Case study

Modell des Verhaltens von Verbrauchern zur Optimierung von Konversionspfaden

Herausforderung

Aufbau eines Modells des Verbraucherverhaltens mit Hilfe von Tools des maschinellen Lernens zur Optimierung von Konversionspfaden in der E-Commerce-Branche.

Herausforderung – Fortsetzung

Einer der Bereiche, in denen die richtige Nutzung der vorliegenden Daten die Leistung von Unternehmen erheblich verbessern kann, ist der E-Commerce-Bereich. Noch vor wenigen Jahren wurde die Frage der Generierung von Traffic auf einer E-Commerce-Website unabhängig von den Aktionen des Benutzers auf der Seite analysiert. Seit mehreren Jahren ist jedoch eine Integration dieser Aktivitäten durch Unternehmen, die sich auf die sogenannte „Customer Journey Optimierung“ spezialisiert haben, zu beobachten. Der neue Ansatz ist von ganzheitlicher Natur. Ein ganzheitlicher Ansatz verbessert nicht nur die Ergebnisse, indem er die Ressourcen besser auf die einzelnen Benutzer abstimmt, sondern ermöglicht es auch, Veränderungen am Markt besser und schneller zu erkennen (z. B. Gründe für rückläufige Verkäufe, Auftreten von gefälschtem, durch Bots generiertem Traffic).
Der Prozess der Optimierung des Konversionspfades des Kunden auf individueller Ebene ist eine der größten Herausforderungen für die E-Commerce-Branche. Mit fortschrittlichen Analysen, die auf personalisierten Entscheidungen basieren, beantworten wir die 4 grundlegenden Fragen, die zur Optimierung des Konversionspfades notwendig sind:

  • Wer? (Definition eines konkreten Benutzers)
  • Was? (Angebot, Produkte, Kundenkommunikation, Inhalt)
  • Wann? (Zeit des Kontakts mit dem Kunden)
  • Wo? (Auswahl der Quellen des Traffics und Kanäle für die Kommunikation)


Trotz der dynamischen Entwicklung der Technologie wird ein Großteil der Entscheidungsfindung in diesem Prozess immer noch von Domain-Experten getroffen. Die menschliche Intuition ist naturgemäß voreingenommen, weshalb Werbefachleute häufig die Methode der Durchführung von sogenannten A/B-Tests nutzen, um einzelne Elemente des Kundenpfads zu bewerten. Das vorgestellte Verfahren hat jedoch viele Nachteile, z. B. wird in einem konkreten A/B-Test der Einfluss eines konkreten (von Experten ausgewählten) Merkmals überprüft.

Dabei wird jedoch die Möglichkeit der Interdependenz mehrerer Merkmale untereinander (z. B. der gemeinsame Einfluss von Hintergrund und in der Nachricht verwendeten Wörtern) übersehen, ebenso wie die Beschränkung des manuellen Prozesses auf spezifisch ausgewählte Merkmale und Segmente. Die Herausforderung des Projekts besteht darin, dieses Problem zu adressieren.

Profil der Organisation

Enzode ist ein polnisches Unternehmen für E-Commerce und Big Data.

Lösung

Das Projekt betrifft die Schaffung des weltweit ersten Systems zur automatischen Verwaltung des Konversionspfads des Benutzers in einen Kunden im Bereich der elektronischen Werbung.

Das System wird sich neben einem hohen Automatisierungsgrad auch dadurch auszeichnen, dass es den gesamten Konversionspfad abdeckt, d.h. von der Anzeige eines Werbemittels über das Verhalten des Benutzers auf der E-Commerce-Seite bis hin zu den Aktionen nach Verlassen der Seite. 

Dieser Ansatz ermöglicht darüber hinaus eine tiefe Personalisierung der Übertragung in Abhängigkeit vom Benutzerprofil. Die Auswirkungen von algorithmisch getroffenen Entscheidungen werden besser sein als die von Domain-Experten getroffenen Entscheidungen.

ERGEBNISSE

Projekt in der Testphase. Der Algorithmus verwaltet die Aufteilung der Pfade für Teile der Kampagne bereits selbstständig. Die Ergebnisse sind besser oder genauso gut wie die von Menschen erzielten Ergebnisse.

Schneller Kontakt

Wenn Sie mehr darüber erfahren möchten, wie MIM Solutions Ihnen helfen kann, das Potenzial von KI in Ihrem Unternehmen zu erschließen, kontaktieren Sie uns bitte.