Visual Search - Vom Bild zum Warenkorb

Hast du dich nicht auch schon einmal beim Stöbern auf Instagram, Snapchat oder Facebook von einem Outfit oder Artikel inspirieren lassen und dies am liebsten direkt so gekauft? Damit dieses Outfit aber genauso in einem Onlineshop gefunden werden konnte, mussten bisher Wörter eingegeben werden, welche so spezifisch wie möglich das Gesuchte beschreiben. Durch Visual Search kann dieser Aufwand für die Kundschaft verringert werden. Auch Unternehmen wie H&M können von den Möglichkeiten der Technologie profitieren.

Von: Alessia Mahilrajan 1, Laura Kipfer 2, Chiara Kocher 3, Daniel Guggisberg 4, Gerry Giacomini 5
Tags: Digitale Transformation, E-Commerce, Shopsystem, Suchmaschinenoptimierung
Vom: 2021-05-05

Relevanz

Online-Konsumenten werden hauptsächlich durch Bilder angesprochen und inspiriert, da sich Outfits und allgemein Modeartikel nicht exakt wörtlich beschreiben lassen. Es ist daher hilfreich, wenn die Kommunikation zwischen Händler und Kundschaft ebenfalls bildbasiert, über die visuelle Suche, funktioniert. [1]

Für die visuelle Suche muss nur ein Bild des gewünschten Outfits hochgeladen werden und die gleichen oder ähnlichen Kleidungsstücke werden vorgeschlagen. Auf diese Weise kann der ganze Suchprozess erleichtert sowie beschleunigt werden. In der heutigen digitalen Welt ist dies sehr relevant. Studienergebnisse zeigen, dass besonders Nutzer*innen unter 20 Jahren von der Visual Search Technologie fasziniert sind. [2] Genau an diesem Punkt sollte ein Unternehmen ansetzen und sich mit Visual Search beschäftigen und das Konzept schliesslich erfolgreich umsetzen. Auch das Modehaus H&M setzt diese visuelle Suche ein, um seiner Kundschaft die Eingabe von Beschreibungen der gesuchten Outfits zu ersparen. Wie dies genau funktioniert, wird in den nächsten Abschnitten aufgezeigt.

Theoretische Grundlagen

Die visuelle Suche kann zur sensorischen Suche eingeordnet werden, welche die allgemeine Suche über Text, Sprache oder durch das Sehen beschreibt. Auch die Bildersuche basiert auf Bildern, allerdings ist dies von der visuellen Suche abzugrenzen. Denn hierbei wird eine textbasierte Anfrage an die Suchmaschine gestellt und nach entsprechenden Bildern gesucht. [3]

Bei der visuellen Suche hingegen werden Fotos eingefügt mit bestimmten Objekten, welche von der Suchmaschine erkannt werden. Daraufhin werden passende Ergebnisse geliefert. [4]

Die visuelle Suche im theoretischen Sinn ist eine Wahrnehmungsaufgabe, die Aufmerksamkeit erfordert und typischerweise ein aktives Absuchen der Umgebung nach einem bestimmten Objekt oder Merkmal beinhaltet. Die visuelle Suche kann mit oder ohne Augenbewegungen erfolgen. Es ist die Fähigkeit, ein Objekt oder Ziel in einer komplexen Anordnung von Reizen bewusst zu lokalisieren. [5]

Praktische Bedeutung

Praktische Beispiele für die Verwendung der visuellen Suche finden sich im Alltag, zum Beispiel wenn ein Produkt in einem Supermarktregal auswählt, wird, wenn Tiere in einem Laubhaufen nach Nahrung suchen, wenn versucht wird, seine*n Freund*in um 2 Uhr morgens in der Bar wieder zu finden oder wenn im H&M Onlineshop nach einer bestimmten Jacke gesucht wird, ohne zu wissen, wie diese am besten wörtlich beschrieben wird.

In manchen dieser Fälle benötigt es einen riesigen Aufwand, um etwas zu finden. Dieses Problem wird durch visuelle Suchmaschinen gelöst. Wer schon lange dieselben Kleider tragen wollte wie sein*e Nachbar*in, kann diese nun ohne viel Aufwand mit einem geschossenen Bild und einem Upload finden.

Viele Online-Marktplätze und bestehende Suchmaschinen verwenden bereits eine Art Visual Search und wenn nicht, werden sie es bald tun. Denn laut Statistiken repräsentierte Visual Search 2019 21.51% des weltweiten Such-Marktanteils. [6, 7]

Obwohl sich Visual Search im Marketing noch in der Anfangsphase befindet [8], hat sie das Potential eine sehr wichtige Rolle für die Webpräsenz für Firmen wie H&M zu spielen. Denn nicht nur wird ein neuer Zugang zum Produkt sowie Kundendaten und Kundenpräferenzen geschaffen, auch wird durch ihren Gebrauch die Suchmaschinenoptimierung (SEO) vereinfacht. [9]

Beispiele für Firmen, welche die Technologie schon verwenden sind H&M, Alibaba, Google Lens, Easy Jet und Pinterest. Wobei Visual Search für die Modebranche und somit für H&M eine spezielle Rolle spielt. In der Mode dreht sich alles ums Aussehen. Der Versuch ein Kleid mit Worten zu beschreiben, ist nicht dasselbe wie ein Bild davon zu sehen. [10]

Visual Search bei H&M

Funktionsweise

Visual Search basiert auf den wissenschaftlichen Gebieten Computer Vision und Machine Learning. Wobei das erste Gebiet die Frage behandelt, wie Computer ein Verständnis für digitale Bilder oder Videos auf einem hohen Level erlangen können. Das zweite Gebiet beinhaltet, wie Systeme von Daten und Muster lernen und Entscheidungen treffen können. Fortschritte in beiden Gebieten erlauben es einfach ausgedrückt, Bildinhalte durch das Nachahmen eines Gehirns zu identifizieren. Dazu werden verschiedene Varianten von neuronalen Netzwerken verwendet, welche durch Lernalgorithmen und bestehenden Daten trainiert wurden. [11, 12]

Bilderdaten wie Farb- und Helligkeitswerte der Bildpunkte werden durch das trainierte neuronale Netzwerk gegeben und Muster und Texturen erkennt. So können visuelle Informationen aus einem Bild extrahiert, ausgewertet und mit anderen Bildinhalten verglichen werden. 

Es gibt verschiedene Arten wie Visual Search praxisbezogen in Suchmaschinen implementiert ist:

Reverse Image Search
Ein Bild wird als Internet Suchanfrage verwendet, um eine Liste von Ergebnissen zu erhalten, wo das Bild sonst noch vorkommt. Ein Praxisbeispiel dafür ist Google Image Search.

Related Search
Hierbei handelt es sich um eine Inhaltsvergleichende Bildsuche, welche es ermöglicht nach ähnlichen Bildern oder einzelnen Gegenständen in Bildern zu suchen. Ein Beispiel dafür ist Pinterest.

Filtered Search
Je nach verwendetem Bild werden Filter für die weitere Suche vorgeschlagen. damit die Benutzer ihre Suche fokussieren können. So kann man beispielsweise ein Bild eines Kleides verwenden, welches schwarz ist und aus Seide besteht, um die Filter in diesem Stil zu konfigurieren und passende Ergebnisse zu erhalten. Diese Art von Visual Search wird bereits in vielen Branchen und Firmen verwendet. Beispiele dafür sind H&M, Ebay und Wish.

Augmented Reality Search
Hier können Benutzer*innen mit einer Smartphone Kamera ein Bild machen und es direkt für eine Suchanfrage nutzen. So erhalten sie Vorschläge für zugehörige Bilder und Objekte und können über eine Verlinkung weitere Informationen dazu erhalten. Die Googles Lens-App beispielsweise ermöglicht es, ein Bild zu machen und zeigt dann alle erkannten Objekte und Informationen zu den Objekten an.

XYZ

ebay Visual Serach

Visual Search bei H&M

Die Produkte, welche von H&M verkauft werden, können gemäss des Informationsökonomischen Ansatzes anhand von drei Eigenschaftskategorien eingeordnet werden. Bei H&M werden mehrheitlich Kleider verkauft, welche vorwiegend Sucheigenschaften aufweisen. Zudem werden durch die Marke “H&M Home” Wohnaccessoires verkauft. Auch diese können in die Kategorie der Sucheigenschaften eingeordnet werden. Hierbei ist es wichtig, dass möglichst alle notwendigen Informationen zu den Produkten für die Kundschaft einfach zu verstehen und ansprechend sowie einheitlich anzusehen sind. Infolgedessen sollten bei den vorgeschlagenen Ergebnissen durch visuelle Suche auch die entsprechenden Produktinformationen für die Kundschaft ersichtlich sein.

H&M verkauft auch Kosmetikprodukte, welche mehrheitlich Erfahrungseigenschaften aufweisen, da erst nach dem Kauf ersichtlich wird, ob beispielsweise die Foundation auch wirklich die Funktion von “24h Halt” einhält. Wenn H&M mit Versprechen von nachhaltiger oder fairer Produktion wirbt, zählen hierbei vor allem die Vertrauenseigenschaften. Hier ist es von Vorteil, wenn der Kundschaft beim Produktvorschlag bei der visuellen Suche dieses Versprechen sowie mögliche Kundenerfahrungen ersichtlich gemacht werden. [13]

Um die Unsicherheiten bezüglich der Transaktion zu reduzieren, sollte H&M je nach Eigenschaft der Produktkategorie unterschiedliche Informationen zur Verfügung stellen. Für Kleidungsstücke wären das beispielsweise Bilder aus unterschiedlichen Perspektiven sowie Detailansichten. Für Kosmetikprodukte sind überwiegend Bewertungen nützlich, welche Erfahrungen früherer Anwender*innen wiedergeben. Geht es um die Glaubwürdigkeit von Vertrauenseigenschaften, etwa nachhaltiger Produktion, können beispielsweise Zertifikate verwendet werden. [14]

HM-Share-Image.jpg

H&M Logo

H&M Fakten und Produkte

  • Schwedische Modekette Hennes & Mauritz (H&M)  
  • Gründungsjahr: 1947 
  • Rund 5.000 Geschäfte in etwa 60 Ländern 
  • Zählt weltweit zu den größten Textileinzelhändlern  
  • Überwiegend Eigenmarken 
  • Markenwert: 4.66 Mrd. USD [30]

.

Chancen

Ein wesentlicher Vorteil für Unternehmen wie H&M ist es, dass sich durch Visual Search die Suche nach Artikeln für die Kundschaft deutlich vereinfachen lässt. Statt mit zahlreichen Stichworten und Filtereinstellungen nach einem bestimmten Produkt suchen zu müssen, kann einfach ein Bild hochgeladen werden. [15] Das Hochladen eines Bildes für die Suchanfrage kann auch der Wechsel zwischen Offline- und Onlinekanälen erheblich vereinfachen.[16] Die Nutzung von Visual Search hilft dabei, die Customer Journey angenehmer zu gestalten und zu vereinfachen. [17] Da die Customer Journey ausschlaggebend für die Customer Experience ist, kann durch die Option der visuellen Suche, auch die gesamte Kundenerfahrung verbessert werden. Dies hat wiederum positive Auswirkungen auf die Kundenzufriedenheit und -bindung, Wiederkäufe sowie schlussendlich den Unternehmensgewinn. [18]

Für H&M bietet sich durch die Implementierung der visuellen Suche auch eine Chance, Cross Selling Potenziale zu realisieren. Ist der gewünschte Artikel nicht vorhanden, können ähnliche Artikel gezeigt werden, welche auch zum Kauf führen können. Ausserdem können in den Ergebnissen ganze Outfits gezeigt werden. Das hilft der Kundschaft sich vorzustellen, wie der gesuchte Artikel (beispielsweise ein Sommerkleid) durch andere Artikel (Schuhe, Tasche, Sonnenbrille etc.) kombiniert werden kann. Auf diese Weise besteht die Möglichkeit, dass einige Käufer*innen schlussendlich mehr Artikel kaufen und somit auch mehr Umsatz generieren, als sie ursprünglich geplant hatten. [19] Durch die zusätzlich angezeigten Artikel, welche das Outfit vervollständigen, kann auch das Gesamterlebnis der Kundschaft vervollständigt und optimiert werden.

Durch Visual Search kann auch die Konversionsrate erhöht werden. Wie bereits diskutiert, ist es anhand von textbasierter Suche oftmals schwer, zu den gewünschten Ergebnissen zu gelangen. In solchen Fällen kann es vorkommen, dass Nutzer*innen frustriert werden und abspringen. Dadurch, dass es durch Visual Search einfacher wird, passende Ergebnisse zu finden, kann das Risiko verringert werden. [20] Durch die Optimierung von Bildern für die visuelle Suche mit Suchmaschinen kann zudem die organische Präsenz sowie die Anzahl der Besuche auf der eigenen Website gesteigert werden. [21]

Ausserdem mussten Bilder auf Websites bisher getaggt werden, damit ihre Inhalte durch die textbasierte Suchmaschine interpretiert werden konnten. Dies kann durch die Verwendung von Visual Search automatisiert werden. Somit wird der Inhalt leichter zugänglich gemacht und die Suche der Kundschaft präziser. [10]

Schwierigkeiten

Zu Visual Search werden hauptsächlich positive Aspekte diskutiert. In zahlreichen Artikeln zum Thema Visual Search sind kaum negative Punkte zu finden. Ist diese neue Art der Suche für Unternehmen wie H&M wirklich über jeden Zweifel erhaben? [15]

Ein negativer Punkt könnte sein, dass Menschen noch nicht daran gewöhnt sind, mit einem Bild zu suchen. Es kann einige Zeit dauern bis sich dieses neue Verhaltensmuster durchsetzt. Die Vorstellung, vor der Suche erst ein Bild machen zu müssen, kommt der Mehrheit noch etwas ungewohnt vor. [22] Dieses komische Gefühl war auch lange bei den Anbietern spürbar. Unternehmen kommen erst langsam auf den Geschmack von Visual Search. Obwohl H&M zu den ersten Anwendern dieser Technologie gehört, steckt sie noch eher in den Kinderschuhen, was sich in der fehlenden Anzahl Referenzen in den Datenbanken widerspiegelt. Die Möglichkeiten sowie die gestellten Suchanfragen wachsen jedoch von Tag zu Tag. [15]

Als weiteren negativen Punkt kann auf die Unbrauchbarkeit von qualitativ schlechten Bildern verwiesen werden. Anwender*innen können keine Bilder in tiefer Qualität benutzten, da für einen gewissen Qualitätsstandard der Suchmaschine die Bildqualität hoch sein muss. Ein weiterer Aspekt ist, dass es schwierig sein wird, die visuelle Suche auf die gleiche Weise zu monetarisieren wie die Textsuche, da sich der Targeting-Mechanismus nicht direkt auf Keywords fokussieren kann. [22]

Eine weitere Schwierigkeit für H&M ist, dass die zentrale Rolle der Kundschaft nicht vergessen werden darf. Für diese besteht die Möglichkeit einer frustrierenden Erfahrung mit Visual Search, falls diese “einfache” Art zu suchen nur mangelhaft funktioniert. Dies kann einen direkten Einfluss auf die Beziehung mit H&M haben. Werden etwa unbefriedigende Ergebnisse angezeigt, könnte die Kundschaft für die Suche zu Wettbewerbern wechseln. Abschliessend lässt sich sagen, dass die Ansprüche der breiten Masse an Visual Search grundsätzlich hoch sind. Folglich muss sich die Technologie auf lange Sicht noch verbessern, um sich im Markt etablieren zu können. [2]

Umsetzung

H&M kann Visual Search auf zwei unterschiedliche Weisen nutzen. Auf der einen Seite geht es um die direkte Suche nach einem bestimmten Artikel in der H&M-App oder im eigenen Onlineshop. Hier wird neben der traditionellen textbasierten Suche die visuelle Suche als weitere Option angeboten. Auf der anderen Seite kann sich das Unternehmen auch intensiv mit Visual Search via Suchmaschinen auseinandersetzen. In diesem Zusammenhang ist es besonders interessant zu verstehen, wie eigene Bilder dafür optimiert werden können, so dass sie von den Suchmaschinen auch gefunden werden können.

App und Onlineshop

Wird die H&M-App geöffnet, werden verschiedene Optionen angeboten, wie nach einem Artikel gesucht werden kann. Neben der Möglichkeit via Texteingabe oder Scan des Preisetiketts eine Suchanfrage zu starten, kann auch direkt ein Bild dafür genutzt werden. Entscheidet sich die Kundschaft, ein Bild direkt aufzunehmen oder hochzuladen, wird die visuelle Suche gestartet und ähnliche H&M-Artikel werden vorgeschlagen. Visual Search ist bisher nur in der App von H&M zu finden. Das Unternehmen könnte die praktische Suchoption auch für den Onlineshop anbieten.

Bild1.png

H&M Screenshot App

Allgemein

Hat die Kundschaft beispielsweise Zuhause eine schwarze Bluse und sucht nochmals eine ähnliche, kann ganz eifach ein Foto direkt davon aufgenommen werden.

Bild6.jpeg

Detail Erkennung

Es ist auch möglich nur auf eine bestimmte Partie zu zoomen. Auf diese Weise erhält die Kundschaft auch nur Vorschläge für gesuchte Produkte, beispielsweise die Schuhe.

Kleid%206.jpg

H&M Screenshot App

Muster Erkennung

Auch nur mit der Suche eines bestimmten Musters, können passende Kleidungsstücke gefunden werden, welche die Kundschaft aufgrund eines ähnlichen Musters womöglich ebenfalls ansprechen.

Bild3.jpg

Stil Erkennung

Visual Search erkennt auch den Stil der Kleidung, Hier wird ein eleganter Look gezeigt, wobei auch Details, beispielsweise die Spitze und Farbe, erkannt werden.

Kleid%20Baba.jpg

H&M Screenshot App

Suchmaschinen

Seitdem die bekannteste Suchmaschine Google online aufgeschaltet wurde, verändert sich kontinuierlich die Art und Weise wie im Internet gesucht wird. Zu Beginn waren es einzelne Wörter, danach ganze Sätze oder auch Fragestellungen, welche eingegeben wurden. Nun gehört nicht nur die reine Internetsuche, sondern auch die Video-, Karten-, und Bildersuche immer mehr zum alltäglichen Durchstöbern des Internets. [23]

Heute gibt es mehrere Suchmaschinen, welche die Funktion der visuellen Suche anbieten:  

  • Google Images  

  • Google Lens 

  • Pinterest 

  • Bing Visual Search  

  • Etc. 

Aufgrund der Tatsache, dass diese Suchmaschine mit künstlicher Intelligenz und Machine Learning funktionieren, soll die Bildanalyse und Objekterkennung stetig verbessert werden. [24]

Suchmaschinenoptimierung

Durch die Optimierung der eigenen Bilder kann ein Unternehmen wie H&M gewährleisten, dass diese eine hohe Position bei den Ergebnissen der Suche einnehmen. Ziel der Bildoptimierung ist es, den Suchmaschinen zu helfen, die eigenen Bilder verstehen. [21]

Ein wichtiger Aspekt ist, dass heutzutage hauptsächlich das Smartphone benutzt wird, um kurz etwas zu suchen. Deshalb sollten die Bilder und Produktinformationen für eine erfolgreiche Visual Search möglichst gut für die Suche mit Mobilgeräten angepasst werden. [24]

Um Bilder für Visual Search zu optimieren, sollten hochauflösende Bilder verwendet werden. Produkte sollten zudem möglichst aus verschiedenen Blickwinkeln abgebildet werden. Auf diese Weise wird die Chance erhöht, dass eine Suchmaschine die Ware auch verarbeiten und mit Anfragen abgleichen kann. Damit Suchmaschinen den Kontext der Bilder besser verstehen und verarbeiten können, sollten Alternativtexte zu den Bildern hinzugefügt werden. Durch eine Sitemap kann zusätzlich die Indizierung der Bilder erleichtert werden, damit die Bilder auch gefunden werden können. [25] Durch die Kombination von optimierten Bildern und der Katalogisierung dieser Bilder mit Mikrodaten, kann bei der visuellen Suche via Suchmaschine ein höherer Rang belegt werden. Zusätzlich können die Daten der Bilder so strukturiert werden, dass sie für visuelle Anwendungen einfacher zu verarbeiten sind. [26]

Social Media

Das Ziel von sozialen Plattformen war ursprünglich, Freunde und Bekannte zu vernetzen. Allerdings gewinnen diese Plattformen auch immer mehr an Bedeutung für den Onlinehandel. [23] Soziale Medien werden insbesondere von der Generation Z fürs Onlineshopping benutzt wird. [7]

Beispielsweise auf Snapchat gibt es unterschiedliche Funktionen, um ein gemachtes Foto zu analysieren. Auf Instagram gibt es diese direkte Funktion bisher noch nicht. In Zukunft könnten auch Social Media Plattformen wie Instagram zu einer eigenen Suchmaschine für Visual Search werden. Für gepostete Bilder könnte auf Anfrage dann direkt eine visuelle Suche gestartet werden.

Ungefähr 34% der Kundschaft gelangt direkt auf die Website H&M, bis zu 56% via Suchmaschinen. Die Traffics, welche für H&M durch Social Media entstehen, sind deutlich geringer und liegen bei nur ca. 3.5%. Aus diesem Grund wäre es eine gute Möglichkeit für den Onlineshop H&M Visual Search auf soziale Plattformen zu erweitern.

Die Mehrheit der Besucher*innen gelangt durch organische Suche auf die Website von H&M und nur ca. 9% durch bezahlte Suche. [27]

 

 

Capture2.PNG

Traffic Sources for H&M

Zukünftige Anwendungsmöglichkeit

Wie bereits erwähnt, könnte H&M die Möglichkeit für Visual Search auch auf den eigenen Onlineshop übertragen. Eine weitere Möglichkeit für das Unternehmen ist es, die technische Anwendungsmöglichkeiten auch auf ihre Kosmetikprodukte zu erweitern. Bis heute ist Visual Search für Kosmetikprodukte in diesem Ausmass noch nicht möglich. Zukünftig wird dies durch verschiedene technische Funktionen und Artificial Science ermöglicht.

Dabei wird die Gesichtspartie exakt analysiert und die genauen Farben beispielweise von der Augenpartie verschiedenen Lidschatten-Paletten identifiziert. Ein Fokus liegt auf der Erkennung von verschiedenen Hautfarben sowie glänzende, glitzernde und matte Farben der Make-Up Produkte. Durch einen Screenshot von der Gesichtspartie sollte die Möglichkeit entwickelt werden einzelne Bereiche der Augenpartie zu erkennen, zu markieren und auf diese Weise zu passenden Ergebnissen zu gelangen.

Bild6.jpg

Mögliche Erweiterung Kosmetik

Für das Erkennungssystem muss eine Datenbank mit den vorhandenen Kosmetikprodukten von H&M angelegt werden. Die Datenbank beinhaltet Bildmuster von allen vorhandenen Kosmetikartikeln, beispielsweise Lippenstifte, Lidschatten und Foundations. Zweck dieses Erkennungssystems ist, kosmetische Produkte mit ihren Marken, Produkten etc. zu erkennen. Dadurch kann die Kundschaft herausfinden, welche Art von Produkten und Marken ihren Suchanfragen entsprechen. Für die Implementierung eines solchen Systems sind 3 Komponenten erforderlich.

  • Der erste Schritt ist die Vorverarbeitung. Dabei werden Farbbilder skaliert und in Graustufenbilder umgewandelt. Dadurch kann der Suchprozess später beschleunigt werden.

  • In einem nächsten Schritt geht es um die Merkmalsextraktion. Dazu werden strukturelle und statische Texturanalyseansätze sowie verschiedene Merkmalspräsentationsverfahren konstruiert und konkretisiert.

  • In einem letzten Schritt findet die Klassifizierung durch nähere technische Analysen, beispielweise mit logistischer Regression, linearer Support-Vektor-Maschine, künstlichen neuronale Netzwerken, statt. [28]

H&M kann die beschriebene Analyse und Umsetzung spezifisch auf ihre Kosmetikprodukte anwenden und somit die visuelle Suche auf alle angebotenen Produktkategorien ausweiten. Durch die Erweiterung von Visual Search auf die Kosmetik-Produktkategorie kann das ganzheitliche Kundenerlebnis nochmals verbessert werden.

Zusammenfassung

Wir wissen sehr wohl, dass die Mediensuchmaschinen noch viel zu wenig beachtet werden in Anbetracht der Möglichkeiten, die sie Medienhäusern bieten. Deshalb setzen wir noch mehr Ingenieure ein, um daran zu arbeiten und zudem wird unsere Öffentlichkeitsarbeit weiter ausgebaut. [29]

Visual%20Search%20Key%20Takeaways-page-001.jpg

Autoren*innen

17061793-F646-4D85-BED2-5D5C1A22B6FB2.jpeg

Laura Kipfer

CF80B12B-7564-462C-9E5D-FF4B6359DBF5.jpeg

Gerry Giacomini

DC5F57E1-28FD-4AE7-A46A-9DB228695105.jpeg

Alessia Mahilrajan

17031B8A-4AD7-4328-90F7-A2CF7213862F.jpeg

Daniel Guggisberg

6330970E-3A07-48E5-9D8F-ABF580A37DFE.jpeg

Chiara Kocher

Kontakt

Quellenverzeichnis

[1] Dantone, M., (2017). Visual Search at Zalando, ASOS, https://www.linkedin.com/pulse/visual-search-zalando-asos-matthias-dantone/, Abruf am 19.04.2021.

[2] Meissner, J., (2019). Studie zu Visual Search: Google bester Anbieter, Amazon abgeschlagen, https://www.elaboratum.ch/news/studie-visual-search-google-bester-anbieter-amazon-abgeschlagen/ , Abruf am 19.04.2021.

[3] Mohanadasan, S., (2020). Visual Search Guide: Who Uses It, Benefits, and Optimization Tips, https://www.semrush.com/blog/visual-search-guide-benefits-optimizatiion, Abruf am 19.04.2021.

[4] Schanz, L., (2021). Visuelle Suche: Logische Weiterentwicklung der Suchanfrage, https://www.netz98.de/blog/ecommerce-trends/visuelle-suche-im-ecommerce/, Abruf am 21.04.2021.

[5] Treisman, A. M., & Gelade, G. (1980). A feature-integration theory of attention. Cognitive psychology, https://www.semanticscholar.org/paper/A-feature-integration-theory-of-attention-Treisman-Gelade/76361a44e145732a39dbc68d9418871038c83be2#paper-header/, 12(1), 97-136, Abruf am 21.04.2021.

[6] Fishkin, R., (2019). Google in 2020: From Everyone’s Search Engine to Everyone’s Competitor, https://sparktoro.com/blog/google-in-2020-from-everyones-search-engine-to-everyones-competitor/, Abruf am 19.04.2021.

[7] Georgette, K., (2018). New Research from ViSenze Finds 62 Percent of Generation Z and Millennial Consumers Want Visual Search Capabilities, More Than Any Other New Technology, https://www.businesswire.com/news/home/20180829005092/en/New-Research-ViSenze-Finds-62-Percent-Generation#.W4eYrWp5Mrc.linkedin, Abruf am 21.04.2021.

[8] Dimoska, E., (2020). “Computer vision can have a big impact on the fashion industry”: Interview with FashionTech entrepreneur Svetlana Kordumova, CEO of Pixyle.ai, https://www.eu-startups.com/2020/07/computer-vision-can-have-a-big-impact-on-the-fashion-industry-interview-with-fashiontech-entrepreneur-svetlana-kordumova-ceo-of-pixyle-ai/, Abruf am 19.04.2021.

[9] Vorlesungsunterlagen zur Vorlesung Online-Marketing und -Vertrieb, Modul 2: Faszination Online Marketing, S. 6.

[10] Pinto Fryman, L., (2021). 5 Ways Visual Search Will Change the Way You Market, https://blog.hubspot.com/marketing/visual-search-will-change-marketing,. Abruf am 21.04.2021.

[11] Ballard, D. H., & Brown, C. M. (1982). COMPUTER VISION. https://archive.org/details/computervision0000ball/mode/2up, Englewood Cliffs, N.J.: Prentice-Hall.

[12] Wuttke, L., (2020). Machine Learning: Definition, Algorithmen, Methoden und Beispiele, https://datasolut.com/was-ist-machine-learning Abruf am 19.04.2021.

[13] Vorlesungsunterlagen zur Vorlesung Online-Marketing und -Vertrieb, Modul 3: Online Marketing Strategie, S. 7.

[14] Meffert, H., Burmann, C., Kirchgeorg, M., & Eisenbeiss, M. (2019). Marketing: Grundlagen marktorientierter Unternehmensführung Konzepte - Instrumente - Praxisbeispiele (13. Aufl.), https://link.springer.com/chapter/10.1007/978-3-658-21196-7_1, Wiesbaden: Springer Gabler.

[15] Guthke, M., (2020). Visual Search: Welche Möglichkeiten sich für Handel und Marketing bieten, Visual Search: Neue Möglichkeiten für Handel und Marketing - Management Circle Blog (management-circle.de), Abruf am 19.04.2021.

[16] Vorlesungsunterlagen zur Vorlesung Online-Marketing und -Vertrieb, Modul 3: Online Marketing Strategie, S. 9.

[17] Vorlesungsunterlagen zur Vorlesung Online-Marketing und -Vertrieb, Modul 2: Faszination Online Marketing, S. 22.

[18] Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of marketin, https://journals.sagepub.com/doi/10.1509/jm.15.0420, 80(6), 69-96.

[19] Novoseltseva, E., (2018). Visual Search In M-Commerce: Benefits, Use Cases, Case Studies, Statistics & Main Players., Visual search in m-commerce: case studies, statistics & main players (apiumhub.com), Abruf am 19.04.2021.

[20] Atia, E., (2018). Discovery and Conversion with Visual Search, Discovery and Conversion with Visual Search - Syte, Abruf am 19.04.2021.

[21] Harman, R., (2020). How Visual Search Impacts SEO, How Visual Search Impacts SEO - ReadWrite, Abruf am 19.04.2021.

[22] Boyd, C., (2018). Visual Search — The Ultimate Guide: Statistics, News, Trends, and Tips, https://clarkboyd.medium.com/visual-search-trends-statistics-tips-and-uses-in-everyday-life-d20084dc4b0a, Abruf am 19.04.2021.

[23] Darko, B., (2019). How Google, Visual Search & Smart Speakers are Changing the Travel Industry, https://blog.searchmetrics.com/us/travel-industry-change-google, Abruf am 19.04.2021.

[24] Roos, P., (2019). Visual Search – zeig es Google & Co., https://de.ryte.com/magazine/visual-search, Abruf am 19.04.2021.

[25] Sandberg, A., (2019). How to optimize your images for visual search, How to optimize your images for visual search - Wincher.com, Abruf am 19.04.2021.

[26] Wheeler, R., (2020). Visual Search: A Game Changer for SEO in 2020?,  Visual Search: A Game Changer for SEO in 2020? - Social Hospitality, Abruf am 19.04.2021.

[27] Similarweb, https://www.similarweb.com/website/hm.com/, Abruf am 20.04.2021. 

[28] Sourcé, D., (2019). 30/59/11: Die perfekte Graustufen-Umwandlung als visuelle Dodge-&-Burn-Hilfe, https://www.prepress-secrets.at/index_files/archive-january-2019.html, Abruf am 19.04.2021.

[29] Täschler, K., (2019). Visual Search: Die Zukunft ist jetzt, https://www.complecta.ch/blog/news/visual-search-die-zukunft-ist-jetzt/ , Abruf am 19.04.2021.

[30] Hohmann, M., (2021). Statistiken zu Hennes & Mauritz, https://de.statista.com/themen/1292/hennes-und-mauritz/#dossierSummary/, Abruf am 05.05.2021