Maschinelles Lernen für das Kundenerlebnis im Omnichannel E-Commerce

Einleitung

In den Jahren 2016 und 2017 hatte ich die Gelegenheit, als Wirtschaftspartner ein bedeutendes Projekt mit der Universität Genf und der Kommission für Technologie und Innovation (KTI), heute bekannt als Innosuisse, umzusetzen. Diese Initiative mit dem Namen IDDASS (Interests Detection During a Shopping Session) ist das zweite Machine-Learning-Vorhaben meines Unternehmens Aioma. Die folgenden Abschnitte präsentieren die wesentlichen Aspekte und Erkenntnisse aus diesem Projekt, die insbesondere für Softwareunternehmer relevant sind.

Projektübersicht: IDDASS

IDDASS ist eine Software-Bibliothek, die das Nutzerverhalten während Einkaufssessions in physischen Ladengeschäften analysiert. Die Innovation des Projekts liegt in der hohen Präzision, mit der Verhaltensmuster erfasst und ausgewertet werden. Das Ziel war es, IDDASS in eine Loyalty-Anwendung zu integrieren, die auf Smartphones läuft. Diese Anwendung kombiniert die gesammelten Daten mit bestehenden E-Commerce-Analysetools und schafft so eine Verbindung zwischen Online- und Offline-Informationen. Dies ermöglicht ein umfassendes Verständnis des Kundenerlebnisses über den gesamten Lebenszyklus: Kunden gehen von der Online-Interaktion zur physischen Einkaufserfahrung über und verdienen dabei digitale Belohnungen.

Technologische Grundlagen und Herausforderungen

Das Projekt kombinierte mehrere fortschrittliche Technologien:

1. Indoor-Positionierung: Durch die Integration von Indoor-Positionierungstechnologien und verschiedenen Smartphone-Sensoren (mittels BLE Beacons) wurde das Kundenverhalten in Echtzeit erfasst.
2. Verhaltensanalyse und Maschinelles Lernen: Die erfassten Daten wurden genutzt, um Verhaltensmuster zu identifizieren und Marktentscheidungen zu treffen.
3. Datenintegration: Die Kombination von Online- und Offline-Daten ermöglichte die Erstellung detaillierter Kundenprofile und die individualisierte Gestaltung der Einkaufserfahrung.

Anwendungsszenarien

Ein typisches Anwendungsszenario zeigt die Leistungsfähigkeit von IDDASS

Daniel besucht innerhalb einer Woche zum zweiten Mal die Website von Jelmoli und betrachtet ein Paar schwarze Schuhe. Obwohl er sich die Schuhe online ansieht, kauft er sie nicht, da er neue Schuhe immer zuerst anprobiert. Während seines Arbeitswegs informiert ihn seine Loyalty-App über Sonderangebote im nächstgelegenen Geschäft. Sobald er das Geschäft betritt, startet die App automatisch und zeigt ihm relevante Artikel an. Daniels Verhalten im Geschäft wird erfasst und analysiert, etwa die besuchten Bereiche und die verbrachte Zeit. Auf Basis dieser Daten erhält Daniel personalisierte Angebote und Erinnerungen, die seine Kaufentscheidung positiv beeinflussen.

Prototyp und Einsatz

Ein erster Prototyp wurde in den Büros von Origammi in Zürich eingesetzt. Diese Demo-Version demonstrierte interessierten Parteien, wie die Technologie funktioniert und welchen Mehrwert sie bietet. So wurden beispielsweise Kundenbewegungen innerhalb des Geschäfts erfasst, um das Einkaufserlebnis zu verbessern.

Zusammenarbeit und Implementierung

Dieses Projekt war eine Zusammenarbeit zwischen TaM und Origammi, wobei Origammi die Forschungsergebnisse in ihr Produkt ECHOO integrierte. ECHOO erhöht die Kundenbindung und liefert Ladenbesitzern hochwertige Daten. IDDASS als letzte Komponente fügt sich in dieses Gesamtbild ein und verbindet Online- und Offline-Daten ohne Bruch.

Ergebnisse und Publikationen

Das Projekt führte zu mehreren wissenschaftlichen Publikationen, darunter:

• UltraSense: a Self-Calibrating Ultrasound-Based Room Occupancy Sensing System
• A Multiobjective Optimization Methodology of Tuning Indoor Positioning Systems

Diese Publikationen unterstreichen die wissenschaftliche und technologische Bedeutung des Projekts.

Fazit

Das IDDASS-Projekt zeigt, wie durch die Kombination von maschinellem Lernen, Indoor-Positionierung und Datenintegration ein tiefes Verständnis des Kundenverhaltens erreicht werden kann. Für Softwareunternehmer bietet dieses Projekt wertvolle Einblicke in die Möglichkeiten der Verhaltensanalyse und die Entwicklung innovativer Lösungen, die die Kundenbindung stärken und gleichzeitig wertvolle Daten für Geschäftsentscheidungen liefern.

IDDASS war nicht nur ein technologischer Erfolg, sondern auch ein Beispiel für die produktive Zusammenarbeit zwischen Wissenschaft und Industrie. Softwareunternehmer können erheblich von solchen Partnerschaften profitieren, indem sie Zugang zu modernster Forschung erhalten und diese in marktreife Produkte umsetzen.