TeamViewer Facebook Twitter Xing Kununu LinkedIn DigitalDojo

Empfehlungssysteme |

Personalisierte Produktempfehlungen


Was ist ein Empfehlungssystem und warum wird es eingesetzt?

Bei einem Empfehlungssystem (engl. recommender system) handelt es sich um ein Softwareprogramm, welches den Nutzer in der Entscheidungsfindung unterstützt. Es basiert auf maschinellem Lernen sowie künstlicher Intelligenz, wodurch Empfehlungen aus vorhandenen Daten automatisch generiert werden.
Ziel ist es, Vorschläge anhand von vorhandenen Daten des Benutzers zu ermitteln, die am relevantesten für den User sind und seinen Geschmack, sein Interesse oder sein Bedürfnis treffen bzw. abdecken. Bekannte Anwendungsfälle: Amazon, Netflix und Spotify

Empfehlungsdienste können aber auch als interne Prozessunterstützung zur Anwendung kommen, wenn beispielsweise kontextbezogene Dokumente bzw. Informationen kontextbezogen benötigt werden.

Einsatzmöglichkeiten:

Die Verwendung von Empfehlungssystemen zur Verbesserung von Prozessen ist sehr vielfältig:

  • E-Commerce und Webshops
  • Streaming-Dienste
  • POS (Point-of-Sale)
  • Kundencenter
  • Online- und Bannerwerbung
  • u.v.m.

Klicken Sie hier für einen Überblick der bekanntesten Anwendungsbeispiele.

Vielseitige Anwendungsbereiche • Bemerkenswerte Vorteile

Stärken Sie Ihre Wettbewerbsfähigkeit!

Vorteile von Empfehlungsdiensten:

Die Personalisierung ist ein wesentlicher Faktor von Empfehlungssystemen und ist nicht nur für den Nutzer, sondern auch für den Anbieter von Bedeutung:

Icon - Web Produkte

Vorteile für den Nutzer:

Die Implementierung eines Empfehlungssystems erleichtert die Suche nach dem gewünschten Service/Produkt und sorgt für eine Zeitersparnis, die der User stattdessen in die Kaufentscheidung investieren kann. Transaktionskosten werden reduziert, indem durch personalisierte Vorschläge die Anzahl der zu durchsuchenden Produkte gesenkt wird und Unsicherheiten bezüglich des Produkts z.B. durch Kundenbewertungen kleiner werden. Außerdem ist das System fähig, über das Themenfeld hinweg Produkte zu empfehlen. Suchen Sie z.B. nach einem Zelt, so wäre eventuell auch ein Campingkocher interessant. Dank Empfehlungsdiensten wird demnach die Entscheidungsqualität erhöht.

Icon - Statistik Wachstum

Vorteile für den Betreiber:

Empfehlungssysteme laufen vollkommen automatisiert und bedürfen nur einer geringen Wartung. Der Betreiber profitiert durch das Anbieten von ähnlichen oder ergänzenden Produkten (Cross-Selling) und smarten Prognosen von erhöhten Zugriffszahlen im Content-Bereich oder einer Umsatzsteigerung im E-Commerce. Man spricht in diesem Kontext auch von einer Umwandlung vom Surfer zum Käufer: Vertraut der Nutzer den Ergebnissen des Empfehlungssystems, so ist er eher bereit, immer wieder über Ihre Seite zu kaufen. Eine Kundenbindung entsteht - und das von ganz allein!

Haben Sie Interesse an der Implementierung eines Empfehlungssystems?

Welche Arten von Empfehlungssystemen gibt es?

Grundsätzlich wird zwischen zwei Typen unterschieden:

  • Inhaltsbasiertes Filtern (Content-Based Filtering)
    Diese Methode bezieht sich auf das Benutzerprofil des Users. Empfehlungen basieren zur Gänze auf den Bewertungen, die dieser Nutzer in der Vergangenheit abgegeben hat. Desto mehr Nutzer-Feedback gesammelt wird, desto genauer werden die Prognosen erstellt.

  • Kollaboratives Filtern (Collaborative Filtering)
    Dieser Typ wird besonders häufig eingesetzt. Kollaboratives Filtern analysiert im Gegensatz zu inhaltsbasiertem Filtern nicht das Verhalten eines einzelnen Nutzers, sondern stellt Ähnlichkeiten aufgrund der Masse der Nutzer fest. Dadurch werden Übereinstimmungen von Nutzerprofilen gesammelt, um treffende Prognosen für personalisierte Empfehlungen zu erstellen.

Die meisten heutigen Systeme vereinen beide Typen. Man nennt sie hybride Empfehlungssysteme, welche die Vorteile von inhaltsbasierten- und kooperativen Filtern in die Empfehlungen für den Nutzer einfließen lassen.
Beispiel: Amazons kooperatives Objekt-zu-Objekt-Filtern ("Nutzer die X gekauft haben, interessierten sich auch für Y")

Nutzen Sie die Vorteile von Empfehlungsdiensten

für Sie und Ihre Kunden

Prozessverbesserungen dank Empfehlungsdiensten:

Bei Bestellungen können Lieferanten, anhand der Beschreibung der zu bestellenden Ware, vorgeschlagen werden. Im Hintergrund werden dabei lieferantenabhängige Details berücksichtigt, wie etwa:

  • Liefertreue
  • Lieferqualität (Reklamationshäufigkeit, Reklamationswert, Reklamationsaktualität)
  • Preis-Leistungs-Verhältnis
  • etc.

Im produktiven Umfeld können Fertigungsunterlagen kontextbezogen vorgeschlagen werden. Individuelle Kontexte werden berücksichtigt, wie z.B.:

  • Kunde (Sprache, Lieferort, Normen, kundenabhängige Eigenheiten, ...)
  • Prozessschritt (Konstruktion, Arbeitsvorbereitung, Fertigung, Endkontrolle)
  • Produktklasse (Auftragsgröße, Auftragsmenge, Material, ...)
  • etc.

Im Bereich der Qualitätskontrolle können Checklistenpunkte kontextbezogen priorisiert und vorgeschlagen werden.

Im Support ist es möglich, anhand der Fehlerbeschreibung Supportmitarbeitern potentielle Lösungsvorschläge anzubieten. Das System assistiert somit dem Mitarbeiter / der Mitarbeiterin effektiv bei der Lösungsfindung.

Die bekanntesten Anwendungsbeispiele:

  • Buchvorschläge (z.B. Thalia, Amazon)
  • Produktvorschläge (z.B. Hornbach, WIFI)
  • Suchvorschläge (z.B. Google)
  • E-Learning-Angebote (z.B. Udemy)
  • Informations- und Nachrichtenportale (z.B. Stern)
  • Medienempfehlungen (z.B. Netflix)
  • u.v.m.

Wir beraten Sie gerne!


Haben Sie Interesse an der Implementierung eines Empfehlungsdienstes oder spezifische Fragen zu unseren Services?



Unser Experte Markus Szöky freut sich auf Ihre Anfrage.

m.szoeky@countit.at

Image