{"id":5506,"date":"2019-07-07T14:52:43","date_gmt":"2019-07-07T13:52:43","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&p=5506"},"modified":"2024-09-20T17:45:02","modified_gmt":"2024-09-20T16:45:02","slug":"do-not-use-offline-eyes-in-an-online-world","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/do-not-use-offline-eyes-in-an-online-world\/","title":{"rendered":"Verwenden Sie keine \u201cOffline-Augen\u201d in einer Online-Welt!"},"content":{"rendered":"

<\/span><\/div><\/div><\/div>

NACHRICHTEN \/ DATEN<\/p>\n<\/div>

Dies gilt insbesondere, wenn es darum geht, zu wissen, welches data am wichtigsten ist, um die Verbraucher zu verstehen. Es geht weniger darum, WER sie sind und WAS sie getan haben, sondern viel mehr darum, WIE sie sich verhalten haben. Die Art und Weise, wie sich Verbraucher auf einer Online-Plattform verhalten, sagt mehr \u00fcber ihre Kaufbereitschaft aus als andere Faktoren. Marken m\u00fcssen dies data erfassen, was viele nicht tun.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Dies gilt insbesondere, wenn es darum geht, zu wissen, welches data am wichtigsten ist, um die Verbraucher zu verstehen. Es geht weniger darum, WER sie sind und WAS sie getan haben, sondern viel mehr darum, WIE sie sich verhalten haben. Die Art und Weise, wie sich Verbraucher auf einer Online-Plattform verhalten, sagt mehr \u00fcber ihre Kaufbereitschaft aus als andere Faktoren. Marken m\u00fcssen dies data erfassen, was viele nicht tun.<\/strong><\/p>\n

Laut einer Prognose von IHS werden die chinesischen Verbraucherausgaben in den n\u00e4chsten zehn Jahren mit einer durchschnittlichen j\u00e4hrlichen Rate von real 7,7 Prozent wachsen und damit zu einem wichtigen Motor der globalen Verbrauchernachfrage und des weltweiten Wachstums werden. Die chinesischen Verbraucher haben in den letzten Jahren immer mehr ihrer Eink\u00e4ufe ins Internet verlagert, was China zu einem der am weitesten entwickelten E-Commerce-M\u00e4rkte der Welt macht. Da Chinas aufstrebende Mittelschicht qualitativ hochwertige Produkte und Dienstleistungen verlangt, ergreifen viele Online-H\u00e4ndler Ma\u00dfnahmen, um diese sehr umk\u00e4mpfte Verbrauchergruppe besser zu verstehen und somit besser anzusprechen. Offensichtlich kommt es auf data an, aber welches data ist eigentlich wertvoller?<\/p>\n

Anhand einer aktuellen Fallstudie kann Artefact etwas Licht in diese Frage bringen. Wenn Sie online einkaufen (f\u00fcr Dienstleistungen oder Produkte), erfassen Marken und Plattformen data \u00fcber diese Verbraucher. Indem wir ein auf maschinellem Lernen basierendes Modell trainierten, um vorherzusagen, ob ein Kunde viel Geld ausgibt, haben wir alle Arten von data \u00fcber Verbraucher kombiniert und organisiert. Es stellt sich heraus, dass die Art von data, die den st\u00e4rksten Einfluss auf die Kaufneigung hat, nicht WAS sie getan haben, nicht WER sie sind, sondern WIE sie sich auf der Online-Plattform verhalten haben. Die Frage lautet nun: Wie viel data erfassen Sie \u00fcber das WIE Ihrer Kunden beim Kauf Ihres Produkts?<\/p>\n

Fallstudie: Ein Online-Reisedienstleister, der ein Modell f\u00fcr maschinelles Lernen einsetzt<\/span><\/strong><\/h3>\n

Eine Plattform f\u00fcr Auslandsreisen, die lokale Fahrer und Reisef\u00fchrer an chinesische Reisende vermittelt, bietet alle Arten von Reisedienstleistungen an, z. B. Abholung am Flughafen, Anmietung eines Autos, Bestellung eines lokalen Reisef\u00fchrers usw. Das Problem, mit dem sie konfrontiert waren, war, dass nicht viele Kunden bereit waren, f\u00fcr ihren Premium-Service zu bezahlen. Das Unternehmen hofft, mit Hilfe der gesammelten data zu erkennen, wer seine potenziellen Premium-Kunden sind, und diese dann proaktiv anzusprechen.<\/p>\n

Um die Wahrscheinlichkeit vorherzusagen, dass ein Kunde f\u00fcr den Premium-Service bezahlt, haben wir zun\u00e4chst zahlreiche Merkmale extrahiert. Diese Merkmale k\u00f6nnen in 3 Clustern organisiert werden:<\/p>\n

    \n
  1. WHO<\/strong>\u00a0sind die Kunden? Dazu geh\u00f6ren das Alter, das Geschlecht, die Provinz, die Stadt usw. des Kunden.<\/li>\n
  2. WAS<\/strong>\u00a0haben sie getan? Dazu geh\u00f6ren Informationen dar\u00fcber, was sie gekauft haben, ob sie eine Bestellung storniert haben, die Anzahl der Bestellungen insgesamt usw.<\/li>\n
  3. WIE<\/strong>\u00a0haben sich die Verbraucher verhalten? Zu diesem Cluster geh\u00f6ren Informationen \u00fcber die Gesamtzeit, die auf der Plattform verbracht wurde, die Geschwindigkeit, mit der sie sich durch die App geklickt haben, die Anzahl der verschiedenen Klicks, ob ein Kommentar hinterlassen wurde oder nicht usw.<\/li>\n<\/ol>\n

    Die meisten verf\u00fcgbaren Funktionen bezogen sich darauf, WAS die Kunden taten (was der Ausgangspunkt jeder data-Erfassung ist). Aber wenn man sich die Bedeutung der Variablen ansieht, hatte das WIE der Verbraucher sich verh\u00e4lt den st\u00e4rksten Einfluss darauf, dass sie schlie\u00dflich Premiumdienste kaufen: 62% der Vorhersagbarkeit wurden durch diese Merkmale bestimmt, w\u00e4hrend sie nur 35% ausmachten.<\/p>\n

    Dar\u00fcber hinaus haben wir mit Hilfe von Kundenrezensionen aus fr\u00fcheren data eine Gef\u00fchlsanalyse durchgef\u00fchrt, um die Merkmale der Rezensionen zu extrahieren. Anhand dieser Bewertungen k\u00f6nnen wir schnell feststellen, wo es etwas zu verbessern gilt. Sie kann auch f\u00fcr personalisierte targeting verwendet werden, insbesondere f\u00fcr diejenigen, die eine schlechte Erfahrung gemacht haben, aber immer noch das Potenzial haben, Kunden zu werden.<\/p>\n

    \"\"<\/p>\n

    Fazit<\/span><\/strong><\/h3>\n

    Um besser zu verstehen, wie Kunden ihre Kaufentscheidungen treffen, haben wir in vielen F\u00e4llen beobachtet, dass der wichtigste Faktor die Varianz im Kundenverhalten ist, und nicht die Aktionen und demografischen Daten. Mit reichhaltigem Verhalten data, abgeleiteten Funktionen und fortschrittlichen Analysen k\u00f6nnen H\u00e4ndler leicht die Kunden identifizieren und ansprechen, die wahrscheinlich zu Premium-Abonnenten werden. Die gute Nachricht ist, dass Marken im E-Commerce im Vergleich zum Offline-Handel viel mehr data \u00fcber das Verbraucherverhalten sehen k\u00f6nnen. Aber Sie sollten es besser vorhersehen.<\/p>\n

    Zusammenfassend l\u00e4sst sich sagen, dass Sie in einer Online-Welt keine \u201cOffline-Augen\u201d verwenden sollten. Das gilt auch, wenn es um data geht.<\/strong><\/p>\n

    \n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"

    Dies gilt insbesondere, wenn es darum geht, zu wissen, welches data am wichtigsten ist, um die Verbraucher zu verstehen. Es geht weniger darum, WER sie sind und WAS sie getan haben, sondern viel mehr darum, WIE sie sich verhalten haben. Die Art und Weise, wie sich Verbraucher auf einer Online-Plattform verhalten, sagt mehr \u00fcber ihre Kaufbereitschaft aus als andere Faktoren. Marken m\u00fcssen dies data erfassen, was viele nicht tun.<\/p>","protected":false},"featured_media":5507,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-5506","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/5506","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/5507"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=5506"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=5506"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=5506"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}