Squadra logo
  • Diensten 
  • Over ons 
  • Kennis 
  • Cases 
  • Carrières 
  • Contact  

  •  Taal
    • English
    • Nederlands

  •   Zoeken op deze site
  •  
  1.   Cases
  1. Home
  2. Cases
  3. Kaemingk: Feature Extraction

Cases

Kaemingk: Feature Extraction

Kaemingk stond voor problemen bij het invoeren van gegevens in hun PIM-systeem en schakelde de hulp van Squadra in om geautomatiseerde algoritmes te gebruiken die de productconversie optimaliseerden, met een behaalde nauwkeurigheid van 90% en minimale handmatige inspanning.
17 juli 2020 • 2 min leestijd
AI   Powersuite.ai  
AI   Powersuite.ai  
Kaemingk: Feature Extraction
  •   20.000 items
  •   Feature Extraction
  •   90% automatisch geëxtraheerd
Deel artikel:
Squadra
Link gekopieerd naar clipboard

Kaemingk is een prominente importeur en exporteur van seizoensgebonden decoraties. Met een team van ongeveer 450 medewerkers biedt Kaemingk elk seizoen de meest innovatieve home deco collecties voor Kerst, voorjaar/zomer, Pasen en Valentijn aan. Het assortiment omvat meer dan 20.000 decoratieproducten voor zowel huis als tuin, welke te zien zijn in showrooms in Nederland, België, Duitsland en de Verenigde Staten. Ze bedienen duizenden professionele klanten in meer dan 80 landen.

Uitdaging  

In het kader van de modernisering van het IT-landschap heeft Kaemingk een nieuw PIM-systeem geïntroduceerd. Het was nodig om de producten in hun assortiment op een gestructureerde manier in dit nieuwe systeem te integreren. De bestaande gegevens per product waren in verschillende tekstuele beschrijvingen vastgelegd, die omgezet moesten worden in een lijst van specifieke productkenmerken per item. Het handmatig omzetten van deze gegevens is zeer tijdrovend en vereist ook de aandacht van medewerkers die bovendien al druk zijn met andere taken.

Oplossing  

Dankzij geavanceerde algoritmes is de extractie van productkenmerken grotendeels geautomatiseerd. Dit heeft geleid tot een aanzienlijke vermindering van de handmatige conversietaken en een uniforme dataset.

Extractie van productkenmerken
Extractie van productkenmerken

Een deel van de conversie was al handmatig uitgevoerd door de productspecialisten. Op basis van deze gegevens zijn algoritmes ontwikkeld die bepalen welke sleutelwoorden in de tekst verband houden met elke eigenschap. Deze sleutelwoorden zijn verder verrijkt met kennis van de productspecialisten, zodat de software de juiste conversies kan herkennen.

Resultaat  

De conversie van de datasets voor Kerst 2019 en Voorjaar 2020 resulteerde in een situatie waarin ongeveer 90% van de gevonden attribuutwaarden adequaat genoeg waren om direct goedgekeurd te worden. Om een volledige dekking te garanderen is er een webapplicatie ontwikkeld waarin productspecialisten de producten binnen hun expertisegebied kunnen controleren en aanvullen. De applicatie en het algoritme zijn in samenwerking met deze specialisten ontwikkeld om de conversie zo gebruiksvriendelijk mogelijk te maken.

 MCB
Schoeller Allibert 
Deel artikel:
Squadra
Link gekopieerd naar clipboard
Wil je meer weten over dit onderwerp?
Guus van de Mond
Guus van de Mond
Laat je gegevens achter en dan neem ik contact met je op.
Contact  
Contact  
Guus van de Mond
Guus van de Mond
Wil je meer weten over dit onderwerp?
Laat je gegevens achter en dan neem ik contact met je op.
Contact  
Contact  
Diensten
Data Foundation 
Analytics 
Artificial Intelligence 
Digital Commerce 
Digital Leadership 
Digital Transformation 
Over ons
Kantoren 
Kernwaarden 
MVO beleid 
Partners 
Links
Kennis 
Cases 
Carrières 
Privacy 
Cookies 
Blijf op de hoogte
Squadra
   
Copyright © 2025 Squadra. Alle rechten voorbehouden.
Squadra
Code gekopieerd naar clipboard