Recommendation Engines im E Commerce

Transkript

1 Recommendation Engines im E Commerce Funktionsweise Einsatzgebiete Wirtschaftlichkeit Silvio Steiger, prudsys AG

2 Ziele mehr Kunden die mehr kaufen Persönlich relevante: Angebote Inhalte / Werbung Suchergebnisse Intelligentes Cross Selling Up Selling Verhinderung von Down Buying und wieder kommen! höhere Kundenzufriedenheit

3 1. Generation Warenkorbanalyse Vor ca. 10 Jahren Warenkorbanalyse Kunden die A kauften, kauften auch... Page 3

4 1. Generation Warenkorbanalyse Analyse gemeinsam gekaufter Produkte Beispiel: 5361 Bestellungen in 3 Monaten, 1843 Artikel im Shop 57% keine Empfehlungen! 10% unsicher 25% Top Seller Long Tail Problematik Lange Lernzeit Keine Personalisierung Page 4

5 2. Generation Collaborative Filtering Vor ca. 7 Jahren... Collaborative Filtering Kundensegmentierung mittels historischer Daten und Klickpfaden Page 5

6 2. Generation Collaborative Filtering Ähnlichkeitsmatrix des Kundenverhalten First, you collect 100 million user ratings for about 18,000 movies. Take any two movies and find the people who have rated both of them. Then look to see if the people who rate one of the movies highly rate the other one highly, if they liked one and not the other, or if they didn't like either movie. Based on their ratings, Cinematch sees whether there's a correlation between those people. Now, do this for all possible pairs of 65,000 movies! Jim Bennett, Netflix er Kombinationen = ca. 2,112 Milliarden mögliche Kombinationen (Suchvorgänge); nur Filme (knapp 28%) wurden bewertet (ca. 162 Millionen mögliche 2er Kombinationen oder knapp 8%) Collaborative Filtering = Performanceprobleme Fehlen statistischer Masse Page 6

7 3. Generation Reinforcement Learning Vor ca. 5 Jahren Reinforcement Learning Echtzeit Lernen, zielorientierte Empfehlungsoptimierung (Selbstoptimierendes System, KI Technologie) Page 7

8 3. Generation Reinforcement Learning Reinforcement Learning Offline / Online Lernen Rewardsteuerung Verbundkettenoptimierung Exploit / Explore Ähnlichkeitsanalyse Page 8

9 3. Generation Reinforcement Learning Hauptvorteil des Reinforcement Learning: Empfehlungsberechnung erfolgt nicht nach der Annahme: Produktkombinationen, die diesen Käufern gefallen haben, werden vermutlich auch jenen Käufern gefallen. Sondern: Die tatsächliche Wirkung der Empfehlungen wird aktiv während eines jeden Shopbesuchs ausgetestet (gemessen) und fortwährend nach Zielvorgaben (z.b. Umsatz) optimiert. Page 9

10 Technologische Grundlagen Weitere Vorteile: Wenig Eingangsdaten erforderlich Universell anwendbar Page 10

11 3. Generation Reinforcement Learning aktuell Hierarchisches Reinforcement Learning Echtzeit Lernen, zielorientierte Empfehlungsoptimierung Zusätzlich: Verwendung von Produktattributen und kategorien Page 11

12 Einsatzgebiete Produktdetailseiten, Contentseiten Page 12

13 Einsatzgebiete My Shop (Käufe, Wunschlisten,...) Page 13

14 Einsatzgebiete Kategorienseiten, Landingpages Page 14

15 Einsatzgebiete Ranking von Listen (Suchergebnisse) Page 15

16 Einsatzgebiete Newsletter (Echtzeit) Page 16

17 Wirtschaftlicher Nutzen Im Webshop: Umsatzsteigerung durch Steigerung der CR und des Umsatzes pro Warenkorb Mehrumsatz schon während des Tests Im Newsletter: Steigerung der Klick Konversion Erhöhung der Kauf Konversionsrate Steigerung des Umsatzes Weitere Faktoren: Steigerung der Quote der Spontankäufe beim window shopping Ertragssteigerung durch die intelligente Verhinderung von Down Buying Kundenbindung verstärken, Verweildauer im Web Shop erhöhen ( sticky marketing ) Page 17

18 Weitere Einsatzszenarien prudsys RDE Recommendations Product, Search and Content Recommendations im Online Shop prudsys RDE Scoring Forecast von Warenkorbabbrüchen und Optimierung der Incentivierung prudsys RDE Newsletter Product and Content Recommendations im Newsletter prudsys RDE Assortment Planning Forecast von Nachfragewahrscheinlichkeiten und mengen prudsys RDE Pricing Echtzeit Preisanpassung auf Basis des Nutzerverhaltes mit Margenoptimierung prudsys RDE Data Cleansing Echtzeit Betrugserkennung mittels Ähnlichkeitsanalyse Page 18

19 Installation: IREUS Magento Schnittstelle IREUS = Online Recommendation Engine der neuesten Generation Installation über Magento Extension Store Install Key: magento community/ireus_recommendation_engine_interface Page 19

20 IREUS Online Recommendation Engine Page 20

21 IREUS Online Recommendation Engine Page 21

22 IREUS Online Recommendation Engine Page 22

23 IREUS Online Recommendation Engine Page 23

24 Personalisiertes Crossund Upselling Integrierte Erfolgsmessung Einfache Installation Testen Sie uns! Page 24