PICALIKE API DOKUMENTATION

Transkript

1 PICALIKE API DOKUMENTATION

2 2 INDEX EINFÜHRUNG PICALIKE 3 ABLAUF 3 VORAUSSETZUNG 4 PFLICHTFELDER 4 WEITERE FELDER 4 API 5 ÄHNLICHKEITSSUCHE 5 RECOMMENDOR 5 WEITERE EINSTELLUNGEN 6 KONTAKT 7

3 3 EINFÜHRUNG PICALIKE Die picalike GmbH ( picalike ) hat eine Bildanalyse-Technologie entwickelt, die beispielsweise nach passenden (Produkt-)Bildern anhand von Fotos sucht. Für das menschliche Denken ist die Ähnlichkeit eines der Basiskriterien und entspricht dem Entscheidungsprozess im menschlichen Gehirn. Das wird durch die picalike-produkte in visueller Hinsicht aufgegriffen. ABLAUF Die Bildanalyse mit picalike funktioniert sehr einfach: 1. Anhand einer CSV-Datei werden die Produktinformationen an picalike übermittelt. Die CSV-Datei wird einmal am Tag abgeholt. 2. Danach werden die Produktbilder abgeholt und Veränderungen innerhalb des Bildes werden geprüft. 3. Die Bilder durchlaufen einen Prüfungsprozess, in dem die Qualität der Datei überprüft wird (nur bei veränderten Dateien). Hier wird versucht, bei Bedarf Hintergründe zu entfernen, Personen werden erkannt und entfernt, Farbkorrekturen werden durchgeführt und die Bilder werden auf eine für das System passende Größe skaliert. 4. Die überprüften Bilder werden an den Indexer übermittelt. Dieser Gruppiert die Produkte anhand ihrer Kategorien und erstellt Indizes aus Ähnlichkeiten (Farbe, Form oder die Kombination aus Farbe und Form). 5. Nachdem die Indizes erstellt worden sind, stehen die Bilder unserem picalike-server zur Verfügung und werden bei Anfragen über dem API oder dem Recommendor mitberücksichtigt.

4 4 6. VORAUSSETZUNG Voraussetzung für die Ähnlichkeitssuche mit picalike ist die CSV-Datei für die Kommunikation zwischen einem Shop und picalike. Darin werden Informationen zu den Produkten übermittelt wie zum Beispiel die URL der zu analysierenden Bilder, die Produktartikelnummer und die Kategorie. PFLICHTFELDER SHOP FEED» Produktartikelnummer» URL des Produktbildes» Kategorie des Produktes» Deeplink (bei Nutzung des Recommendors) WEITERE FELDER SHOP FEED» Preis» Marke» Name» Logo der Marke» URL eines Thumbnails» Bewertungsnote» Geschlecht» Farbe» Weitere kundenspezifische Felder

5 5 API ÄHNLICHKEITSSUCHE Demo: API-Aufruf (Beispiel): Resultate ohne Gewichtung: 26912,26912,23355,23355,27928,27928,25897,25897,26088,26088,21238,30142,30142,19500,1 9966,26907,26907,26029,24293,31216,24420, (Bis zu Resultate) Resultate mit Gewichtung: 26912:1.0,26912:1.0,23355: ,23355: ,27928: ,27928: ,25897: ,25897: ,26088: ,26088: , (Bis zu Resultate) Parameter: i = Artikelnummer, die über die CSV-Datei übermittelt wurde key = eindeutiger Kunden-API-Schlüssel w = Zeigt die Gewichtung der Resultate an limit = Anzahl der gewünschten Resultate (max. 1000) f = Gewichtung zwischen Form und Farbe. Bei 0.5 wird Farbe und Form die gleiche Wichtigkeit übergeben. Der Wert muss zwischen 0 und 1 liegen. Bei 1 wird nur Form und bei 0 nur Farbe berücksichtigt. Die Resultate sind nach der Ähnlichkeit gewichtet. RECOMMENDOR Der picalike Recommendor ist ein Empfehlungssystem auf Basis der Visuellen Technologie statt des Kunden-/Besucherverhaltens. Im Gegensatz zum API bekommt man eine JSONP-Datei zurück. Anders als bei einer normalen JSON-Datei ermöglicht die JSONP-Datei eine Cross-Domain- Kommunikation. Beispiel: picalike Recommendor Aufruf:

6 6 Resultat: (({ "title": "picalike Request", "link": " "description": "", "modified": " T16:37: CET01:34:203600", "generator": " "ids": [ { "id":"28414", "img": " stone- cloud- weste- ebony oview.jpg", "name": "Volcom Stone Cloud Leichte Jacken Weste ebony", "price": "79.9","brand": "Volcom", "shipping": "0", "shop": "", "shop_logo": "", "cpc": "0", "location": " ] })) i = Artikelnummer, die über die CSV- Datei übermittelt wurde key = eindeutiger Kunden- API- Schlüssel limit = Anzahl der Resultate, die man zurückbekommen will Einschränkung: Es werden zurzeit maximal 32 Produkte für die Empfehlung zurückgeliefert. WEITERE EINSTELLUNGEN Es bestehen noch weitere Einstellungen. Diese müssen aber von picalike intern umgesetzt werden. Zum Beispiel kann man beim picalike Recommendor eine Grenze angeben, bis zu welcher Gewichtung Resultate geliefert werden dürfen. Beim picalike Recommendor können auch abgesehen von der Ähnlichkeit weitere Entscheidungskriterien für die Empfehlung vorge- geben werden: nur Produkte von der gleichen Marke, nur mit gleicher Farbe, nur Form oder die Preisabweichung berücksichtigen. Diese Einstellungen müssen aber direkt mit picalike Besprochen und von picalike umgesetzt werden.

7 7 KONTAKT picalike GmbH Wendenstrasse 130 D Hamburg Daniel Raschke p.: f.: c.: m.: d.raschke@picalike.com Sebastian Kielmann p.: f.: c.: m.: s.kielmann@picalike.com