderen Sprache verfasst wurden. Darüber hinaus erschließt eBay neue Möglichkeiten, über Machine Learning-Technologien die Geschwindigkeit, Genauigkeit und Relevanz der Suche auf der eBay-Plattform zu erhöhen.
Suchanfragen zu übersetzen ist ein wichtiger Schritt, um den globalen eBay-Kunden lokalisierte Einkaufserlebnisse zu bieten. Zusätzlich zur Übersetzung kann maschinelles Lernen aber auch zu beachtlichen Ergebnissen beitragen, wenn es für menschlich-kognitive Funktionen wie Wahrnehmung und visuelle Verarbeitung angewendet wird. Einige sind sogar der Meinung, dass maschinelles Lernen die ganze Art und Weise, wie wir heute über Suchtechnologien denken, verändern könnte. „Da Maschinen immer besser darin werden, die natürliche Sprache zu dekodieren, sollte der Handel dies nutzen und verstärkt dialogorientiert werden – was letztendlich das Suchfeld überflüssig machen könnte“, schrieb eBay CEO Devin Wenig kürzlich in einem Blogpost.
Selcuk Kopru ist einer der Wissenschaftler, der daran arbeitet, maschinelles Lernen in die eBay-Suche zu integrieren. „Maschinelles Lernen ist sehr hilfreich, wenn es darum geht, Probleme zu lösen, die menschlich-kognitiver Fähigkeiten wie Wahrnehmung sowie sprachlicher und visueller Verarbeitung bedürfen“, sagt er. „Bei eBay arbeiten wir daran, diese Fähigkeiten zu antizipieren und zu simulieren.“
Relevanz und Prognose
Als einige Beispiele für die Anwendung von maschinellem Lernen für ein verbessertes Such- und Einkaufserlebnis nennt Kopru vorhersagende und kategorisierende Aufgaben. „Bei eBay wenden wir Techniken des maschinellen Lernens an, um einzelne Angebote einem konkreten Produkt zuzuordnen, Preise zu prognostizieren und Artikel zu kategorisieren“, so Kopru. „Wir nutzen sie auch für die Zuordnung von Attributen, um die richtigen Namen für Browse Nodes zu generieren, Produktbewertungen zu filtern und für vieles mehr. Maschinelles Lernen hilft uns dabei, die Relevanz für die Käufer bei der Suche und der Navigation zu optimieren.“
Für ein optimiertes Sucherlebnis sind Schlagworte nicht genug. „Die Suche geht mittlerweile weit über ein einfaches „Schlagwort-Matching“ hinaus,“ fügt Kopru hinzu. „Wir haben gesehen, dass die Analyse von Artikelbezeichnungen und Beschreibungen mit Machine Learning-Algorithmen die Relevanz bei der Suche erhöht.“
Im größten Umfang wird maschinelles Lernen bei eBay derzeit bei „Best Match“ eingesetzt. Der Algorithmus dient dazu, die Relevanz für die Käufer während des Einkaufserlebnisses zu optimieren. „Best Match“ analysiert alles von der Beliebtheit eines Artikels über den potentiellen Wert für den Käufer bis hin zu den Servicebedingungen wie dem Rückgabegerecht. Es ist ein sehr leistungsstarkes Tool, um besonders attraktive Angebote herauszufiltern.
„Käufer wollen Relevanz, und sie wollen besonders attraktive Angebote“, sagt eBay Technical Fellow David Goldberg. „Diese Angebote können Auktionen oder Sofort-Kaufen-Artikel sein, von einem privaten Verkäufer oder einem großen Händler kommen. Hier die richtige Balance zu halten und genau die passenden Artikel zu finden, ist gerade mit Blick auf die einzigartige Breite und Tiefe des Inventars von eBay eine große Herausforderung des maschinellen Lernens.“
„Zudem wenden wir auch statistisches Lernen an, um die ganze Seite zu optimieren: Indem wir auf das Verhalten eines Nutzers reagieren, können wir den Inhalt der Suchseite neu anordnen und priorisieren, ihm Suchhilfen oder Zugang zu den Top Deals und Top Produkten im entsprechenden Kontext bieten, während wir gleichzeitig Irrelevanzen minimieren können,“ sagt Alex Cozzi vom Search Science Team.
An einem Wendepunkt
Es sei keine gewöhnliche Zeit für maschinelles Lernen, betont Kopru. „Mit Blick auf die Anwendung im Bereich der Suche befinden wir uns im goldenen Zeitalter des maschinellen Lernens,“ sagt er. „Open Source Bibliotheken für maschinelles Lernen ermöglichen es uns, Anwendungen zu schaffen, ohne dass wir alles von Grund auf neu implementieren müssen. Wir können außerdem sehr komplexe Modelle mit den heutigen Computer-Clustern durchführen. Diese Technologien befähigen uns dazu, neue Sucherlebnisse viel schneller zu kreieren, als es jemals zuvor möglich war.“
Unser CEO zu Maschinen und Kognition
Maschinelle Übersetzungen, maschinelles Lernen, Suche und künstliche Intelligenz werden bei eBay parallel weiterentwickelt. In einem kürzlich erschienenen Beitrag äußerte sich eBay CEO Devin Wenig ausführlich über die Möglichkeiten, die künstliche Intelligenz und maschinelles Lernens bieten, die nach menschlich-kognitiven Fähigkeiten aufgebaut sind.
„Das Umfeld verändert sich extrem schnell, vor allem mit Blick auf letzten sechs bis acht Monate", schrieb Wenig. "Die Intelligenz der Maschinen hat sich fundamental weiterentwickelt – Computer können jetzt Bilderkennung für die Diagnose von Krankheiten oder die Entwicklung von wissenschaftlichen Theorien nutzen.“
"Wir verwenden Machine Learning-Algorithmen bereits, um eingestellte Artikel konkreten Produkten zuzuordnen, ähnliche Produkte zu finden und Empfehlungen zu sortieren,“ so Wenig. „Und wir setzen künstliche Intelligenz in verschiedenen Bereichen ein – von strukturierten Daten über maschinelle Übersetzung bis hin zu Risiko- und Betrugsmanagement. In den nächsten Jahren werden wir Zeugen einer noch nie dagewesenen Konvergenz von Technologie, Handel und Verbraucherwartungen werden.“