HEADLESS
SUCHE
ENGINE
Blitzschnelle Suche, die überall funktioniert. Ein Index für jeden Kanal
Die API-First-Suchmaschine für Headless-Commerce. Blitzschnelle Produktsuche, intelligente Autovervollständigung und facettierte Navigation für Webshops, mobile Apps, Sprachassistenten und mehr – aus einem einzigen, einheitlichen Index.
Was die Headless-Suchmaschine von Quarticon besonders macht
Mit Headless-Commerce lassen sich unbegrenzt viele Frontends über eine einzige Commerce-Plattform betreiben. Eine Suchmaschine sollte auf dieselbe Weise funktionieren. Statt die Suchlogik in jeden einzelnen Webshop zu integrieren, wird sie einmal implementiert und für alle Kanäle bereitgestellt. Herkömmliche Datenbanksuchen sind langsam, unflexibel und auf einen einzelnen Webshop ausgelegt. Headless-Commerce erfordert eine bessere Lösung: eine dedizierte Suchmaschine, die alle Kanäle mit einer Latenz von unter 100 ms, intelligentem Ranking und kanalübergreifenden Einblicken versorgt.
Schnellere Sucherlebnisse
Datenbankabfragen dauern 500 ms bis 2 s. Suchvorgänge werden abgebrochen, bevor die Ergebnisse geladen sind. Die Konversionsrate sinkt pro Sekunde Latenz um 10–15 %.
Ein speziell entwickelter Suchindex liefert Ergebnisse in <100 ms. Sofortige Ergebnisse beim Tippen. Höheres Engagement und mehr Umsatz.
Bessere Suchrelevanz
Die allgemeine Keyword-Suche liefert irrelevante Ergebnisse. Die gewünschten Produkte werden erst beim dritten oder vierten Versuch gefunden. Nischenprodukte bleiben für Kunden mit spezifischen Suchanfragen unauffindbar.
Das auf maschinellem Lernen basierende Ranking berücksichtigt Suchintention, Beliebtheit, Margen und Lagerbestand. Intelligentere Ergebnisse, höhere Konversion.
Omnichannel-Erlebnis
Eine in den Webshop integrierte Suche funktioniert nur im Web. Für die mobile App wird eine eigene Suchlogik benötigt. Eine E-Mail-Suche ist nicht möglich.
Ein einheitlicher Index versorgt Web, App, Sprachassistenten, E-Mail und soziale Medien. Überall konsistente Ergebnisse.
What Sets Quarticon AI Search Apart
Lightning-fast mobile search
Mobile users receive instant results with images, prices, and reviews before leaving the store.
No waiting for loading. No scrolling. Just pure conversions.
Catch the user within 3 seconds
Convert every visit
Smart autocomplete, contextual suggestions, and backup results ensure everyone finds what they need or something even better.
No more lost sales.
No more wasted traffic
Mastery in niches
Contextual search rich in parameters understands niche specifics. “Organic cotton nursing bras” returns exactly those products, not general matches.
Specialist categories gain visibility.
Demand and inventory management
Excess stock sells faster. Fast-moving products highlight limited availability. Stock shortages trigger smart alternatives.
Inventory starts generating revenue instead of piling up and being a hindrance.
Turn inventory into revenue. Smartly.
Forgiving user errors
Typos don’t eliminate results. Synonyms and abbreviations work. Natural language queries work correctly.
Customers find what they want—regardless of how they search.
Let your products be found, even with misspellings
Insight into customer needs
See customer queries, searches returning 0 results, and keywords driving sales.
Finally, understanding customers instead of guessing.
Search analysis that truly works.
So funktioniert die Headless-Suchmaschine
Datenquellen verbinden
Der Produktkatalog (SKU, Titel, Beschreibung, Preis, Attribute) wird aus der Commerce-Plattform, dem PIM-System oder dem Data Warehouse integriert. Die Synchronisierung in Echtzeit hält den Suchindex aktuell. Aktualisierungen sind innerhalb von Sekunden verfügbar, nicht erst nach Stunden.
Sofort indexieren
Produkte werden sofort indexiert und sind unmittelbar auffindbar. Unser verteilter Index wird über globale Rechenzentren repliziert. Kein Warten auf Batch-Jobs oder nächtliche Neuaufbauten.
Intelligent suchen
Das Frontend sendet eine Suchanfrage an unsere API. Unsere Engine liefert in <100 ms gerankte, relevante Ergebnisse – unter Berücksichtigung von Beliebtheit, Margen, Lagerbestand, Nutzerverhalten und Personalisierungsregeln. Tippfehler werden verziehen, Synonyme erkannt.
Intelligente Autovervollständigung
Während der Eingabe werden sofort Suchvorschläge (Suchanfragen-Autovervollständigung) und Produktempfehlungen (Produkt-Autovervollständigung) bereitgestellt. Das System lernt aus den tatsächlichen Suchmustern der Kunden.
Navigation mit Facetten
Die Ergebnisse lassen sich mithilfe von Filtern verfeinern: Preis, Marke, Farbe, Größe und Bewertung. Die Anzahl der Treffer pro Facette wird in Echtzeit aktualisiert, sobald Filter angewendet werden. Keine Verzögerungen.
Lernen und optimieren
Es wird erfasst, wonach gesucht, was angeklickt und was konvertiert wird. Diese Erkenntnisse können genutzt werden, um das Ranking anzupassen, Inhaltslücken zu identifizieren und die Suchintention der Kunden besser zu verstehen.
Funktionen der Headless-Suchmaschine
API-First-Architektur
Über REST-APIs können beliebige Frontends – Web-Apps, native mobile Apps, E-Mail-Dienste oder sogar IoT-Geräte – Empfehlungen anfordern. Sprachunabhängig und unabhängig von der Bereitstellung.
Suchlatenz von unter 100 ms
Ein speziell entwickelter Suchindex, der auf Geschwindigkeit statt auf analytische Abfragen optimiert ist. Ergebnisse werden aus jeder geografischen Region in weniger als 100 Millisekunden bereitgestellt. Sofortige Ergebnisse beim Tippen, wie von Nutzern erwartet.
Intelligentes Ranking und Relevanz
Mehr als einfache Keyword-Übereinstimmungen. Das ML-gestützte Ranking berücksichtigt:
Saisonale Trends
Suchintention und Kontext der Suchanfrage
Beliebtheit und Absatzdynamik der Produkte
Margen und Geschäftsregeln
Verfügbarkeit auf Lager
Signale aus dem Kundenverhalten
Toleranz gegenüber Tippfehlern und Fuzzy Matching
Suchanfragen können falsch geschrieben sein – dennoch werden die gesuchten Produkte gefunden. „Bleu chees“ findet Blauschimmelkäse. „Runnign shoes“ findet Laufschuhe. Keine Ergebnisse gehen durch Tippfehler verloren.
Synonymverwaltung
Benutzerdefinierte Synonyme für das eigene Unternehmen lassen sich definieren. „Laufschuh“ = „Trainingsschuh“ = „Sneaker“. Die Verwaltung erfolgt über das Dashboard oder die API.
Facettierte Navigation
Die dynamische Filterung nach Preis, Marke, Farbe, Größe, Bewertung, Kategorie und benutzerdefinierten Attributen. Die Anzahl der Treffer pro Facette wird in Echtzeit aktualisiert, während die Ergebnisse verfeinert werden.
Autovervollständigung und Suchvorschläge
Zwei Arten der Autovervollständigung:
- Suchanfragen-Autovervollständigung: Vorschläge für Suchbegriffe basierend auf typischen Suchanfragen
- Produkt-Autovervollständigung: Passende Produkte werden während der Eingabe angezeigt
Das System lernt aus den tatsächlichen Suchmustern der Kunden. Vorschläge lassen sich für jeden Nutzer personalisieren.
Unterstützung mehrerer Sprachen
Indexierung und Suche in mehr als 50 Sprachen. Stemming, akzentunabhängige Suche und sprachspezifisches Ranking sind integriert.
Merchandising und Merchandising-Regeln
Produkte für bestimmte Suchanfragen hervorheben oder weiter unten platzieren:
- „Laufschuh“ → Nike hervorheben, Wettbewerbsmarken weiter unten platzieren
- „Sommerkleider“ → Lagerartikel im Ausverkauf hervorheben
- „Gaming-Laptop“ → SKUs mit hoher Marge priorisieren
Regeln können jederzeit aktualisiert werden, ohne den Index neu aufzubauen.
Personalisierung in großem Umfang
Suchergebnisse für jeden Nutzer individuell anpassen:
- Produkte bevorzugter Marken der Kunden zuerst anzeigen
- Artikel präsentieren, die der bisherigen Kaufhistorie ähneln
- Produkte hervorheben, die bereits angesehen, aber noch nicht gekauft wurden
- Preise entsprechend dem Kundensegment anzeigen
Und das alles ohne Beeinträchtigung der Suchlatenz.
Dashboard für Analysen und Erkenntnisse
Echtzeit-Einblicke in:
- Häufigste Suchanfragen und Trends beim Suchvolumen
- Klickraten pro Suchanfrage
- Konversionsraten pro Suchanfrage
- Suchanfragen ohne Ergebnisse (Inhaltslücken)
- Analyse des Suchtrichters
- Ergebnisse von A/B-Tests
Potenziale zur Verbesserung des Katalogs und des Rankings identifizieren.
A/B-Tests
Ranking-Strategien, Merchandising-Regeln und Varianten der Autovervollständigung testen. Nutzer auf die Testvariante weiterleiten und die Auswirkungen auf Klickrate, Konversion und Umsatz messen.
Anwendungsfälle der Headless-Suchmaschine
E-Commerce-Webshop
Der auf React basierende Webshop verfügt über eine Suchleiste, doch das Laden der Ergebnisse dauert 800 ms, da die Hauptdatenbank abgefragt wird. Suchvorgänge werden abgebrochen. Das Browsen in Kategorien erzeugt mehr Traffic als die Suche.
Die Lösung: Datenbankabfragen durch API-Aufrufe an unsere Suchmaschine ersetzen. Dieselbe Suchleiste, sofortige Ergebnisse (<100 ms). Das ML-Ranking präsentiert passendere Produkte. Kunden finden schneller, wonach sie suchen.
Zusätzlicher Vorteil: Analysen zeigen, wonach Kunden suchen. „Wasserdichte Jacke“ wird 500-mal pro Monat gesucht, konvertiert jedoch nur mit 2 %. Das deutet auf eine Kataloglücke oder ein Ranking-Problem hin, das behoben werden kann.
Ergebnis: 25–40 % höhere Konversionsrate bei Suchanfragen; 15–20 % mehr Suchtraffic, da Nutzer der Suche stärker vertrauen.
Suche in mobilen Apps
Die mobile Suche ist umständlich. Auf kleinen Tastaturen fällt das Tippen schwer. Nutzer benötigen sofortige Autovervollständigung und schnelle Ergebnisse. Der Aufbau einer für Mobilgeräte optimierten Suchinfrastruktur ist jedoch kostspielig.
Die Lösung: Die iOS-/Android-App verwendet dieselbe Such-API wie der Webshop. Das Backend wird von uns übernommen, während die App für die UX zuständig ist. Die Autovervollständigung wird bei jedem Tastendruck ausgelöst. Ergebnisse erscheinen in <100 ms.
Vorteile speziell für Mobilgeräte:
- Standardmäßig kleinere Ergebnismengen (schnellere Verarbeitung in Mobilfunknetzen)
- Vereinfachte Facettenbedienung für kleine Bildschirme
- Integration mit mobilen Analysefunktionen
Ergebnis: Die Suche wird auf Mobilgeräten zu einer zentralen Möglichkeit, Produkte zu entdecken – nicht nur das Durchsuchen der Startseite.
Sprachsuche und intelligente Lautsprecher
Sprachassistenten (Alexa, Google Home) können die Datenbank nicht direkt abfragen. Der Aufbau einer Sprachsuche von Grund auf erfordert Spracherkennung, NLP und eine dialogorientierte Logik.
Die Lösung: Die Voice Skill bzw. Action sendet die per Sprache transkribierte Suchanfrage des Nutzers an unsere API. Die drei relevantesten Ergebnisse werden mit umfangreichen Metadaten zurückgegeben. Die Sprachanwendung formuliert die Antwort auf natürliche Weise.
Beispiel: „Alexa, suche in meinem Shop nach wasserdichten Jacken unter 100 $.“ → Unsere API liefert in <100 ms gerankte Ergebnisse → Alexa liest die Ergebnisse vor.
Ergebnis: Ein neuer Entdeckungskanal; Voice-Commerce wächst 3- bis 5-mal schneller als erwartet.
Unternehmen mit mehreren Marken und Shops
Es werden 10 Webshops betrieben (mit unterschiedlichen Marken, Regionen und Sprachen). Jeder benötigt einen eigenen Suchindex mit eigenen Ranking- und Merchandising-Regeln. Die Verwaltung von 10 separaten Suchsystemen wird schnell zum Albtraum.
Die Lösung: Für jede Marke bzw. Region werden separate Instanzen der Suchmaschine bereitgestellt. Dank der einheitlichen API-Schicht muss das Entwicklungsteam nur einmal integrieren; jeder Index bleibt unabhängig.
Ergebnis: Autonomie der Marken; keinerlei Datenlecks; Skalierung auf Dutzende von Webshops.
Marktplatz und von Verkäufern erstellte Inhalte
Drittanbieter fügen laufend Produkte hinzu. Der Suchindex kann mit diesem Tempo nicht Schritt halten. Neue Produkte sind stundenlang nicht auffindbar.
Die Lösung: Produktaktualisierungen der Verkäufer werden per API oder Webhook direkt an unseren Index übermittelt. Die Indexierung erfolgt innerhalb von Sekunden. Verkäufer können ihre eigenen Suchanalysen verfolgen.
Ergebnis: Marktplatzerlebnis in Echtzeit; zufriedenere Verkäufer; besseres Kundenerlebnis.
Für moderne Headless-Architekturen entwickelt
Kontakt
Konversionen bei Besuchern ohne Anmeldung mit einer schlanken, blitzschnellen Suchmaschine steigern.
- Alle Plattformen über eine REST-API
- Integration mit Segment, mParticle, Tealium oder nativen Event-Streams zur Übermittlung von Verhaltensdaten an die Engine
- Suchereignisse, Leistungsdaten und Kundenprofile für Analysen an Snowflake, BigQuery oder Redshift senden
Mit unserem Team sprechen (30-minütige Demo vereinbaren)
Das untenstehende Formular ausfüllen – die Kontaktaufnahme erfolgt umgehend.
FAQ
Wie unterscheidet sich diese Lösung von einer einfachen Datenbankabfrage oder einer mit Elasticsearch entwickelten Suche?
Das Problem mit Datenbankabfragen
Die Produktdatenbank (PostgreSQL, MySQL oder ein anderes verwendetes System) ist für Transaktionsabfragen optimiert, nicht für die Suche. Bei der Eingabe von „blaue Laufschuhe“ durchsucht die Datenbank Millionen von Produktdatensätzen und gleicht Keywords in Titel und Beschreibung ab. Das dauert 500 ms bis 2 Sekunden. Bis dahin wurde die Suche möglicherweise bereits abgebrochen oder die Website eines Wettbewerbers aufgerufen.
Darüber hinaus berücksichtigt eine Datenbanksuche nicht die Relevanz. Ergebnisse werden anhand exakter Übereinstimmungen oder einer einfachen Keyword-Bewertung zurückgegeben. Ein Produkt mit dem Titel „Laufschuhe Blau Herren Nike“ könnte allein aufgrund der Wortreihenfolge hinter „Blaue Schuhe“ eingestuft werden. Es fehlt an intelligenten Einschätzungen darüber, wonach Kunden tatsächlich suchen.
Das Problem mit Elasticsearch
Elasticsearch ist leistungsfähig, aber letztlich ein Data Warehouse. Die Verwaltung muss selbst übernommen werden: Server bereitstellen, Cluster konfigurieren, Sharding handhaben, Abfragen optimieren, Versionen aktualisieren und Leistungsprobleme beheben. Der Aufbau einer produktiven Suche mit Elasticsearch erfordert:
- DevOps-Expertise für einen zuverlässigen Betrieb
- Suchingenieure zur Optimierung der Relevanz
- Infrastruktur für Monitoring und Alarmierung
- Skalierungslogik bei wachsendem Katalog
- Verbesserung der Sicherheitsmaßnahmen zur Vermeidung von Datenlecks
Die betrieblichen Aufwände werden von den meisten Teams unterschätzt. Ein kleines Team, das Elasticsearch verwaltet, verwendet häufig 30–40 % der Entwicklungszeit auf die Suchinfrastruktur statt auf Produktfunktionen.
Unser Ansatz: Die betrieblichen und relevanzbezogenen Herausforderungen wurden bereits für Sie gelöst. Die Infrastruktur wird von uns verwaltet, global skaliert und mit einer intelligenten Rangfolge standardmäßig bereitgestellt.
| Aspekt | Datenbanksuche | Elasticsearch (selbst verwaltet) | Quarticon Search |
|---|---|---|---|
| Latenz | 500 ms–2 s | 100–300 ms (bei guter Optimierung) | <100 ms garantiert |
| Relevanz | Einfache Schlüsselwortsuche | Gut (Optimierung erforderlich) | Hervorragend (ML-gestützt, lernt aus Ihren Daten) |
| Betrieb | Anfangs einfach, versagt bei Skalierung | Komplex, DevOps erforderlich | Vollständig verwaltet, eine eigene Wartung ist nicht erforderlich |
| Skalierung | Teure Abfragen bei großer Skalierung | Clusterverwaltung erforderlich | Automatische, transparente Skalierung |
| Globale Leistung | Eine Region | Manuelle Replikation erforderlich | Mehrere globale Edge-Standorte |
| Anpassung der Rangfolge | Eingeschränkt | Möglich, aber komplex | Einfaches Dashboard, kein Code erforderlich |
| Analysen | Muss selbst erstellt werden | Muss selbst erstellt werden | Echtzeit-Dashboard enthalten |
| Fehlertoleranz | Nein, außer sie wird selbst entwickelt | Möglich, aber Optimierung erforderlich | Integriert, lernt aus Ihren Suchanfragen |
| Autocomplete | Nein, außer es wird selbst entwickelt | Separate Systeme erforderlich | Native Autocomplete-Engine |
| A/B-Tests | Nein, außer sie werden selbst entwickelt | Komplexe Implementierung | Integriert, Aktivierung per Mausklick |
Wie wird der Suchindex mit unserem Produktkatalog synchron gehalten? Was geschieht, wenn täglich Tausende von Produkten geändert werden?
Wenn sich Ihr Bestand aktualisiert, die Suchergebnisse jedoch veraltet sind, werden Kundinnen und Kunden Produkte angezeigt, die nicht auf Lager sind, oder neue Produkte übersehen. Eine manuelle Neuindexierung (nächtliche Neuerstellung des gesamten Suchindex) führt zu stundenlang veralteten Daten. Eine Synchronisierung in Echtzeit ist unerlässlich, aber komplex.
So wird das Problem gelöst: Echtzeit-Updates über die API (am schnellsten) Jedes Mal, wenn sich ein Produkt in Ihrer Commerce-Plattform ändert, wird umgehend ein Update an uns übertragen.
Das Produkt wird innerhalb von 500 ms indexiert. Neue Lagerbestände, Preise und Verfügbarkeiten werden sofort in der Suche berücksichtigt.
Geplante Stapelsynchronisierung (flexibel) Auf Wunsch kann der gesamte Katalog einmal täglich oder stündlich synchronisiert werden. Die Daten werden aus Ihrer API oder Datenbank abgerufen, mit dem aktuellen Index verglichen und nur die Änderungen werden übernommen. Vollständige Katalogsynchronisierungen dauern selbst bei mehr als 1 Million Produkten nur wenige Sekunden.
Webhook-Integration (automatisch) Wenn Ihre Commerce-Plattform (Shopify, BigCommerce, SAP) bei Produktänderungen Webhooks sendet, kann eine direkte Überwachung eingerichtet werden:
- Produkt erstellt → sofort indexiert
- Produktpreis geändert → im Index aktualisiert
- Bestand geändert → Suchfilter aktualisiert
- Produkt gelöscht → aus dem Index entfernt
Bestandsverwaltung Die Behandlung nicht verfügbarer Produkte ist konfigurierbar:
- Option 1: Nicht verfügbare Produkte nicht in den Suchergebnissen anzeigen
- Option 2: Sie am Ende der Ergebnisse mit einer Schaltfläche „Benachrichtigen“ anzeigen
- Option 3: Sie mit einem Hinweis „Demnächst verfügbar“ anzeigen
Die Entscheidung richtet sich nach der Geschäftsstrategie.
Was geschieht mit historischen Daten? Beim Wechsel von einem anderen Suchsystem können historische Daten nachträglich importiert werden: Der gesamte Katalog wird in einem Schritt per Massenupload importiert. Anschließend wird die Echtzeitsynchronisierung für laufende Aktualisierungen eingerichtet. Der erste Import dauert bei 500.000 Produkten 15–30 Minuten; danach werden nur noch Änderungen synchronisiert.
Wie stark beeinflusst die Suchleistung tatsächlich die Conversion-Rate und den Umsatz? Wie wird der Erfolg gemessen?
Eine langsame Suche beeinträchtigt die Conversion-Rate erheblich. Studien zeigen:
- Jede Erhöhung der Latenz um 100 ms = 1 % weniger Conversions
- Bei Nutzern, die die Suche verwenden, liegt die Conversion-Rate 2–3-mal höher als bei Nutzern, die Kategorien durchsuchen (wenn die Suche gut ist)
- Schlechte Suchergebnisse → Nutzer wechseln zu einer anderen Website
Unsere Kunden verzeichnen typischerweise folgende Verbesserungen:
| Kennzahl | Typische Steigerung | Spanne |
|---|---|---|
| Conversion-Rate der Suche | +25–40 % | 15–50 %, abhängig vom Ausgangswert |
| Suchtraffic | +15–25 % | Mehr Nutzer vertrauen der Suche, wenn sie schnell und relevant ist |
| Durchschnittlicher Bestellwert aus der Suche | +5–12 % | Bessere Rangfolge = bessere Produktempfehlungen = höhere Ausgaben |
| Gesamte Conversion-Rate der Website | +8–15 % | Die Suche macht normalerweise 20–30 % der Conversions aus; eine bessere Suche steigert den Gesamtwert |
| Reduzierung von Suchanfragen ohne Ergebnisse | 60–80 % | Von 2–3 % auf 0,3–0,5 % |
| Nutzung der Autovervollständigung | 50–70 % | Der Suchsitzungen verwenden vorgeschlagene Begriffe; eine enorme Zeitersparnis |
Es kann alles erfasst werden: das Hinzufügen zu Wunschlisten, E-Mail-Anmeldungen, Beitritte zu Treueprogrammen, die Umsatzverteilung nach Kategorien. Diese Vorgänge werden als benutzerdefinierte Conversion-Ereignisse markiert; anschließend wird gezeigt, wie sich die Suche auf sie auswirkt.
Kann die Rangfolge und das Suchverhalten an unsere geschäftlichen Anforderungen angepasst werden? (Bestimmte Produkte hervorheben, Wettbewerber weiter unten anzeigen, saisonale Regeln usw.)
Ja, die Anpassungsmöglichkeiten sind unbegrenzt. Für viele Anwendungsfälle ist keine Programmierung erforderlich.
Folgende Möglichkeiten stehen zur Verfügung:
- Merchandising-Regeln (Produkte hervorheben/weiter unten anzeigen)
- Beispiel 1: Saisonales Merchandising; während Q4 (der Feiertagssaison) sollen Geschenksets und Produktbundles hervorgehoben werden: IF season = „Q4“ AND category = „gifts“THEN boost(weight = 1.5)
- Beispiel 2: Bestandsbasiertes Merchandising; aus der vergangenen Saison besteht ein Überbestand an Wintermänteln. Während des Ausverkaufs sollen diese hervorgehoben werden: IF inventory > 500 AND price < cost * 1.2 THEN boost(weight = 1.3)
- Beispiel 3: Margenbasierte Rangfolge; bei den Elektronikprodukten liegen die Margen zwischen 5 und 30 %. Produkte mit hoher Marge sollen hervorgehoben werden: IF margin > 25% THEN boost(weight = 1.2)
- Beispiel 4: Wettbewerberprodukte weiter unten anzeigen; es werden Elektronikprodukte verkauft. Wettbewerbsmarken sollen nicht prominent angezeigt werden (sie werden lediglich als Ergänzung geführt). Sie werden weiter unten eingeordnet: IF brand IN [„Competitor_A“, „Competitor_B“]THEN bury(weight = 0.5)
- Anpassung der Rangfolge (Algorithmus anpassen). Die Standardrangfolge berücksichtigt:
- Relevanz (40 %): Wie gut stimmt das Produkt mit der Suchanfrage überein?
- Beliebtheit (30 %): Verkaufsvolumen, Bewertungen, Verkaufsgeschwindigkeit
- Bestand (15 %): Produkte auf Lager bevorzugen
- Geschäftsregeln (15 %): Margen, Werbeaktionen, Merchandising
- Diese Gewichtungen können über das Dashboard angepasst werden, ohne den Code zu ändern
- Unterschiedliche Strategien für verschiedene Kundensegmente:
| Kundensegment | Rangfolgenstrategie |
|---|---|
| Erstkäufer | Beliebte Produkte mit vielen Bewertungen hervorheben |
| VIP-/Treueprogramm-Mitglieder | Produkte mit hoher Marge hervorheben, die typischerweise gekauft werden |
| Preisbewusste Kunden | Produkte unter 50 $ hervorheben |
| Premiumkunden | Luxusmarken und Premiumsegmente hervorheben |
- Personalisierte Rangfolge. Suchergebnisse können auf Grundlage des Verhaltens für einzelne Nutzer angepasst werden: IF customer_has_viewed_brand = „Nike“AND customer_purchase_history = „athletic“ THEN boost(Nike_products, weight = 1.3). Ergebnisse für die Suche nach „Laufschuh“:
- Nutzer 1 (Nike-Fan): Nike-Schuhe auf den Positionen 1–3
- Nutzer 2 (Adidas-Fan): Adidas-Schuhe auf den Positionen 1–3
- Beide sehen weiterhin insgesamt relevante Schuhe, ihre Präferenzen werden jedoch berücksichtigt
- Umgang mit Tippfehlern. Eine flexible Toleranz gegenüber Tippfehlern kann zugelassen werden. Der gewünschte Grad der Strenge kann festgelegt werden:
- Streng (keine Tippfehler erlaubt): Nur exakte Übereinstimmungen
- Moderat (1–2 Tippfehler erlaubt): „Runnning shoe“ findet „Running shoe“
- Tolerant (3 oder mehr Tippfehler erlaubt): „Bleu chees“ findet „Blue Cheese“
- Hervorhebung nach Preisspanne. Bei preissensiblen Suchanfragen werden Produkte im mittleren Preissegment hervorgehoben: IF query = „budget“ OR query = „affordable“THEN boost(products WHERE price < $50, weight = 1.4)
Wie sieht es mit mehrsprachiger und internationaler Suche aus? Können globale Produktkataloge verarbeitet werden?
Bei einem globalen Vertrieb umfasst der Produktkatalog wahrscheinlich mehrere Sprachen, regionale Varianten und unterschiedliche Währungen. Eine Suchanfrage auf Französisch sollte französischsprachige Ergebnisse liefern und die französische Grammatik sowie Akzente berücksichtigen. Eine deutsche Kundin oder ein deutscher Kunde, die oder der nach „Schuh“ sucht, sollte Schuhe angezeigt bekommen. Das ist komplex. Mehr als 50 Sprachen werden nativ unterstützt.
Bietet Quarticon eine Suchmaschine für den klassischen Handel an?
Ja. Im klassischen Handel, bei dem Frontend und Backend (Bestand, Zahlungen, Bestellabwicklung) eng in ein einziges monolithisches System integriert sind, bietet Quarticon seine Suchmaschine als reguläre JS-basierte Implementierung, als gemischte JS/API-Implementierung (Semi-API) sowie als reine API-Implementierung an. Weitere Informationen: KI-Suchmaschine
Wo finden sich weitere Informationen zu den verfügbaren API-Methoden?
Weitere Informationen: API der Quarticon-Suchmaschine
Was ist Quarticon?
Quarticon ist ein Technologieunternehmen, das KI-Tools für den E-Commerce bereitstellt. Das Unternehmen wurde 2010 in Warschau gegründet. Es entwickelte eigene prädiktive KI-Modelle, die zur Steigerung von Conversions und Umsätzen in Onlineshops beitragen. Quarticon bietet KI-basierte Produktempfehlungen in zahlreichen europäischen Ländern an, darunter Polen, die Tschechische Republik, die Slowakei, Ungarn, Kroatien und Serbien.
Weitere Informationen zu Quarticon: Über Quarticon