Sélectionner une page

Comment le tri intelligent des images permet à Oscaro.com d’augmenter son taux de conversion

par | Business


En 10 ans, Oscaro a bouleversé la façon dont nous entretenons et réparons nos voitures en permettant à chaque propriétaire de voiture d’acheter des pièces de rechange d’origine directement en ligne, à un prix beaucoup plus bas que chez les concessionnaires automobiles.

Oscaro est aujourd’hui le leader mondial de la vente en ligne de pièces détachées neuves et d’occasion. Il a été démontré à plusieurs reprises que l’un des facteurs clés de la conversion dans le commerce en ligne est la qualité de la photo de la page produit. C’est vrai pour tout détaillant en ligne: une bonne image rassurera le client sur son achat. Mais pour un détaillant de pièces automobiles comme Oscaro, c’est crucial. Oscaro vend des pièces qui peuvent être très techniques, et dans la plupart des cas, le client voudra obtenir autant de détails que possible sur le produit qu’il s’apprête à acheter.

Avec une photo de bonne qualité, le client peut vérifier les caractéristiques de la pièce qu’il est sur le point d’acheter et potentiellement la comparer aux pièces installées dans sa voiture: cela augmente le taux de conversion mais diminue également le taux de retour. Oscaro possède 750 000 produits dans son catalogue et stock environ 2 millions d’images de produits, dont les sources sont très hétérogènes (fabricants, grossistes, mais aussi leurs propres photos animées à 360 °), et de qualité très variable.

“Nous devions faire un audit de ces images et automatiser le contrôle qualité des nouvelles photos que nous allions ajouter.” Laurent Pantanacce, Directeur projets spéciaux à Oscaro.com.”

Utilisateur générant une nouvelle page produit sur oscaro.com

Ce problème existait depuis quelques années — une approche manuelle a été essayée mais jugée impossible à réaliser en raison de la quantité croissante de données. Une autre difficulté résidait dans les aspects techniques des différents produits qui rendaient l’externalisation difficile: une photo qui manquait de détails techniques importants de la pièce pouvait être considérée de qualité satisfaisante par un œil non averti.

“Oscaro a une forte culture d’innovation et a déjà travaillé sur des réseaux de neurones pour des applications de traitement du langage naturel; pour la reconnaissance d’images, nous avions besoin d’une expertise complémentaire, apportée par deepomatic. ”

L’idée était de construire un modèle de reconnaissance d’image personnalisé pour trier automatiquement les images de commerce électronique. La qualité des images a été définie avec une analyse multi-critère:

  • Type d’images: dessin technique, photo, schémas
  • Qualité effective de l’image: floue, contrastée
  • Orientation du produit pour des catégories spécifiques: gauche, droite ou pas d’orientation
  • Présence de filigrane ou non
  • Catégorie de produit

Différentes images proposées par les utilisateurs

“deepomatic a réussi à nettoyer tout l’ensemble de données que nous lui avions confié et à construire une API de reconnaissance d’image qui automatise complètement le contrôle qualité. Les performances des algorithmes étaient toujours au-dessus de la cible et parfois dépassaient l’approche humaine. 800000 images ont été étiquetées, la mission a été exécutée rapidement, et notre problème résolu ce qui ouvre la voie à une approche entièrement automatisée de notre contenu d’image dans le futur. ”

Il ne s’agit pas de remplacer les humains par des machines. Cette approche de l’intelligence artificielle répondant au e-commerce, avec le tagging automatique des produits, permet aux collaborateurs d’Oscaro.com de se concentrer sur des tâches et des activités à plus forte valeur ajoutée.

Découvrez ici plus d’informations sur comment s’est déroulé le projet:

Pour en savoir plus, visitez notre site internet www.deepomatic.com . Twittez vos réactions @deepomatic ou laissez nous un commentaire ci-dessous.

Share This