Recommendation Engine - Personalisierung | prudsys

prudsys RDE | Recommendations

Die weltweit leistungsfähigste Recommendation Engine

Das Modul prudsys RDE | Recommendations  personalisiert Verkaufsprozesse an allen Customer Touchpoints ohne manuellen Aufwand. Das Lösungsspektrum umfasst optimale Produktempfehlungen und die Personalisierung von Content im Onlineshop, Newsletter, Mobile und Store.

Ihr Vorteil

Die Mehrzahl der Recommendation Engines generieren Produktempfehlungen, die ein Nutzer gemäß seinem Profil ohnehin mit höchster Wahrscheinlichkeit gekauft hätte. Die Berechnung von Empfehlungen wird hier auf eine statistische Prognose reduziert. Obwohl dieser Ansatz zweifellos funktioniert, stellt sich die Frage, warum einem Nutzer etwas empfohlen wird, was er wahrscheinlich ohnehin gekauft hätte. Im Gegensatz dazu lernt die prudsys RDE direkt aus den Empfehlungen, die Berechnung erfolgt über die Theorie des Reinforcement Learning. Resultat ist eine neue Qualität der Empfehlungsberechnung, welche weltweit den leistungsfähigsten Ansatz in diesem Bereich darstellt.

Funktionsweise

Das Modul RDE | Recommendations berechnet Empfehlungen zum einen durch die Auswertung historischer Transaktionsdaten und zum anderen durch Echtzeit-Lernen aufgrund ständiger Interaktion mit den Nutzer bzw. Besucher. Es bietet zahlreiche verschiedene Empfehlungstypen und deckt nahezu jeden Anwendungsbereich von Personalisierung ab. Zudem ist es möglich, bei Bedarf und nach den datenschutzrechtlichen Richtlinien, Facebook-Daten (Posts, Likes, Check-Ins) in die Berechnung einfließen zu lassen.

Ergebnis

Höchste Akzeptanz von Empfehlungen, Erhöhung der langfristigen Kundenbindung und bestmögliche Ausnutzung des Umsatzpotentials. 

Einsatzgebiete

Online
Newsletter/Print
Mobile
Retail Store

Key features

Vorteile:

  • Maximaler Mehrumsatz
  • Optimales Kundenerlebnis
  • Optimale Ausschöpfung des Cross- and Up-Selling Potenzials
  • Vermeidung von Down-Buying und Topseller-Problematik 
  • Vollautomatische Arbeitsweise (Install-and-Forget)
  • Hochwertige Empfehlungen auch bei kleinen Warenkörben, im Long Tail und für neue Produkte bzw. Inhalte
  • Einbeziehung von Umweltfaktoren (z.B. Kanal, Uhrzeit, Wetter)
  • Einbeziehung von Facebook Daten (z.B. Likes, Posts, Check-ins) möglich

Technologie:

Erfolgsmessung (integriert):

  • A/B- und multivariate Tests
  • Zahlreiche Kennzahlen (z.B. Klicks, Konversionsrate, Gesamtumsatz, Umsatz durch Empfehlungen) einschließlich Konfidenzintervallen zur Abschätzung ihrer Stabilität

Funktionen dieses Moduls

category-to-banner

Category to Banner

category-to-categories

Category to Categories

category-to-products

Category to Products

category-to-sorted-productlist

Category to Sorted Product List

category-to-topcategories

Category to Top Categories

category-to-topseller

Category to Topseller

ordered-together-generalized

Ordered Together Generalized

ordered-together

Ordered Together

product-master-variation-to-products

Product (Master/ Variation) to Products

product-to-products

Product to Products

productlist-to-products

Product List to Products

productlist-to-sorted-productlist

Sort Product List

searchterm-to-product

Search Term to Product

searchterm-to-sorted-product-list

Search to Sorted Product List

topcategories

Global Top Categories

topseller

Global Topseller

user-to-banner

User to Banner

user-to-categories

User to Categories

user-to-products

User to Products

user-to-userhistory

Transaction History

Presse News

  • 27. September 2016
    Maximierung des Kundenwertes über alle Vertriebskanäle mit dem Major-Release 3.10.0 der prudsys RDE
    weiterlesen

  • 17. August 2016
    Personalisierung zum Anfassen: prudsys mit Showroom auf der dmexco 2016
    weiterlesen

  • 07. Juli 2016
    Empfehlenswert: prudsys personalization summit 2016 punktet bei Besuchern
    weiterlesen

  • 04. Juli 2016
    Im Online-Zeitalter mit Print zum Erfolg: KLiNGEL Gruppe erhält „Personalization Award 2016”
    weiterlesen

  • 30. Juni 2016
    Studenten der UC Davis gewinnen DATA-MINING-CUP 2016
    weiterlesen

Fragen?

Nehmen Sie mit uns Kontakt auf. E-Mailformular und Telefonnummern