Particular Audience führt A/B-Testing für KI-Suchmodelle ein

Particular Audience hat Search Model A/B Testing vorgestellt, eine neue Funktion, mit der Händler die KI-Modelle für Onsite-Suche und gesponserte Ergebnisse A/B-testen und steuern können. Das Feature baut auf der 2023 eingeführten Adaptive Transformer Search (ATS) auf, die die Quote von Suchen ohne Treffer bei Kunden laut Anbieter auf unter 0,5 Prozent gesenkt hat (Branchendurchschnitt ca. 20 Prozent). Die Neuentwicklung ermöglicht es Händlern, Modellarchitekturen, Sentence-Embedding-Strukturen, fundamentale LLMs und Reinforcement-Learning-Trainingsdaten anhand kommerzieller Metriken wie Conversion, durchschnittlichem Bestellwert, Marge und Null-Ergebnis-Quote zu vergleichen. Particular Audience positioniert die Lösung als Ansatz zur Harmonisierung von organischer und gesponserter Relevanz, zur Monetarisierung von Long-Tail-Inventar für Retail Media Networks und zur Verlagerung von Retail Media hin zu einer absichtsbasierten Optimierung anstelle von klassischem Keyword Bidding. CEO James Taylor beschrieb dies als Wandel von einem undurchsichtigen Relevanzalgorithmus zu einer kontrollierten, testbaren Entscheidungsebene.