Mit Personalisierung und Recommendations das Online-Einkaufserlebnis einzigartig machen

Auf aktuelle Trends reagieren und Kunden begeistern

Die Käufer haben immer weniger Geduld und keine Zeit, sich auf einer Website aufzuhalten. Sie haben klare Vorstellungen und sind auf der Suche nach dem richtigen Produkt. Hinzu kommt eine gewisse Erwartungshaltung an die Personalisierung, die die Kunden von Netflix, Spotify, Amazon usw. gewohnt sind:

• 35% des Umsatzes von Amazon kommen aus personalisierten Empfehlungen
• 80% der Streamingzeit von Netflix basiert auf personalisierten Empfehlungen

Vor-Ort-Erlebnis schaffen

Online-Händler kämpfen damit, die Qualität eines Kundenerlebnisses im Geschäft auch online zu ermöglichen und das Online-Geschäft zu vermenschlichen. Die Verbreitung von Online-Shops macht es außerdem teuer, Loyalität zu kaufen.  Mit Personalisierung kann das Online-Erlebnis menschlicher gestaltet werden.
Kunden profitieren davon, indem sie die richtigen Produkte zur richtigen Zeit an die richtigen Kunden weiterleiten. Außerdem können sie durch hervorragende Empfehlungen ein besonderes Einkaufserlebnis schaffen.

Relevante Ergebnisse anzeigen

Wenn ein Online-Shop keine relevanten Treffer bei der Produktsuche liefern kann, sind die Kunden frustriert. AI gestützte Personalisierung ermöglicht 
Dadurch können unsere Kunden die Erwartungen der Kunden erfüllen und übertreffen, was zu mehr Loyalität und Konversion führt.

Ressourcen sparen

Komplexe Ranking-Regeln kosten viel Zeit und mühevolle Arbeit, wenn man bspw. einen großen Produktkatalog ausgleichen (bspw. Balance High- und Low-Performer-Produkte) und viele Käufergruppen (bspw. Star Wars Fan, Lego Enthusiast, Gamer und die komplexen Überschneidungen der Kundengruppen) erreichen möchte.  
Dank automatisierter Personalisierung und Empfehlungen können nun eine Vielzahl von Produkten und heterogenen Käufern mit einem Klick gezielt erreicht werden.
Das spart unseren Kunden Zeit, Geld und die Nerven, alles manuell einzurichten und ständig zu optimieren.

Manuelle Kontrolle kombiniert mit AI sorgt für Erfolgsgeschichten

Loop54 kombiniert menschliches Verhalten mit maschinellem Lernen

Der Kern von Loop54 ist ein Algorithmus für maschinelles Lernen, der das Nutzererlebnis personalisiert, ohne auf Big Data angewiesen zu sein. Um besser zu verstehen, warum der Algorithmus von Loop54 einzigartig ist, schauen wir uns die Unterschiede zwischen Mensch und Maschine an:

Wie funktionieren Maschinen?

Damit eine Maschine ein relevantes Ergebnis, bspw. eine Klassifizierung "Das ist ein Hund auf dem Foto", ausgeben kann, muss eine Eingabe, deren Verarbeitung und maschinelles Lernen erfolgen. Maschinelles Lernen basiert auf Kennzeichnung der Eingabe, d.h. man muss der Maschine sagen, dass das bspw. ein Bild von einem Hund ist. Anfänglich wird es zu Fehlern kommen und die Maschine kann Hund und Katze bspw. nicht auseinanderhalten. Dies ändert sich allerdings mit zunehmender Lernfähigkeit, indem Parameter angepasst werden, bis ein Modell erstellt ist, das Hund und Katze unterscheiden kann. Mit zunehmender Komplexität von Modellen steigt die Anzahl an Parametern, die die Maschine lernen muss.

Zusammenfassend:

• Viele, sich wiederholende Informationen, um Modelle anzulernen
• Um eine gewisse Relevanz zu erzielen, benötigen die Modelle lange Lernzeiten
• Eigenschaften müssen gleichbleiben, um sie gleiche Antwort zu bekommen

Wie funktioniert der Mensch?

Durch natürliche Funktionen in unserem Gehirn, können wir Informationen zwischen Objekten schnell assoziieren und ableiten. Wenn wir ein Bild von einem Hund sehen, dann werden Teile des Gehirns stimuliert, die Informationen über den Hund, bspw. Größe, Farbe, Rasse speichern. Je mehr Bilder wir sehen, desto komplexer wird das Konzept und Muster des Hundes. Wir lernen, dass Eigenschaften wie Größe, Farbe und Rasse sehr unterschiedlich sein können. Daher sind wir nicht überrascht, wenn wir einen Hund in einer anderen Farbe sehen, als die uns bisher bekannten.

Zusammenfassend:

• Kleine Datenmengen reichen schon aus, um Eigenschaften zu verstehen
• Lernt schrittweise die Komplexität der Mustererkennung
• Versteht Eigenschaften, auch wenn sich diese ändern

Wie funktioniert der Algorithmus von Loop54?

Anstatt sich ausschließlich auf Produkte und deren Attribute zu fokussieren, nutzt der Algorithmus von Loop54 produktunabhängige, neuronale Verknüpfung. Das bedeutet, dass maschinelles Lernen mit an den Menschen angelehnte Eigenschaft, das Lernen von Produktattributen auf Basis von kleinen Datenmengen, verknüpft wurde. Das ermöglicht die personalisierte Sortierung der Suchergebnisse auf Basis von persönlichen Präferenzen und Intentionen innerhalb einer Browser-Session. 

Einzelne Produkte sind jederzeit austauschbar, ohne, dass dies Auswirkungen auf die Relevanz der Suchergebnisse hat. Komplexe Produktbeziehungen werden verstanden und bspw. neue Produkte können direkt eingeordnet werden, ohne dass diese Produkte im Speziellen eine Einlernzeit benötigen, wie bei herkömmlichem Maschine Learning.

Das Nutzerverhalten gibt Informationen über persönliche Präferenzen und die Intention innerhalb einer Browser-Session auch an benachbarte Neuronen weiter. Dadurch wirken sich Interaktionen nicht nur auf ein Produkt oder eine spezielle Kategorie aus, sondern auf das gesamte Modellbereich rund um das angesteuerte Neuron.

Unterschied zu FACT-Finder Personalisierung

Besondere Anforderungen an die Nutzung von powered by Loop54 Personalisierung und Recommendations

Um von den Ergebnissen der AI Personalisierung und Recommendation zu profitieren gilt es einige Anforderungen zu erfüllen.