ONLINE-GRÖSSENBERATUNG NACH MASS
ERGEBNISSE:
Fit Analytics bindet die Dienste von Google Bigquery, das Framework Tensorflow und Google Kubernetes Engine ein, um maschinelle Lernprozesse kontinuierlich zu steigern. So kann das Unternehmen monatlich 250 Millionen Online-größenberatungen durchführen – bei einer Systemverfügbarkeit von 99,99 Prozent.
Mehr als 150 der weltweit führenden Bekleidungsund Schuhhersteller-marken wie ASOS, The North Face, Tommy Hilfiger, JD Sports und Calvin Klein setzen auf den Größenberater Fit Finder, um den Anteil erfolgreicher Bestellungen zu erhöhen und die Zahl der Rücksendungen zu senken. Die künstlich intelligente Datenplattform von Fit Analytics bewältigt monatlich mehr als 250 Millionen Online-anfragen zur Größenberatung. Gleichzeitig steht den Käufern eine intelligente Funktion zur Verfügung, mit der sich individuell passende Bekleidung komfortabler und treffsicherer auswählen lässt.
„Beim Online-kauf von Kleidung gehört das Finden der richtigen Größe und Passform zu den größten Herausforderungen der Kunden“, sagt Andrew Delany, Marketingleiter bei Fit Analytics. „Der Einsatz von klassischen, statischen Größentabellen führt meist zu enttäuschenden Resultaten. Wir verwenden eine Kombination aus Nutzerangaben, maschinellem Lernen und Expertenwissen zur Bestimmung von Körpermaßen. Mit der so geschaffenen größten Daten
sammlung der Branche geben wir dem Nutzer passgenaue Größenempfehlungen. Das Kauferlebnis gewinnt an Qualität und unsere Kunden profitieren von höheren Gewinnmargen. In der Regel steigt die Conversion-rate um bis zu 11,5 Prozent. Die Zahl der Rücksendungen sinkt um 4,4 Prozent.“
HOHE SYSTEMVERFÜGBARKEIT
Durch die Zusammenarbeit mit immer mehr großen Händlern war eine hohe Skalierbarkeit des Systems notwendig. „Die Rechenzeit wuchs kontinuierlich“, sagt Gunnar Kedenburg, Leiter des Bereichs Data Science bei Fit Analytics. „Das mussten wir ändern, damit unser Datenhandling uneingeschränkt zielführend blieb. Wir wurden auf die Google Cloud Platform aufmerksam, da sie umfangreiche Unterstützung für maschinelles Lernen und Datenverarbeitung bietet. Gleichzeitig stellt uns die Plattform die neuesten technologischen Entwicklungen im Bereich der Systemskalierbarkeit zur Verfügung, sodass wir unsere Rechenzeiten gering halten können.“Die Systemverfügbarkeit spielt eine entscheidende Rolle für den Erfolg von Fit Finder und anderen Produkten von Fit Analytics. Um eine Verfügbarkeit von 99,99 Prozent zu ermöglichen, muss die technische Infrastruktur entsprechend belastbar sein – in Spitzenzeiten muss sie bis zu 300.000 Anfragen pro Minute bewältigen. Sorgfältige Anonymisierung stellt sicher, dass die Nutzerdaten jederzeit geschützt sind. Dank leistungsfähiger Sicherheitsmaßnahmen bietet die Google Cloud Platform zusätzlichen Schutz für alle gespeicherten Daten.
Nachdem Fit Analytics verschiedene Anbieter auf den Prüfstand gestellt hatte, entschied sich das Unternehmen für die Google Cloud Platform – und damit für den Einsatz einer Umgebung, in der maschinelles Lernen und Datenverarbeitung vielfältig skalierbar sind.
SKALIERBARKEIT UND STABILITÄT
Im ersten Projekt sollte Google Bigquery eingebunden und die Prozesse im Verlauf von Bestellung und Retoure optimiert werden. Wie Gunnar Kedenburg erklärt,
Mit der größten Datensammlung der Branche geben wir dem Nutzer passgenaue Größenempfehlungen. Das Kauferlebnis gewinnt an Qualität und unsere Kunden profitieren von höheren Gewinnmargen. In der Regel steigt die Conversion-rate um bis zu 11,5 Prozent. Die Zahl der Rücksendungen sinkt um 4,4 Prozent.“ ANDREW DELANY, HEAD OF MARKETING AND CONTENT, FIT ANALYTICS
Google Bigquery minimiert den Zeitbedarf für die Datenverarbeitung auf ein Zehntel (Datenverarbeitung in Minuten, statt in Tagen)
Rasch wachsende Wissensbasis, die durch die Tensorflow-community stetig erweitert wird
Arbeitet mit Mikroservices der Kubernetes Engine und bietet eine Systemverfügbarkeit von 99,99 Prozent verlief der Umzug in die neue Umgebung unkompliziert: „Wir setzten gleich relationale Datenbanken ein und waren erleichtert, dass alles auch im veränderten Design von Google Bigquery reibungslos lief.“Die Einsparungen an Rechenzeit waren beeindruckend: Nach der Implementierung von Bigquery in die Datenverarbeitung konnte Fit Analytics die Rechenzeit auf ein Zehntel reduzieren.
HOHE ERWARTUNGEN AN SERVICE-LEVEL
Nach dem erfolgreichen Deployment von Google Bigquery richtete Fit Analytics sein Augenmerk auf eine verbesserte Skalierbarkeit seiner Plattform. „Wir betreiben jetzt eine Vielzahl unterschiedlicher Services in Google Kubernetes Engine“, sagt Terese Haimberger, Teamleiterin Backend-entwicklung bei Fit Analytics. „Wir können Cluster unkompliziert anlegen und anpassen – und bei Ausfällen erfolgt ein automatischer Neustart.“Die Google Kubernetes Engine verbessert die Verlässlichkeit und Skalierbarkeit des Gesamtsystems. Und sie erleichtert das Tagesgeschäft der Entwickler und Datenexperten, die sich bei Fit Analytics mit dem Aufbau und der Optimierung des Produktportfolios befassen. Die Vorteile zeigen sich nicht nur im Unternehmen, wie Terese Haimberger betont: „Die Erwartungen unserer Kunden an das Service-level sind hoch und die Google Cloud Platform bietet uns mit einer Verfügbarkeit von 99,99 Prozent die richtige Lösung. Die Infrastruktur der Google Cloud unterstützt uns enorm bei der Kapazitätsplanung. Wir können Kunden handfeste Services anbieten, die selbst in Spitzenzeiten, etwa bei Schlussverkäufen oder im Weihnachtsgeschäft, jeder Belastung standhalten.“
WETTBEWERBSVORTEILE MIT MASCHINELLEM LERNEN
„Maschinelles Lernen spielt eine grundlegende Rolle für unsere Arbeit“, sagt Gunnar Kedenburg. „Auf diese Weise verknüpfen wir unsere Vorhersagen mit Erkenntnissen und Beobachtungen aus der realen Welt, beispielsweise, ob eine vergleichbare Empfehlung in der Vergangenheit zielführend war. Wir können dadurch die Bezüge unterschiedlicher Produkte zueinander und zu den Körpermaßen des Kunden ermitteln.“
Für das Geschäftsmodell von Fit Analytics ist maschinelles Lernen eine wichtige Technologie. „Wir profitieren von Googles intensivem Engagement für Technologien wie Tensorflow. Und das ist ein echter Wettbewerbsvorteil, so nahe an der Quelle dieser Entwicklungen zu sitzen“, berichtet Kedenburg. „Mit der Google Cloud Platform betreiben wir unser statistisches System zur Bestimmung von Passformen in einer nahezu vollständig serverlosen Umgebung. Die Workloads werden transparent in großen, von Google verwalteten Clustern ausgeführt, die keinerlei Wartungsaufwand verursachen und leistungsfähiger sind, als jede hausinterne Lösung es sein könnte.“
Eine verwaltete Umgebung gibt Entwicklern und Produktdesignern die Freiheit, sich auf den Mehrwert für die Kunden zu konzentrieren. Aufgaben wie Skalierbarkeit und Administration entfallen. „Die Vielfalt unserer Lösungen wächst rasch. Wir bieten heute Beratung hinsichtlich Stil und Größenauswahl“, gibt Chief Technology Officer Tom Shenhav an. „Unser Ziel ist es, die Bekleidungshersteller bestmöglich zu unterstützen. Dabei bedienen wir uns Methoden der Personalisierung sowie der größenspezifischen, situationsbezogenen Produktauswahl. Mit der Google Cloud Platform verfügen wir über eine verlässliche Lösung für die Entwicklung solcher Lösungen.“