am Beispiel eines Online-Shops Artus Krohn-Grimberghe Anneke Minke 10.06.2010 1 Universität Hildesheim Agenda 1. Das Projekt LEFOS 2. Empfehlungssysteme für Cross-Selling 3. Kundenanalyse zur weiteren Personalisierung 4. Zusammenfassung 10.06.2010 2 Universität Hildesheim
1. Das Projekt LEFOS Lernende Empfehlungssysteme für Online-Shops Gemeinsames Projekt von Gefördert durch EFRE 10.06.2010 3 Universität Hildesheim 1. Das Projekt LEFOS Ziel: Integration von Algorithmen und Techniken, die den aktuellen Stand der Forschung im Bereich Empfehlungssysteme widerspiegeln, in ein Online-Shop-System Bestandteile: Warenkorbanalyse Produkttaxonomien (Kategorien) Kundenanalyse Clickstreams 10.06.2010 4 Universität Hildesheim
2. Empfehlungssysteme Auch bekannt als Recommender System "Kunden, die diesen Artikel gekauft haben, kauften auch" Digitaler Verkäufer (Verkaufsassistent) Erhöhung des Absatzes durch Cross-Selling Sichtbarmachung des Produktportfolios 10.06.2010 5 Universität Hildesheim 2. Empfehlungssysteme Einsatzfelder in einem Online-Shop 10.06.2010 6 Universität Hildesheim
2. Empfehlungssysteme Notwendige Daten Was muss ich haben, damit ein Recommender auch bei mir läuft? Rating-Daten: Nutzer, Produkt, Ratingwert(, Zeit) Explizites Feedback Transaktionsdaten: Nutzer, Produkt(, Zeit) Implizites Feedback möglich 10.06.2010 7 Universität Hildesheim 2. Empfehlungssysteme DEMO 10.06.2010 8 Universität Hildesheim
3. Kundenanalyse zur weiteren Personalisierung Vielzahl von Daten aus Kaufhistorie: Segmentierung der Kunden anhand ihres Kaufverhaltens Navigationshistorie: Analyse des Navigationsverhaltens 10.06.2010 9 Universität Hildesheim 3. Kundenanalyse zur weiteren Personalisierung Verhaltensspezifische Daten aus Kaufhistorie RFM-Daten: Recency Zeitpunkt der letzten Bestellung Frequency Bestellhäufigkeit Monetary Umsatz durch den Kunden Weitere ableitbare Daten: Durchschnittswert der gekauften Produkte Heterogenität der Warenkörbe Anteil beworbener Produkte Gruppierung von Kunden mit ähnlichem Kaufmustern 10.06.2010 10 Universität Hildesheim
3. Kundenanalyse zur weiteren Personalisierung Ziel: Zielgruppenspezifisches Marketing anhand clusterspezifischer Personalisierungen Mögliche Segmente sind u.a. Regelmäßige Kunden mit eindeutigen Bestellmustern Vereinfachung der Bestellvorgänge Schnäppchenjäger Besondere Hinweise zu aktuellen Angeboten Außerdem: Untersuchungen bzgl. Trends Aufdecken von Veränderungen im Kaufverhalten 10.06.2010 11 Universität Hildesheim 3. Kundenanalyse zur weiteren Personalisierung Personalisierung auf Basis der Navigationshistorie: Verwendung von Clickstreams (Clickstream: Surfsequenz eines Internetnutzers auf einer Webseite) Ziel: Frühzeitiges Erkennen des anvisierten Ziels Navigation zum Ziel vereinfachen Unterscheidung zwischen Bekannten Besuchern Verwendung der Kaufhistorie Anonymen Besuchern 10.06.2010 12 Universität Hildesheim
3. Kundenanalyse zur weiteren Personalisierung Vorgehen Clickstreamanalyse: Identifizierung möglicher Ziele Ermittlung optimaler Navigationspfade Bündelung verwendeter Clickstreams mit Hilfe von Algorithmen (z.b. Golden Path Analyzer, Verwendung von Wildcards) Vorgehen Golden Path Analyzer: Bündelung der Clickstreams mit Hilfe einer Clusteranalyse Identifizierung eines Hauptpfads anhand gemeinsamer Subsequenzen Nebeneffekt: Analyse von Falloffs (Aufdecken von Gründen für das Verlassen eines Hauptpfades) 10.06.2010 13 Universität Hildesheim 3. Kundenanalyse zur weiteren Personalisierung Startseite Fotoshop Preisliste Fotos Bestellung Startseite Fotoshop Fotos Startseite Fotoshop Fotos Technik & Multimedia Bestellung Bestellung 10.06.2010 14 Universität Hildesheim
4. Zusammenfassung Absatzsteigerung durch personalisierte Empfehlungen Implizites und explizites Feedback nutzbar Personalisierung der Angebote auf Basis einer Kundensegmentierung Personalisierung der Navigationselemente zur Steigerung der Kundenzufriedenheit 10.06.2010 15 Universität Hildesheim