Produktempfehlungen mit Hilfe künstlicher Intelligenz

 In News

Künstliche Intelligenz soll individuell vorhersagen, was wir später kaufen wollen. Derzeit basieren Produktempfehlungen in Onlineshops vor allem auf Daten, die durch bisherige Einkäufe, Surf-Historie und allgemeine sozio-demographische Daten gewonnen werden. Der Kanadier Eric Brassard, ein ehemaliger Manager der Kaufhauskette Saks, will mit Propulse zeigen, dass das besser, genauer und individueller möglich ist. Wie etailment.de berichtet, verspricht das Unternehmen, das System zeige dem Kunden tatsächlich vorher Produkte, die dieser später kaufen will. Darunter Produkte, die der Kunde vorher vielleicht noch gar nicht im Sinn hatte, weil die Empfehlungsmaschine von Propulse sich dabei nicht nur auf ein paar wenige Daten aus der Customer Journey stützt, sondern den Geschmack des Kunden erkennen und vorhersagen will. Das Vorhersagemodell soll, so schreibt etailment.de weiter, Ergebnisse liefern, die den tatsächlichen Interessen und Vorlieben des Kunden entsprechen. Und zwar ohne persönliche Daten des Kunden zu kennen. Das „Purchase Path Neural Network“ soll unter anderem über eine Bilderkennung mit rund 40.000 Variablen und entsprechende Algorithmen den Geschmack des Kunden kennenlernen und so Vorschläge für die aktuelle Einkaufssituation, aber auch für spätere Gelegenheiten machen. Das System lernt dabei aus der jeweiligen Reaktion des Kunden in Echtzeit dazu. Ziel ist es, den Instinkt und die Erfahrung eines guten Verkäufers im Laden abzubilden. Neben Propulse sammelt beispielsweise auch StitchFix, eigentlich ein Modeanbieter rund um das betreute Shoppen, Daten, um die Inhalte der Pakete treffsicherer zu machen. Lernende Recommendation Engines bieten laut etailment.de auch hierzulande eine Reihe von Anbietern. Der Otto Versand arbeitet beispielsweise inzwischen mit IBM Campaign.