Machine Learing
ROI auf Content erhöhen
In diesem Projekt haben wir gemeinsam mit unserem Kunden eine Anwendung konzipiert, um Nutzern individuelle Empfehlungen zu geben.
Unser Kunde verfügt über einen großen Content-Katalog und er möchte seinen Nutzer den individuell besten Content zur Verfügung stellen. Bisher werden Empfehlungen lediglich auf Basis weniger, statischer Faktoren gegeben. Andere Faktoren wie z.B. das Nutzerverhalten wird nicht einbezogen. Hinzu kommt, dass Zeit der kritische Faktor für die Zielgruppe ist.
Wie kann Machine Learning dabei unterstützen?
Unser Ansatz war es mittels neuronalen Netzen den besten Content vorherzusagen. Neuronale Netze sind eine Reihe von Algorithmen, die darauf ausgelegt sind, Muster zu erkennen. Sie interpretieren Eingabedaten durch eine Art maschineller Wahrnehmung, Kennzeichnung oder Clusterung von Rohdaten. Die Muster, die sie erkennen, sind numerisch, in Vektoren enthalten, in die alle Daten der realen Welt, wie z.B. Daten über die Nutzer oder die Dienstleistungen, übersetzt werden müssen.
Welche Mehrwerte ergeben sich für die Organisation?
Durch die Anwendung wird der Kunde in die Lage versetzt Erkenntnisse über das Verhalten seiner Anwender in die Content-Empfehlungen einzubeziehen. Kennzahlen wie die Zugriffzahlen, die durchschnittliche Lesedauer und Folgeaktivitäten können so positiv beeinflusst werden.

Neuronales Netz
Die Entscheidung der Nutzer wird dazu verwendet, das neuronale Netz zu trainieren und aus den neuen Daten zu lernen, um die Vorhersageleistung zu verbessern.
c-led.net hat uns mit einem pragmatischen Ansatz für Maschinelles Lernen überzeugt. Wir werden dadurch in die Lage versetzt die Affinität unserer Nutzer für bestimmten Content vorherzusagen.



Was sagt der Kunde? „Die dynamische, kreative Lösungsfindung hilft uns aktuell sehr bei der Weiterentwicklung unserer Lösungen. Weiter so!“
Wie fand´s der Kunde? „Wir haben das Potential im Einsatz neuronaler Netze erkannt und freuen uns auf die weitere Zusammenarbeit mit c-led.net.“

Wie fand’s der Kunde? Dank der eingesetzten Technologie waren wir quasi im Wohnzimmer der Kunden und konnten unseren Entwicklern Feedback aus erster Hand geben. Wichtige Erfolgsmessgrößen konnten wir so positiv beeinflussen.“




