Recommender Systems Beratung

Persönliche Empfehlungen sind allgegenwärtig: Beim Onlineshopping werden passende und weitere Artikel zu einem persönlichen Warenkorb angezeigt; beim Streamen eines Films schlägt die Plattform Filme vor, die den Nutzer:innen oft auch sehr gut gefallen; passend zu den Recherchen auf der Website eines Versicherungsanbieters werden weitere relevante Versicherungen auf der Startseite des Anbieters angezeigt. Diese Liste lässt sich beliebig weiterfortführen. Die Zeiten, in denen Produktvorschläge manuell festgelegt oder als einfache Aggregationen auf beliebteste Produkte erstellt werden sind hierbei jedoch längst vorbei. Zumeist liegen KI-Modelle, in diesem Fall sogenannte Recommender Systems, zu Grund. Diese ermöglichen es Unternehmen, ihren Kund:innen passfähige Items, zum Beispiel Angebote oder Produkte, basierend auf ihrem individuellen User- oder Shoppingverhalten vorzuschlagen und so den Bedarf der Kund:innen in Echtzeit zu erkennen und besser darauf zu reagieren. Mehr zum Thema Recommender Systems finden Sie hier in unserem Wiki-Artikel.

Wir von CINTELLIC unterstützen Sie dabei, das für Sie passende Recommender System zu etablieren. Nachfolgend geben wir Ihnen einen Einblick darüber, wie unsere Recommender-Systems-Beratung bei Ihnen aussehen kann:

Kurzcheck: Erkennen Sie Ihren Bedarf an Recommender Systems?
Typische Kundenfragen zum Thema Recommender Systems
Ihr Mehrwert einer Recommender Systems Beratung durch CINTELLIC
Leistungen und Bausteine der Recommender Systems Beratung bei CINTELLIC
Exkurs: Was sind Recommender Systems?
Publikation zum Thema
Kontakt

Wir bieten Ihnen einen Rundum-Beratungsservice für Ihr neues Recommender System an. Dabei können Sie CINTELLIC für nur einen, aber auch für mehrere Bausteine aus unserem Beratungsspekturm buchen. Nachfolgend erläutern wir Ihnen unser Leistungsspektrum zum Thema Recommender Systems genauer, welches auf 5 Schritten basiert:

1. Anforderungen und Roadmap

Gemeinsam mit Ihnen validieren wir den Status Quo. Wie ist Ihre Website oder Ihr Onlineshop aktuell aufgebaut? Welche Produkte oder Items bekommen Ihre Kunden zu sehen? Wir möchten Sie hier direkt von Anfang an mitnehmen, denn Ihr Wissen ist wertvoll. Sie sind die Experten, die Ihre Kunden am besten kennen. Danach sprechen wir über die Zielsetzung: Was möchten wir gemeinsam durch ein (neues) Recommender System erreichen? Welche Empfehlungen sind für den Kunden an welcher Stelle interessant? Welche Datenquellen stehen uns zur Verfügung? Wir definieren gemeinsam die nächsten Schritte und erarbeiten eine Roadmap. Dabei hilft uns unser breites Marketing- und CRM-Verständnis, um auch Abhängigkeiten zu anderen (Marketing-) Bereichen frühzeitig zu erkennen.

2. Datenevaluation

Wir sind uns sicher, Sie wissen schon so einiges über Ihre Kunden. Doch oft steckt noch viel mehr in Kundendaten, was nicht sofort erkennbar ist. Durch die Interaktion mit Ihrer Website geben Ihre Kunden bereits viel wertvolles Feedback. Hierbei wird zwischen direktem und indirektem Feedback unterschieden. Direktes Feedback ist schnell zu erkennen. Sie holen sich dieses direkt beim Kunden ein, indem Sie zum Beispiel um eine Bewertung der gekauften Artikel bitten oder nachfragen, wie hilfreich bestimmte Inhalte für Ihre Nutzer waren. Um indirektes Feedback zu identifizieren, werden unsere Experten noch einmal tiefer gehen. Dieses lässt sich in allen von Ihren Nutzern generierten Daten finden. Indirektes Feedback kann zum Beispiel über Klicks gegeben werden oder darüber, wie lang ein Kunde auf einer Artikeldetailseite verweilt. Sie werden erstaunt sein, wie viele und welche Informationen sich aus Ihren Rohdaten gewinnen lassen.

3. Modellbau

Angepasst an Ihre jeweiligen Bedürfnisse bauen unsere Experten für Sie ein individuelles Recommender System und verwenden hier Collaborative Filtering, Content-Based Filtering oder auch einen hybriden Ansatz. Ganz auf Ihren individuellen Bedarf zugeschnitten.

Beim Collaborative Filtering werden für einen nutzerbasierten Ansatz Ähnlichkeiten zwischen den einzelnen Nutzern auf Basis ihres historischen Verhaltens berechnet, dies kann zum Beispiel über eine Cosinus Similarity oder einen Nearest Neighbor Ansatz gelöst werden. So können dann Nutzer mit einem ähnlichen vergangenen Verhalten identifiziert werden. Für ein Content-Based Filtering werden aus Ihren (Roh-) Daten erst einmal relevante Feature identifiziert damit diese dann in Algorithmen wie einem Bayesian Classifier oder einem Decision Tree Modell verwendet werden können.

Beste Ergebnisse erhält man zumeist, indem die verschiedenen Ansätze kombiniert werden. Hier profitieren Sie von den Kenntnissen und Erfahrungen, die unsere Berater im Bereich Data Science bereits mitbringen.

4. Validierung

Egal ob es darum geht, im Rahmen der Entwicklung eines neuen Recommender Systems verschiedene Algorithmen gegeneinander zu testen, oder ob Sie wissen möchten, wie gut Ihr aktuell verwendetes Recommender System ist, wir wissen, wie wichtig eine saubere Validierung ist. Wir möchten sicherstellen, dass Sie den größtmöglichen Nutzen aus Ihren Kundendaten und Ihren Recommendations ziehen. Dabei entscheiden wir gemeinsam mit Ihnen, welche Form der Validierung sich für Ihren Anwendungsfall am besten eignet. Hierbei wird zwischen Online- und Offline-Validation unterschieden. Offline-Validierungen lassen sich meist unkomplizierter ermitteln. Hierfür werden Interaktionsdaten aus der Vergangenheit zu Grunde gelegt und die zu testenden Modelle darauf angewendet. Das Modell wird dann beispielsweise anhand eines Root Mean Square Errors zwischen vorhergesagtem Verhalten und eingetretenem Verhalten bestimmt. Standardmäßig validieren wir all unsere Modelle erst einmal offline, bevor wir Veränderungen an Ihrer Website vornehmen. Erst für die Online-Validationen wird das Recommender System dann auf Ihrer Website live geschaltet, um die Interaktionen der Kunden darauf direkt zu erhalten und die Performance final zu validieren.

5. Bereitstellung und Pflege

Wir unterstützen Sie dabei, das entwickelte Modell in Ihr Produktivsystem einzubinden. Änderungen auf dem Produktivsystem müssen immer ganz besonders sorgfältig angegangen werden. Egal ob Sie On-Premise unterwegs sind oder eine Cloud-Lösung nutzen,  Sie profitieren von der Erfahrung unserer Experten, die jeweils ganz genau wissen, wie vorzugehen ist und was es zu beachten gilt. Es gilt dabei außerdem, ein Scheduling aufzubauen, so dass die Daten und Recommendations auf Ihrer Website aktuell gehalten werden. Abhängig vom jeweiligen Anwendungsfall kann dies als Realtime- oder Neartime-Ausspielung aufgesetzt werden. Damit hört unsere Unterstützung aber natürlich nicht auf, wir sehen uns als ganzheitliche Beratung und unterstützen Sie bei Bedarf als Experte in den Bereichen digitales Kundenmanagement und CRM auch bei weiteren Themen rund um Kundenkommunikation und -interaktion. CINTELLIC bietet für Sie ganzheitliche Lösungen, angefangen bei Ihren historischen Kundendaten, bis hin zum Monitoring Ihrer Onlineausspielungen.