5 Fragen an Camila

Beitragsbild Camila
Camila Tablet

Nach ein paar Jahren begrüßen wir endlich wieder eine Frau in unserem Entwickler-Team! Herzlich willkommen, liebe Camila! Ja, genau,Camila d’Amorim ist zu unserem Crawler-Team gestoßen und arbeitet fully remote aus der schönen Stadt Recife in Brasilien. In unserem Gespräch erzählt sie von ihrer Familie, welchen Master sie anstrebt und auf welche Aufgabe bei Picalike sie sich besonders freut.

Erzähle uns doch ein wenig über dich! Wo bist du aufgewachsen? Was sind deine Hobbys? 

Ich bin in Recife in Brasilien aufgewachsen. Eine sehr schöne Stadt mit vielen wunderschönen Stränden. Ich habe zwei ältere Geschwister (väterlicherseits) und zwei jüngere Geschwister (mütterlicherseits), und ich bin ihr einziges gemeinsames Kind. Früher bin ich deshalb viel von einem Haus zum anderen gegangen.

Meine Hobbys sind das Lesen von Büchern (ich mag normalerweise keine Romane, ich bevorzuge Sachbücher) wie Geschichtsbücher, Botanik usw. Ich gehe gerne spazieren und in eine Bar mit Freunden, ich empfange auch gerne Freunde zu Hause, um Spiele zu spielen und zu kochen.

Welche deiner neuen Aufgaben macht dir bei Picalike am meisten Spaß?

Ich werde die Qualitätssicherung der Webcrawler automatisieren, die derzeit von Hand durchgeführt wird. Da wir bereits über genügend Input aus vergangenen Rankings verfügen, können wir ein maschinelles Lernen einsetzen, um eine gute Antwort mit einem guten Vertrauensintervall zu geben. Darauf freue ich mich sehr!

Recife

Wenn du einen Blick in die Zukunft werfen könntest, was würdest du in 6 Monaten sehen wollen?

Ich sehe mich weiterhin bei Picalike arbeiten, mache meinen Master in künstlicher Intelligenz und habe genug Geld, um mit meiner Frau andere Orte zu besuchen, da sie den Staat, in dem wir leben, noch nie verlassen hat.

Videoanruf… Ziehst du dich dafür um oder Come-as-you-are? Warum? 

Ich ziehe mich ordentlich an, um nicht schludrig zu wirken, denn das könnte den Eindruck erwecken, dass ich meine Arbeit oder die Menschen, die an dem Gespräch teilnehmen, nicht so sehr schätze. Aber ich gehe nicht so weit, mich zu schminken oder formelle Kleidung zu tragen.

Praia Recife

Was würdest du gerne mit deinen Kollegen nach der Arbeit trinken? Und warum gerade das?

Das wäre Weißwein oder Bier, da sie ein gutes Essen und eine gute Unterhaltung oder einen Spieleabend perfekt begleiten.

Liebe Camila, herzlich willkommen in unserem Team! Wir freuen uns schon sehr auf deinen Besuch hier bei uns in Deutschland. Bis dahin schick uns gern weitere Strandbilder!

 

 

 

Wenn ihr mehr über unsere neue Teammitglieder erfahren möchtet, dann lest auf unserem Blog, was sie in ihren 5 Fragen alles berichtet haben. Hier geht es zum Blog! 

So vermeidest du die häufigsten Empfehlungs-Fails

Beitragsbild empfehlungsfails

Produktempfehlungen sind von den Online-Shops gar nicht mehr wegzudenken, bieten sie den Shops ja die Möglichkeit, den Kunden auf einem Blick gleich mehrere Artikel aus ihrem Sortiment zu zeigen. Leider ist aber nicht jede Produktempfehlung gut und hilfreich für die Kunden. Oft genug sorgen sie sogar für Enttäuschungen! Anstelle, dass die Kunden den Online-Shop nach einer erfolgreichen und schönen Customer Experience verlassen, brechen sie dann gefrustet den Einkauf ab. Im schlimmsten Fall  kommen sie nicht wieder zum Shop zurück. Deshalb haben wir uns auf die Suche nach den häufigsten Fails gemacht und sie hier zusammengefasst. Natürlich haben wir auch gleich einen Lösungsansatz, damit deine Kunden nicht enttäuscht werden!

Platz 1: Ausverkaufte Artikel

So freuen sich deine Kunden, wenn sie zu den von ihnen auserwählten Artikeln passende Produkte empfohlen bekommen und sie sich nicht durch das gesamte Sortiment scrollen müssen. Im Falle dieses Outfits hier finden die Kunden ein stylische Hose und trendy Boots, die ihnen sehr gefallen. Sie freuen sich schon, die so stimmig präsentierten Artikel in ihren Warenkorb zu legen. Aber dann kommt die Enttäuschung! Die Artikel sind gar nicht mehr vorrätig. Die Produktempfehlung, die also den Kunden eine schönere Customer Journey bescheren soll, indem sie diese inspiriert und berät, sorgt nun für ein negatives Gefühl und lässt die Kunden frustriert zurück.

Fail Ausverkauft

Platz 2: Schlechte Alternativen

Den zweiten Platz auf unserer Hit-Liste der Produktempfehlungs-Fails belegen die unpassenden Alternativen, wenn ein Artikel ausverkauft ist. Wie man in diesem Beispiel sehen kann, wurde die Lederjacke ersetzt durch eine andere Jacke, die auf mehreren Ebenen nicht passt… So ist sie für die falsche Jahreszeit, hat eine andere Farbe, eine andere Textur und ist auch optisch der Jacke aus dem eigentlichen Look null ähnlich. Anstelle also dass der Shop seine Mode-Expertise mit einem stylischen Outfit präsentiert, zeigt er den Kunden einen Look, den sie garantiert nicht nachkaufen wollen.

Fail schlechte Alternativen

Platz 3: Trend verpassen

Was ebenfalls zu schlechten Empfehlungen führt, ist, wenn man bei den Trends nicht up to date ist und somit Produkte empfiehlt, die gerade nicht angesagt sind. Schließlich sollen die Produktempfehlungen dafür sorgen, dass der Kunde sich mit der Mode-Expertise gut beraten und betreut fühlt.

Fail trend verpassen

Platz 4: Auf Text allein basierend

Besonders kompliziert wird es, wenn die Produktempfehlungen auf rein textlicher Basis funktionieren, die Bilder also nur nach Tags sortiert werden und der Inhalt der Bilder nicht gesehen wird. So wird bei diesem Beispiel, wo zum Karate-Outfit Empfehlungen gegeben werden, nur auf das Wort “Karate” geachtet, wodurch Goldschmuck empfohlen wird, in dessen Beschreibung Karat steht. Oder das Musikalbum der Band “Karat”. Einzig bei der Sportmatte passt es.

Fail auf text basierend

Diese Fails kann man vermeiden!

All diese Fails müssen aber nicht sein. Sie alle sind vermeidbar mit unseren Technologien Similarity und Complete the Look. Zwei Technologien, die perfekt aufeinander abgestimmt sind und optimal zusammenarbeiten. So kann mit Complete the Look ein Outfit zusammengestellt werden, das in sich stimmig, stylisch und modisch aktuell ist. Mit Similarity werden dann ausverkaufte Artikel sofort ersetzt, sodass den Kunden jegliche Enttäuschung über ausverkaufte Artikel erspart bleibt. Und sie werden nicht einfach wahllos ersetzt, sondern durch Artikel, die wirklich ähnlich sind und eine passende Alternative darstellen. Denn die einzelnen Artikel werden von unserer Computer Vision “gesehen”, sodass der Inhalt wahrgenommen und analysiert wird und die Beschreibungen ergänzend wirken.

Wenn du sehen möchtest, wie deine Produktempfehlungen von unseren Tools profitieren können, dann kontaktiere uns!  Gern zeigen wir dir auch in einer Demo-Version, wie sie aussehen würden. 

Mehr Infos über unsere Technologien, unser Team und das Implementieren der Tools findest du auf unserem Blog.