> For the complete documentation index, see [llms.txt](https://docs.fact-finder.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.fact-finder.com/docs/de/readme/atlas-ai.md). # Atlas AI ## Personalisierte 1:1-Erlebnisse in Echtzeit Atlas AI liefert personalisierte Erlebnisse in Echtzeit. Durch die Nutzung Ihrer vektorisierten Produktdaten extrahiert es mithilfe von Embeddings wichtige Merkmale und Attribute. Dadurch entsteht ein Netzwerk neuronaler Modelle, das als detaillierte Darstellung Ihres gesamten Produktsortiments dient. ## So funktioniert Atlas AI ### Datentraining * Das Modell wird mit Ihren vektorisierten Produktdaten trainiert. * Es verwendet Embeddings, um jedes Produktmerkmal und jedes Attribut zu erfassen. * Es wird ein Netzwerk neuronaler Modelle erstellt, das Ihr Produktsortiment detailliert abbildet. ### Kontextuelle Produktzuordnung * Produkte werden nach ähnlichen Kontexten gruppiert, um eine visuelle „Karte“ Ihres Sortiments zu erstellen. * Abstände auf der Karte zeigen Unterschiede zwischen Produkten entlang bestimmter Dimensionen an. * Erste Ebenen könnten Produkte nach Kategorie gruppieren (z. B. Smartphones); tiefere Ebenen unterscheiden Merkmale wie Bildschirmgröße und Preis. [![Deep learning illustration](https://www.fact-finder.com/blog/wp-content/uploads/2023/07/Deep_Learning-01-2.png)](https://www.fact-finder.com/blog/wp-content/uploads/2023/07/Deep_Learning-01-2.png) ### Granulares Verständnis * Mehrere Ebenen neuronaler Karten ermöglichen es dem Modell, Produktbeziehungen auf granularer Ebene zu erfassen. * Die Tiefe der Zuordnung hängt von der Komplexität Ihres Katalogs ab und führt zu einem menschenähnlichen Verständnis Ihres Sortiments. ### Interaktives Lernen * Wenn Käufer Ihren Shop durchsuchen, interagieren sie mit dem Atlas AI-Modell statt mit statischen Produktlisten. * Das Modell lernt aus jeder Interaktion — selbst aus einem einzigen Klick —, um die Relevanz sofort zu verbessern. ## Vorteil von Atlas AI Atlas AI geht mit einem dreistufigen Ansatz, der darauf ausgelegt ist, präzise, personalisierte Einkaufserlebnisse zu liefern, über traditionelle Segmentierung hinaus: ### 1. Allgemeine Relevanz basierend auf dem Verhalten der Käufer * Was es tut: Atlas AI optimiert Suchergebnisse und Empfehlungen basierend auf dem Verhalten der Käufer, einschließlich Suchanfragen und Interaktionsmustern. * Ihr Vorteil: Reduziert den Bedarf an manueller Suchoptimierung. ### 2. Relevanz basierend auf der aktuellen Kaufabsicht * Was es tut: Passt Ergebnisse basierend auf dem unmittelbaren Sitzungsverhalten des Käufers und Signalen zur Kaufabsicht an. * Ihr Vorteil: Bietet ein natürliches Einkaufserlebnis, indem nur kontextuell relevante Produkte angezeigt werden. ### 3. Relevanz basierend auf persönlichen Präferenzen * Was es tut: Analysiert individuelle Präferenzen anhand früherer Käufe, Produktansichten und spezifischer Interaktionsmuster. * Ihr Vorteil: Erhöht die Präzision und sorgt so für ein personalisiertes Einkaufserlebnis, das die Conversion-Rate steigert. ## Kurzfassung Atlas AI verändert die Kundenbindung, indem es fortschrittliche neuronale Netze nutzt, um Ihr Produktsortiment auf menschenähnliche Weise zu verstehen. Sein mehrschichtiger Ansatz für Zuordnung und Relevanz schafft ein maßgeschneidertes Einkaufserlebnis in Echtzeit, das zu höherem Engagement und mehr Umsatz führt. Möchten Sie mehr erfahren? Sehen Sie sich unten unser kurzes Video an: --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.fact-finder.com/docs/de/readme/atlas-ai.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.