5 Dinge, die jede Personalisierungs-Engine haben muss
Personalisierung ist nicht mehr das, was sie einmal war. Als der Begriff „Personalisierung“ ursprünglich geprägt wurde, bezog er sich auf…
Personalisierung ist nicht mehr das, was sie einmal war. Als der Begriff „Personalisierung“ ursprünglich geprägt wurde, bezog er sich auf die Fähigkeit, digitale Inhalte und Erlebnisse auf der Grundlage des erwarteten Verhaltens von Gruppen anzupassen. Im besten Fall wählten Vermarkter und Händler diese Käuferschichten auf der Grundlage demografischer Daten und einer leichten Verhaltensanalyse aus. Die Dinge haben sich mit der „Personalisierungsmaschine“ schnell weiterentwickelt.
Diese Personalisierung „alter Schule“ behandelte Sie genauso wie eine Million anderer Menschen, die auf dem Papier wie Sie aussahen und sich in der realen Welt in etwa ähnlich verhielten. Wie sich herausstellte, war das nicht sehr „personalisiert“. Vielleicht wäre „gruppenbezogen“ ein besseres Wort.
Hyper-Personalisierung ist jetzt möglich
Aber Technologien und Verbrauchererwartungen haben sich dramatisch verändert, und jetzt sind einzigartige persönliche Erfahrungen möglich. Mit weitaus mehr Daten, mehr Rechenleistung, mehr Algorithmen für maschinelles Lernen und Millionen von Anwendungen in unseren Taschen ist eine legitime 1: 1-Hyperpersonalisierung in greifbare Nähe gerückt.
Branchenanalysten haben das bemerkt. Gartner, eines der führenden Analystenunternehmen, definiert Personalisierung jetzt auf dieser hyper-personalisierten, eins-zu-eins Ebene:
„Personalisierung ist ein Prozess, der eine relevante, individualisierte Interaktion zwischen zwei Parteien schafft, um das Erlebnis des Empfängers zu verbessern. Sie nutzt Erkenntnisse, die auf den persönlichen Daten des Empfängers basieren, sowie Verhaltensdaten über die Handlungen ähnlicher Personen, um ein Erlebnis zu bieten, das den spezifischen Bedürfnissen und Vorlieben entspricht.“
Beachten Sie die sehr wichtige Einschränkung: „zwischen zwei Parteien“.
Gartner warnt auch davor, wie schwierig eine solche feinkörnige Personalisierung sein kann:
„Es gibt zahlreiche Möglichkeiten, das Kundenerlebnis in der physischen und digitalen Welt zu personalisieren. Die Tatsache, dass diese beiden Welten zusammenwachsen, macht die Personalisierung zu einer noch größeren Herausforderung – und für die Kunden noch wünschenswerter.“
Anspruchsvoller und wünschenswerter. Im Fall der Personalisierung bedeutet dies, dass es sowohl ein großes Risiko als auch eine große Belohnung bedeutet, eine Personalisierungs-Engine zu bauen, zu kaufen oder zu leihen.
Wenn Sie sich für eine Personalisierungs-Engine entscheiden, denken Sie daran, dass es fünf Dinge gibt, die sie haben muss:
- Die Fähigkeit zu lernen
- KI, die die menschliche Intelligenz erweitert
- Fähigkeit zur dynamischen Skalierung
- Ein ausgeprägter Sinn für Absichten
- Sichtbare, intuitive Analytik
1. Die Fähigkeit zu lernen
Frühe Personalisierungsmaschinen verfügten nicht über eine eigene Intelligenz. Vielmehr basierten sie auf Regeln. Sie waren statische Wiederholer des Expertenwissens eines Menschen.
Vor zehn Jahren verkauften bis auf wenige Ausnahmen alle E-Commerce-Websites aus relativ bescheidenen Produktkatalogen. Es gab viel weniger Online-Käufer. Menschen konnten Verkaufsberichte überprüfen, statische Regeln aktualisieren und mit den Veränderungen bei den Vorlieben und der Konkurrenz Schritt halten. Jetzt nicht mehr.
Heutzutage muss eine Personalisierungs-Engine künstliche Intelligenz enthalten (Varianten davon sind maschinelles Lernen oder Deep Learning). Und warum? Wenn eine Website Millionen von Produkten an Hunderte von Millionen von Käufern verkauft, gibt es für menschliche Experten keine Möglichkeit, mit all den Verhaltenssignalen Schritt zu halten. Menschen können subtile Veränderungen des Geschmacks und des Verhaltens nicht erkennen. Sie wollen keine Personalisierungsmaschine, die sich wie ein C-Student verhält, der nur „für den Test lernt“ und vorgefertigte Antworten wiederholt, ohne nach neuen Informationen zu suchen.
Die Personalisierungsmaschinen von heute müssen von selbst lernen. Sie sollten sich selbst abstimmen. Wenn Sie sich für eine Personalisierungs-Engine entscheiden, stellen Sie sicher, dass der Anbieter künstliche Intelligenz anbietet, die nahtlos integriert und auf den Zweck der Anwendung abgestimmt ist.
2. KI, die die menschliche Intelligenz erweitert
Lassen Sie mich Sie beruhigen. Ich (und meine Kollegen bei Lucidworks) glauben nicht, dass es für uns menschliche Denker vorbei ist. Roboter werden die Welt nicht beherrschen. Zumindest für die absehbare Zukunft werden Algorithmen weiterhin außerordentlich gut darin sein, eine kleine Anzahl von Aufgaben mit zunehmender Genauigkeit und Präzision zu wiederholen.
Maschinelles Lernen hat es schwer mit einem hohen Maß an Variabilität oder kontextueller Komplexität. Die menschliche Intelligenz kann den Kontext tausende Male pro Stunde wechseln. Wir können „Fuzzy-Mathematik“ betreiben.
Denken Sie an den Filmklassiker Rain Man von 1988. Dustin Hoffman spielte Raymond, der Autist ist. In dem Film ist Raymond das menschliche Äquivalent eines maschinellen Lernalgorithmus. Er kann sehr konzentrierte Aufgaben außerordentlich gut erledigen (wie das Zählen von Zahnstochern oder Karten). Aber in dem Moment, in dem die Aufgabe komplexer wird, wenn der Kontext eine Rolle spielt, verlässt sich Raymond auf seinen Bruder Charlie, gespielt von Tom Cruz. Charlie besaß menschliche Intelligenz.
Ihre Personalisierungsmaschine braucht sowohl Raymond als auch Charlie. Mir gefällt der Begriff der erweiterten Intelligenz. Dr. Kjell Carlsson von Forrester Research definiert ihn folgendermaßen:
„Augmented Intelligence-Lösungen vereinen das Beste von Menschen und Maschinen. Sie nutzen maschinelles Lernen, um Daten zu analysieren und Muster in übermenschlichem Ausmaß zu erkennen, und sie nutzen die Automatisierung, um mit übermenschlicher Geschwindigkeit zu handeln. Sie nutzen menschliches Fachwissen, um über die Grenzen der vorhandenen Daten hinauszugehen, zusätzliche Daten zu beschaffen, Schlussfolgerungen zu ziehen, Entscheidungen zu treffen und mit anderen Menschen zusammenzuarbeiten.“
Finden Sie eine Personalisierungs-Engine, die menschliche Intelligenz mit der Leistung maschineller Intelligenz ergänzt. Bringen Sie das Beste von Raymond und Charlie in einer Lösung zusammen.
3. Fähigkeit zur dynamischen Skalierung
Apropos Skalierbarkeit: Statische Regel-Engines haben sehr reale Größenbeschränkungen. Je größer die Produktkataloge werden und je mehr sich das Benutzerverhalten ändert, desto schwieriger wird es für Digital Merchandiser, alle Signale zu verstehen, die von den Käufern auf der Website eingehen, und diese dann zur Aktualisierung der Geschäftsregeln zu nutzen.
Nutzen Sie maschinelles Lernen, Clustering und Klassifizierung, um viele der routinemäßigen, sich wiederholenden Aufgaben der Regelpflege in einer Engine wie Endeca zu eliminieren. So können die Menschen ihre menschliche Intelligenz für Kreativität und Innovation einsetzen.
Die Merchandiser haben jetzt mehr Zeit – sie können sich jetzt darauf konzentrieren, die Geschmacksbildner zu sein, zu denen sie ausgebildet wurden. Suchen Sie eine Lösung mit einer Drag & Drop-Oberfläche, die es den Merchandisern ermöglicht, Produkte nach Bedarf zu erweitern. Sie sollten auch in der Lage sein, zu experimentieren und die Ergebnisse zu analysieren, ohne die IT-Abteilung einzubeziehen.
Apropos Umfang – Umfang ist eine gute Sache und nichts, was man fürchten muss. Mehr Benutzer generieren mehr Daten, um die Intentionen zu verfeinern. Stellen Sie nur sicher, dass Sie ein Arbeitspferd wie Apache Solr im Kern haben, das viele tausend gleichzeitige Benutzer und hunderttausende von Abfragen pro Sekunde unterstützen kann.
4. Scharfer Sinn für Intention
Ein weiterer Bereich, in dem statische Ansätze zur Personalisierung nicht greifen, ist die Absicht. Jede einzelne Suche könnte als ein eindeutiges Ereignis behandelt werden, das in Zeit und Raum schwebt. In der realen Welt verwenden die Verbraucher jedoch sehr unterschiedliche Suchstrategien. Sie verwenden unterschiedliche Wörter für dieselben Dinge. Manche Menschen können nicht so gut buchstabieren.
Genau hier kommen die Signale ins Spiel. Durch die Erfassung von Protokolldateien, Transaktionsdaten, was angeklickt wird – und was nicht – können Sie die Absichten der Benutzer besser analysieren.
Sie müssen also sicherstellen, dass Sie fortschrittliche künstliche Intelligenz auf zwei Arten nutzen. Sie wollen natürlich KI auf die Daten anwenden, wenn sie eingelesen werden. Sie clustert und klassifiziert die Daten, wenn sie eingehen, damit sie bei Abfragen besser auffindbar sind. Stellen Sie außerdem sicher, dass Sie bei der Eingabe Funktionen zur Verarbeitung natürlicher Sprache wie die Erkennung benannter Entitäten (NER) einsetzen, um festzustellen, ob sich ein Dokument auf Personen, Orte, Produkte oder eine andere für Sie wichtige Entität bezieht.
Die KI wird erneut aufgerufen, wenn ein Benutzer eine Anfrage stellt. Auf diese Weise können Sie die Absicht einer Anfrage vorhersagen, indem Sie den Domänenkontext, den Benutzerkontext und den Anfragekontext kombinieren. Mit dem semantischen Wissensgraphen (SKG) können Sie domänenspezifische Entitäten (Personen, Orte, Dinge, Synonyme, Rechtschreibfehler, Themen, Phrasen usw.) in Abfragen identifizieren und ihre Beziehungen innerhalb des gesuchten Inhalts verstehen.
Ihre Personalisierungs-Engine muss ständig selbst lernen und die Relevanz ihrer Ergebnisse anpassen, um die Absicht des Benutzers vorherzusagen und diese zur weiteren Personalisierung der Benutzererfahrung zu nutzen.
5. Sichtbare, intuitive Analytik
Moderne Personalisierungs-Engines bestehen aus dynamischen, variablen, miteinander verknüpften Teilen. Jede dieser Komponenten kann einzeln abgestimmt oder optimiert werden, aber oft entspricht das Ganze nicht der Summe seiner Teile (manchmal zum Guten, manchmal zum Schlechten).
Sie möchten ein System, das Systemadministratoren und E-Commerce-Kaufleuten zeigt, wie Geschäftsanwender und Kunden mit dem System interagieren. Das System sollte Ihnen die Möglichkeit geben, Daten kategorisch zu visualisieren und sogar einzelne Kunden- oder Benutzerpfade zu verstehen. Um optimale Ergebnisse zu erzielen, sollten Sie sicherstellen, dass es Konnektoren zu Analysetools wie Zeppelin, Jupyter und Tableau gibt, damit Dateningenieure und Datenwissenschaftler über ihre vertrauten Schnittstellen mit den Daten interagieren können.
Personalisierung ist ein ständiges Bestreben. Während Sie und Ihr Team diesen Weg beschreiten, ist es sehr wichtig zu sehen, was funktioniert und was nicht.
Hyper-Personalisierung und Wohlstand
Die Suche ist eine hervorragende Gelegenheit, die Erfahrung von Kunden durch eine Digital Commerce-Lösung oder die Erfahrung von Mitarbeitern durch eine Digital Workplace-Lösung zu personalisieren. Hyper-Personalisierung ist unerlässlich, unabhängig von der Zielgruppe. Dies gilt unabhängig davon, ob Sie die Absprungrate verringern, Inhalte gezielter einsetzen oder die Informationen auf verschiedene Arten von Wissensarbeitern zuschneiden möchten.
Das sind Ihre Belohnungen, wenn Sie eine Personalisierungs-Engine entwickeln, die lernfähig ist, Ihnen eine von Menschenhand gesteuerte KI bietet, die skaliert, ohne Ihnen das Genick zu brechen, die Absichten erkennt und es Ihnen leicht macht, Fortschritte zu visualisieren.