Startseite Impressum / Kontakt Datenschutz (Disclaimer) Haftungsausschluss
Auto & Verkehr Bildung, Karriere & Schulungen Elektro & Elektronik Essen & Trinken Familie, Kinder & Zuhause Freizeit, Buntes & Vermischtes Garten, Bauen & Wohnen Handel & Dienstleistungen Immobilien Internet & Ecommerce IT, NewMedia & Software Kunst & Kultur Logistik & Transport Maschinenbau Medien & Kommunikation Medizin, Gesundheit & Wellness Mode, Trends & Lifestyle PC, Information & Telekommunikation Politik, Recht & Gesellschaft Sport & Events Tourismus & Reisen Umwelt & Energie Unternehmen, Wirtschaft & Finanzen Vereine & Verbände Werbung, Marketing & Marktforschung Wissenschaft, Forschung & Technik
  Pressemitteilungen heute: 111
  Pressemitteilungen gesamt: 304.661
  Pressemitteilungen gelesen: 39.395.719x
09.11.2018 | Internet & Ecommerce | geschrieben von Katja Petillon¹ | Pressemitteilung löschen

E-Commerce: Recommender Systeme zur Absatzsteigerung

Passende Empfehlungen erhöhen die Absätze in Online-Shops deutlich, diese Erfahrung sammeln die Data Scientists der mayato GmbH in zahlreichen E-Commerce-Projekten. Dass sich diese Vorteile auch mit Recommender Systemen nutzen lassen, die auf clusterbasierten Ansätzen aus dem Machine Learning basieren, zeigt das Beratungsunternehmen mit den Schwerpunkten Business Intelligence, Data Science und Analytics anhand einer Anwendung aus dem Automotive Bereich. Caroline Kleist, Leiterin Analytics bei mayato, erklärt: "Es müssen nicht zwangsläufig feingranulare Analysen durchgeführt werden. Einfache Algorithmen genügen im ersten Schritt, um ein Recommender System zu implementieren, das den Absatz nachhaltig steigert."

In dem aktuell vorgestellten mayato Projekt segmentierte das Beratungshaus zunächst anhand historischer Verkaufsdaten Kunden und Produkte. Das Wissen um das Kaufverhalten in der Vergangenheit nutzten die Data Scientists anschließend, um eindeutige Präferenzen als Unterscheidungskriterien zur Erstellung von Kundenprofilen zu ermitteln. Die so generierten Profile dienen dann als Vergleichswerte für die aktiven Kunden der Online-Plattform. Kunden mit einer Mindestzahl an getätigten Käufen wurden daraufhin mit dem kMeans-Algorithmus, einem Data Mining-Verfahren des unüberwachten Lernens, geclustert. Die Ergebnisse daraus führten im ersten Schritt zu einer Neustrukturierung der vorhandenen Webseite und schließlich, nach weiteren Segmentierungen, zu 30 gut unterscheidbaren Produktclustern, die dann den entsprechenden Kunden zugeordnet werden können. Diese erhalten bei einem Besuch des Online-Shops gezielte Empfehlungen aus den für sie interessanten Produktgruppen. Uninteressante Angebote werden ausgeblendet. Monatliche Neuberechnungen halten das von mayato entwickelte Modell stets auf dem neuesten Stand. Die detaillierte mayato Case Study dazu finden Sie unter https://www.mayato.com/case-studies/ #e-commerce

¹ Für den Inhalt der Pressemeldung/News ist allein der Verfasser verantwortlich.
http://www.mayato.com
mayato GmbH
Friedrichstraße 121 10117 Berlin

Pressekontakt
http://www.claro-pr.de
claro! text und pr
Allmannspforte 5 68649 Gross-Rohrheim

Weitere Meldungen in der Kategorie "Internet & Ecommerce"

| © devAS.de