Wie Personalisierung die Segmentierung schlägt, um das nächstbeste Erlebnis zu schaffen

Kunden erwarten zunehmend personalisierte und ansprechende Erlebnisse, die bei jedem Schritt ihrer Reise einen Mehrwert bieten.

Statische und inkohärente Ergebnisse sind das Ergebnis traditioneller Segmentierungsmethoden, bei denen Personen in Kohorten gruppiert und alle in der Gruppe gleich behandelt werden. Die moderne 1-zu-1-Personalisierung übertrifft die Segmentierung, da sie die Absichten jedes Kunden mit Hilfe von KI auf der Grundlage seiner eigenen dynamischen Vorlieben und Verhaltensweisen vorhersagt und sofort Maßnahmen ergreift, um relevante Next-Best-Experiences zu liefern.

Marketingexperten und Experten für Customer Insights müssen ihre Segmentierungsstrategien angesichts dieses neuen Personalisierungsparadigmas überdenken. KI, die auf unstrukturierte Daten aus externen Quellen trainiert wurde, fügt den internen Daten über das Kundenverhalten mehr Kontext und Vertrauen hinzu. Die Personalisierung führt zu einer weitaus höheren Konversion, Kundenbindung, Zufriedenheit und letztendlich zu mehr Umsatz.

Hören Sie von unserem Gastredner, dem Forrester-Analysten Brandon Purcell, und dem Lucidworks VP of Product Marketing, Justin Sears, zu:

Entdecken Sie, wie KI intelligentere Erkenntnisse über Kunden ermöglicht
Erforschen Sie neue Ansätze zur Personalisierung mit Hilfe von Suche und KI
Verstehen Sie, warum Vermarkter und Experten für Kundenwissen ihre Segmentierungsstrategien zugunsten eines stärker personalisierten Ansatzes überdenken müssen

Ausgestattet mit:

Brandon Purcell Leitender Analyst, Forrester
Justin Sears VP für Produktmarketing, Lucidworks

Abschrift:

Justin Sears:

Danke, dass Sie heute bei uns sind. Ich bin Justin Sears. Ich leite das Marketing bei Lucidworks. Heute ist Brandon Purcell, Principal Analyst bei Forrester, bei mir zu Gast, um zu erläutern, warum Personalisierung die Segmentierung übertrifft, wenn es darum geht, das nächstbeste Erlebnis zu schaffen. Zum Auftakt übergebe ich das Wort an Brandon, damit er sich selbst vorstellt und seine Sichtweise zur Personalisierung darlegt.

Brandon Purcell:

Großartig, danke Justin. Und vielen Dank an Sie und das Lucidworks-Team für die Einladung und an alle, die heute anwesend sind. Ich freue mich sehr darauf, heute mit Ihnen über Personalisierung zu sprechen. Ich bin Principal Analyst bei Forrester Research und gehöre zu unserem Customer Insights Team. Ich helfe Unternehmen dabei, ihre riesigen Datenmengen in Erkenntnisse umzuwandeln, die ihnen helfen, Kunden zu gewinnen, zu bedienen und zu binden.

Wenn es etwas gibt, das in den letzten 10 Jahren anders war als in der Vergangenheit, dann ist es, dass wir uns im Zeitalter des Kunden befinden. Und damit meine ich, dass immer mehr mündige Kunden in der Lage sind, ganze Branchen umzukrempeln. Denken Sie nur an Uber und die Transportbranche, an Airbnb und das Gastgewerbe oder an Facebook und die Demokratie, wie wir sie kennen. Das ist ein kleiner Scherz.

Aber es liegt an uns als Unternehmen, unsere Kunden besser zu verstehen und ihre Bedürfnisse zu antizipieren. Die gute Nachricht ist, dass sie uns viele Anhaltspunkte geben, um sie besser zu verstehen. Seit Mitte des 20. Jahrhunderts sammeln wir Daten an – Finanzdaten, Verkaufsdaten, Produktdaten – Im Informationszeitalter, in den 90er Jahren, erlebten wir den Aufstieg von Großkonzernen wie Google und Amazon mit weltweit vernetzten PCs. Damals gab es eine Datenexplosion mit Transaktionsdaten und Kundendaten von Dritten. Aber heute ist die Menge an Daten, die uns zur Verfügung stehen, exponentiell angestiegen, seien es Daten aus sozialen Medien, Verhaltensdaten unserer Kunden, mobile Daten oder sogar Daten aus dem Internet der Dinge, vernetzte Geräte usw.

Der Customer Insights Professional, für den ich meine Forschungsarbeit schreibe, hat die Aufgabe, diese goldenen Nuggets in den Daten zu finden, die nützlich sind, um diese zunehmend mündigen Kunden zu gewinnen, zu bedienen und zu binden, vor allem, wenn die Branchen immer mehr zur Massenware werden und Sie sich durch ein nahtloses, bequemes Kundenerlebnis differenzieren müssen. Theoretisch sollte es ziemlich einfach sein, an diese Erkenntnisse heranzukommen. Kunden interagieren und tätigen Transaktionen mit uns, und das erzeugt einen Datenfußabdruck. Wir wenden Analysen auf diese Daten an, um diese Erkenntnisse, diese goldenen Nuggets, zu gewinnen. Und dann ist das kein akademischer Prozess. Wir müssen auf der Grundlage dieser Erkenntnisse Maßnahmen ergreifen, um das Kundenerlebnis so zu gestalten, dass wir tatsächlich Kunden gewinnen, bedienen und halten können. Und schließlich ist dieser Lebenszyklus der Erkenntnisse in der Tat ein Zyklus, denn wir müssen aus der Wirksamkeit dieser Maßnahmen lernen. Wir haben also gesehen, dass Justin wahrscheinlich abwandern würde, und haben ihm einen Anreiz zur Kundenbindung geschickt. Ist er bei uns geblieben oder nicht? Das sind wichtige Daten, um dieses Modell kontinuierlich zu optimieren.

Wie Sie aus dem Titel dieser Folie ersehen können, ist dieser Lebenszyklus leider unterbrochen. Unternehmen tun sich schwer damit, Daten in Erkenntnisse umzuwandeln, Erkenntnisse in Handlungen, und sie tun sich besonders schwer damit, den Kreislauf zu schließen. Hier kommt die künstliche Intelligenz ins Spiel.

KI bezieht sich auf die Theorie und die Fähigkeiten, die danach streben, die menschliche Intelligenz durch Erfahrung und Lernen zu imitieren. Mir ist klar, dass viele Menschen ihre eigene Definition von KI haben. Dies ist die Definition von Forrester, und es gibt zwei wichtige Aspekte dieser Definition. Der erste Aspekt ist eine Art Nachahmung der menschlichen Fähigkeit. Auf der rechten Seite sehen Sie, dass es KI-Technologien gibt. Inzwischen weiß jeder, dass es sich bei KI nicht um eine einzige Technologie handelt. Es gibt eine Vielzahl verschiedener Technologien. Einige von ihnen können die Welt um sie herum wahrnehmen. Andere können aus dem, was sie wahrgenommen haben, Schlüsse ziehen oder denken. Und wieder andere können tatsächlich Maßnahmen ergreifen.

Das ist also die eine Seite, die Nachahmung menschlicher Fähigkeiten. Der andere Teil, der die KI von heute von der KI Ihres Großvaters unterscheidet, ist das maschinelle Lernen. Die meisten KI-Systeme nutzen heute maschinelles Lernen, um aus Daten zu lernen, wie sich Prozesse am besten optimieren lassen.

Wenn Ihnen diese Grafik bekannt vorkommt, liegt das daran, dass sie den Lebenszyklus der Erkenntnisse widerspiegelt, den ich Ihnen gerade vorgestellt habe, nicht wahr? Wir nehmen die Welt um uns herum wahr. Ich meine, das sind Daten. Eine der Schönheiten der KI ist, dass sie Daten einfach zu Daten macht. Unstrukturierte Daten sind jetzt Daten. Strukturierte Daten waren schon immer Daten. Wir denken über diese Daten nach, um Erkenntnisse zu gewinnen. Und dann ergreifen wir natürlich Maßnahmen. Das Versprechen der KI und der Grund, warum sie meiner Meinung nach auf dem Markt so gehypt wird, liegt also darin, dass sie diesen Lebenszyklus der Erkenntnisse sehr wohl automatisieren und optimieren kann, so dass Sie kontinuierlich lernen und immer besser darin werden, Kunden zu binden, den Lebenszeitwert zu erhöhen und mehr an Kunden zu verkaufen.

In der Welt der Kundenanalyse, mit der ich mich bei Forester beschäftige, spreche ich gerne darüber, wie die Kundenanalyse theoretisch die richtige Botschaft zur richtigen Zeit an den richtigen Kunden bringen sollte. Die Wahrheit ist jedoch, dass sich die Kundenanalyse bis vor kurzem wirklich auf den richtigen Kunden konzentriert hat, vielleicht auch auf den richtigen Zeitpunkt, aber die richtige Botschaft, das richtige Erlebnis hat gefehlt. Und KI kann uns dabei helfen, die richtige Botschaft oder das richtige Erlebnis zu identifizieren, zu kuratieren und zu liefern. Was tun Unternehmen also heute, um die Anforderungen dieser zunehmend mündigen Kunden zu erfüllen?

Nun, die meisten Unternehmen nutzen die Segmentierung. Die Segmentierung gibt es schon immer. Bei Forester erhalte ich mehr Anfragen zur Segmentierung als zu irgendetwas anderem, mehr als zu KI, mehr als zu jeder Art von prädiktiver Analytik. Unsere Kunden sind an der Segmentierung interessiert. Und das ist schade, denn es ist die beste Zeit für die Personalisierung, vor allem angesichts der Fortschritte in der KI und der vielen Daten, die uns zur Verfügung stehen, und es ist die schlechteste Zeit für die Segmentierung. Und ich weiß, dass das eine etwas provokante Aussage ist. Lassen Sie mich Ihnen sagen, warum das so ist.

Sehen Sie sich all diese verschiedenen Millennials an. Wir haben hier 12 verschiedene Millennials. Die klassische demografische Segmentierung würde alle diese Menschen gleich behandeln. Nun, sehen diese Menschen ähnlich aus? Würden Sie versuchen, Aziz Ansari denselben Hosenanzug zu verkaufen wie Olivia Pope oder Kerry Washington? Ich hoffe nicht. Das würde wahrscheinlich nicht gut ankommen. Nein, wir können diese Menschen nicht als ein statisches, monolithisches demografisches Segment behandeln. Stattdessen müssen wir alle Daten, die wir über sie sammeln, die Verhaltensdaten, die Transaktionsdaten, nutzen, um ihre Wünsche und Bedürfnisse besser zu verstehen und auf sie einzugehen.

Wie unterscheide ich also die Segmentierung von der Personalisierung bzw. wie unterscheidet sich die Segmentierung von der Personalisierung? Nun, es gibt verschiedene Möglichkeiten, darüber nachzudenken. Eine davon ist, darüber nachzudenken, welche Absicht Sie als Unternehmen mit diesen Methoden verfolgen. Bei der Segmentierung geht es traditionell darum, erwünschte Aktionen oder Verhaltensweisen zu fördern. Bei der Personalisierung denken Sie eher daran, das Kundenerlebnis zu verbessern. Sie denken darüber nach, was Ihre Kunden wünschen und von Ihnen erwarten, und wie Sie diese Bedürfnisse erfüllen.

Ihre Ergebnisse ändern sich also tatsächlich. Anstatt auf traditionelle Kennzahlen wie eine höhere Antwort- oder Konversionsrate, wie eine höhere Kundenbindung oder einen höheren Umsatz zu achten. Stattdessen schauen Sie auch auf kundenorientierte Kennzahlen, wie eine höhere Kundenzufriedenheit oder CSAT, oder Sie schauen auf reduzierte Aufwandswerte. Und wie wir gleich sehen werden, wird der Lebenszeitwert zu einer sehr wichtigen Kennzahl. Und schließlich wirkt sich der Wechsel von der Segmentierung zur Personalisierung auch auf verschiedene Teile des Kundenerlebnisses aus. Anstatt also nur traditionelle Kampagnen, Angebote, Empfehlungen und Nachrichten zu betrachten, werden Sie die Personalisierung nutzen, um die Funktionalität zu beeinflussen. Und Sie werden unterschiedliche Inhalte für unterschiedliche Kundentypen bereitstellen und auf unterschiedliche Weise mit ihnen interagieren.

Justin, ich weiß, dass Lucidworks hier einen interessanten Standpunkt vertritt. Ich würde gerne etwas von Ihnen über die Sichtweise von Lucidworks hören.

Justin Sears:

Ja, danke, Brandon. Diese Folie und dieses Raster sind eine großartige Möglichkeit, es aufzuschlüsseln. Ich habe mit dem Kopf genickt, denn einer unserer größten Kunden verkauft online eine Menge Yogahosen und hatte im Juli einen großen Ausverkauf mit rekordverdächtigen Umsätzen. Und das lag daran, dass sie ihren Kunden mit Fusion ein personalisiertes Erlebnis bieten und das nächstbeste Einkaufserlebnis vorhersehen konnten. Und noch ein paar andere Beispiele, die ebenfalls sehr gut zu diesem Thema passen: Ein bekannter Discounter versteht den Unterschied zwischen Personalisierung und Segmentierung sehr gut. Ihr Team hat sich darauf konzentriert, wie sie das Beste aus der Personalisierung herausholen können. Und als sie die Signale in Fusion einschalteten, über die ich gleich noch sprechen werde, konnten sie ihre Konversionsrate im Vergleich zu vorher verdoppeln, weil sie die von Ihnen erwähnte KI einbrachten. Und das war nicht der Fall, bevor sie es einschalteten. Und das letzte Beispiel, das wirklich gut in den Bereich des digitalen Handels passt, ist ein großer Online-Buchhändler, mit dem wir vor dem Kauf von Fusion gesprochen haben.

Sie teilten den Verkehr zwischen ihrem Status Quo-Tool und Fusion auf. Und sie hatten vor, die Kampagne einige Monate vor der Urlaubssaison durchzuführen. Nachdem sie die Ergebnisse zwei Wochen lang beobachtet hatten, stellten sie fest, dass sich die Konversionsrate um 12 Prozentpunkte verbessert hatte, weil sie diese Personalisierung, dieses Maß an Intelligenz mit Hilfe von KI über alle Erfahrungen ihrer Tausenden von Käufern hinweg hinzugefügt hatten.

Brandon Purcell:

Das ist großartig, Justin. Vor allem bei den Yogahosen bin ich nicht überrascht, dass sie im Juli einen hohen Absatz hatten. Ich hoffe, dass wir, wenn wir wieder zu einem gewissen Grad zur Normalität zurückgekehrt sind, während der Arbeitswoche weiterhin Yogahosen tragen können. Das wäre großartig und sehr bequem.

Justin Sears: Hört, hört.

Brandon Purcell:

Aus analytischer Sicht ist die Segmentierung also eine Möglichkeit, die Katze aus dem Sack zu lassen, aber es gibt eine Reihe von Analysetechniken, die Sie auf Ihre Kundendaten anwenden können, um die Erfahrungen besser zu personalisieren.

Dies ist sozusagen der Eckpfeiler meiner Forschung zur Kundenanalyse bei Forrester. Ich werde nicht auf jede einzelne dieser Techniken eingehen, aber ich möchte Ihnen nur sagen, dass Sie dieses Windraddiagramm wie folgt lesen können: Im äußeren Kreis in Grün finden Sie die verschiedenen Anwendungen der Kundenanalyse. Es gibt also Analysetechniken, die Ihnen helfen, den Kundenkontext zu erkennen, um Ihr Marketing für ihn zu verbessern. Im Uhrzeigersinn gibt es solche, die Ihnen helfen, Kunden zu gewinnen. Jedes Unternehmen ist daran interessiert, seinen Kundenstamm zu vergrößern. Bei sechs Uhr auf dem Diagramm sehen Sie Techniken, die sich mit der Kundenbindung und dem Aufbau von Loyalität befassen. Weiter im Uhrzeigersinn gibt es Techniken, die sich ganz auf die Personalisierung konzentrieren, worüber wir heute sprechen, obwohl wohl alle diese Techniken dazu verwendet werden können, personalisierte Erlebnisse zu liefern.

Apropos Erfahrungen: Kundenerfahrungen sind ein weiterer Anwendungsbereich für die Kundenanalyse. Identifizierung von Schmerzpunkten in der Erfahrung, Verbesserung der Erfahrung, Differenzierung durch Erfahrung. Das sind also die Anwendungsbereiche. Und dann haben wir in Blau die verschiedenen Techniken, die sich im Allgemeinen auf diese Anwendungsbereiche beziehen. Wenn Sie zum Beispiel auf sechs Uhr gehen, sehen Sie die Analyse der Kundenabwanderung und der Fluktuation. Das ist sozusagen die kanonische Technik der Kundenanalyse, bei der Sie Daten über Kunden haben, die in der Vergangenheit abgewandert oder nicht abgewandert sind. Sie geben diese Daten in ein überwachtes Lernmodell ein. Das Modell kann bei Kunden, die das Unternehmen verlassen haben, Muster erkennen, die sie von Kunden unterscheiden, die das Unternehmen nicht verlassen haben, so dass Sie Ihren gesamten Kundenstamm auf der Grundlage der Abwanderungswahrscheinlichkeit bewerten können.

Selbst in den besten Zeiten sind nicht alle diese Techniken gleich, d.h. einige von ihnen sind für bestimmte Branchen oder Anwendungsfälle wertvoller als andere. Aber wir haben gerade erlebt, wie sich die Priorisierung dieser Techniken aufgrund der Pandemie und ihrer Auswirkungen auf das Kundenverhalten sehr schnell verschoben hat. Was passierte, und Sie alle haben das selbst erlebt, war, dass die Menschen ihre Häuser nicht mehr verließen, richtig? Und schon gar nicht gingen sie in ein Geschäft mit Ladengeschäften. Und sie interagieren zunehmend ausschließlich digital. Aus diesem Grund mussten die Unternehmen wieder in beschreibende Techniken wie Customer Journey Analytics investieren, die Sie auf 11 Uhr sehen können, um zu verstehen, wie viele Kunden sich auf digitalen Reisen befinden, wie diese digitalen Reisen aussehen, welche Berührungspunkte es gibt und ob die Reisen tatsächlich funktionieren oder nicht.

Wie lauteten also die KPIs am Ende der digitalen Reisen? Haben einige digitale Reisen zu höheren Konversionsraten geführt als andere oder zu höheren Abbruchraten als andere? Das gibt Ihnen ein Gefühl dafür, was Sie eventuell verbessern oder verstärken müssen. Gleichzeitig erlebten Unternehmen, die analytisch fortgeschritten waren und über Vorhersagemodelle verfügten, das, was man in der Datenwissenschaft als Datendrift bezeichnet. Weil sich das Verhalten der Kunden plötzlich so drastisch änderte, entsprach die Vergangenheit nicht mehr der Gegenwart. Und so waren diese Vorhersagemodelle weit weniger genau als in der Vergangenheit. Und so mussten die Unternehmen versuchen, diese Vorhersagemodelle auf der Grundlage neuer Daten neu zu trainieren oder neu zu erstellen.

Selbst in den besten Zeiten oder heute werden Unternehmen viele dieser Modelle gleichzeitig verwenden. Und sie brauchen einen Weg, um zu orchestrieren, welche Erfahrungen wir auf der Grundlage der Erkenntnisse, die wir aus diesen Modellen gewinnen, liefern sollen. Und diese Orchestrierungsebene ist etwas, das ich gerne als das nächstbeste Erlebnis bezeichne.

Und Justin erwähnte bereits die nächstbeste Erfahrung. Ich betrachte es als den Heiligen Gral der Kundenanalyse, eine ausgereifte Kundenanalysepraxis. Und es baut natürlich auf der nächstbesten „Trilogie“ auf, die ihr vorausging: das nächstbeste Produkt, das nächstbeste Angebot, die nächstbeste Aktion. Aber es ist ein bisschen anders. Ich verwende absichtlich den Begriff „Erfahrung“, denn er umfasst nicht nur eine Marketingerfahrung, sondern wir können die nächstbeste Erfahrung in allen Bereichen anwenden, also nicht nur im Marketing, sondern auch in der Kundenerfahrung, im Kundenservice, in der Produkterfahrung oder in einem anderen operativen Bereich. Der Blickwinkel ist also viel breiter als nur Marketing. Und auch die Denkweise bei der Ausführung ist die Denkweise bei der Ausführung der Personalisierung, über die wir bereits gesprochen haben. Es geht nicht um die Frage: Was wollen wir vom Kunden bekommen? Vielmehr versuchen wir herauszufinden, was der Kunde mit uns erreichen möchte. Wir wollen immer noch profitabel sein. Wir müssen also die langfristige Rentabilität der einzelnen Kunden im Auge behalten und nicht die kurzfristigen Umsätze oder Klicks.

Und daher ist, wie ich bereits erwähnt habe, der Customer Lifetime Value als Maß für die zukünftige Rentabilität jedes Kunden die Kennzahl, die wir in diesem nächsten Best-Experience-Modell optimieren wollen. Dies sollte für Sie ein Ziel sein, wenn Sie Ihre Praxis ausbauen. Sie können jedes der einzelnen Modelle aufbauen, die Sie schließlich in die Lage versetzen werden, diese nächste Best-Experience-Orchestrierung zu erstellen. Ich übergebe jetzt an Justin, der ein wenig über den Lucidworks-Ansatz sprechen wird.

Justin Sears:

Danke, Brandon. Als ich Ihre Studie gelesen habe und auf Ihr Konzept der nächstbesten Erfahrung gestoßen bin, habe ich mir gesagt: Das ist es, was wir bei Lucidworks machen. Und mir gefällt auch die Folie, die Sie gerade gezeigt haben, dass es eine Reise ist. Wir haben also Kunden, die sich auf der ersten Stufe dieser Reise befinden und gerade darüber nachdenken, wie sie dieses Erlebnis schaffen können. Und dann gewöhnen sie sich an das maschinelle Lernen und wenden es auf das Erlebnis an. Und dann gibt es Kunden, die sich auf der dritten oder vierten Stufe dieser Reise befinden, die Sie gerade skizziert haben, und die wirklich fortgeschrittene Dinge tun.

Wir bieten unseren Kunden die nächstbeste Erfahrung, damit sie diese ihren Kunden oder Mitarbeitern durch zwei Arten von Lösungen bieten können: die digitalen Handelslösungen für Käufer und die digitalen Arbeitsplatzlösungen für Mitarbeiter. Und Sie sprachen gerade von den besten und den schlechtesten Zeiten, was natürlich aus dem Dickens-Klassiker Eine Geschichte aus zwei Städten stammt. Mein Großvater war ein großer Fan davon. Dieses Buch wurde also oft zitiert, als ich ein Kind war. Und hier ist ein Zitat aus Ihrem Vortrag, das sehr gut zusammenfasst, was wir mit unserer Plattform, Lucidworks Fusion, anbieten wollen.

Personalisierung, die Bereitstellung des richtigen Erlebnisses für den richtigen Kunden zur richtigen Zeit ist nicht einfach, aber es ist das A und O für Unternehmen, die im Zeitalter des Kunden florieren wollen. Das nächstbeste Erlebnis, das Sie in dieser Studie beschrieben haben, ist der Beweis für den Verbraucher, wie gut ein Unternehmen für ihn personalisieren kann. Und natürlich habe ich den digitalen Arbeitsplatz erwähnt. Wir bei Lucidworks haben es uns zur Aufgabe gemacht, das gleiche Maß an bestmöglicher Personalisierung für den Verbraucher auch am Arbeitsplatz zu ermöglichen, damit wir dies bei der Arbeit erleben können. Und manche Menschen sind vielleicht wohlhabend genug, um die meiste Zeit mit Einkaufen zu verbringen, anstatt zu arbeiten. Aber für die meisten von uns ist das Gegenteil der Fall. Und die Arbeit kann viel besser, viel befriedigender sein, wenn wir die Werkzeuge nutzen, die unsere menschliche Intelligenz erweitern und uns mehr Zeit für die Arbeit und weniger Zeit für die Suche nach den benötigten Informationen geben.

Diese Aussage bringt die Herausforderung der Personalisierung für Mitarbeiter auf den Punkt, um ihnen das nächstbeste Erlebnis bei der Arbeit zu bieten. Genauso wie Sie einem Kunden auf einer E-Commerce-Website das nächstbeste Erlebnis bieten könnten. Unternehmen verfügen über eine Vielzahl von Daten, die sich in unzusammenhängenden Anwendungen befinden und den Mitarbeitern in den Momenten, in denen sie sie brauchen, nicht zur Verfügung stehen. Also Brandon, wir sehen hier
wirklich ein Thema. Es ist der Moment, die Momente ändern sich von Augenblick zu Augenblick. Und KI ermöglicht es dem System, auf einer gewissen Ebene zu erkennen, in welcher Art von Moment sich der Benutzer befindet. Und wir bei Lucidworks wissen, wie schwierig es sein kann, diesen Moment des Findens zu personalisieren, denn wir haben vor 12 Jahren damit begonnen.

Wir begannen mit einem tiefen Verständnis der Suche und von Apache Solr, dem Open-Source-Produkt für die verteilte Suche in Big Data. Und wir haben Code geschrieben, um von Systemen, Menschen und Anwendungen generierte Daten aufzunehmen. Sie sehen das auf der linken Seite dieser Folie. Wir haben fortschrittliche Funktionen für die Indizierung, das Clustering, die Klassifizierung, die Facettierung, die Filterung, die Relevanz, das Ranking, die Analyse, all diese verschiedenen Schritte in der Mitte entwickelt. Und das alles haben wir in den Lösungen für den digitalen Handel und den digitalen Arbeitsplatz gebündelt, die mit Lucidworks Fusion verfügbar sind. Da wir die Arbeit gemacht haben und Experten darin geworden sind, die Suche für Einkäufer und Mitarbeiter der größten Unternehmen der Welt persönlich zu gestalten, können unsere Kunden die Fusion-Plattform nutzen, ohne Zeit, Aufmerksamkeit und Geld von ihrem Kerngeschäft abzuziehen, damit sie ihr Geschäft aufbauen oder pflegen können, anstatt sich um Plattformen und Anwendungen im eigenen Haus zu kümmern. Wir sagen also: Konzentrieren Sie sich stattdessen auf Ihr Geschäft, Ihre Kunden und Ihre Mitarbeiter.

Um das Ganze ein wenig zu abstrahieren, habe ich auf der letzten Folie das Spaghetti-Diagramm gezeigt. Wir möchten, dass unsere Kunden Fusion so erleben, weil sie die Details nicht kennen müssen. Lucidworks Fusion beinhaltet also KI und maschinelles Lernen in der gesamten Plattform, um die Daten auf intelligente Weise zu erfassen, zu erforschen und zu kuratieren. Wenn Sie Daten einlesen, verwendet Fusion KI, um Dokumente, Daten, Datensätze und Dateien für die Suche vorzubereiten. Es clustert diese Datensätze, klassifiziert und organisiert die Inhalte und identifiziert die Entitäten innerhalb der Inhalte mithilfe der Verarbeitung natürlicher Sprache.

Es sieht sich also die eingehenden Daten an und identifiziert Personen, Orte, Produkte oder andere Dinge, die Sie interessieren könnten. Sobald der Benutzer dann mit dem System interagiert, ruft Fusion erneut die KI auf, um die Absicht des Benutzers vorherzusagen. Dann können wir diese Absicht mit den relevantesten Inhalten und personalisierten Suchergebnissen und Browsing-Optionen verknüpfen oder proaktive Empfehlungen aussprechen, die mit dem übereinstimmen, was das System glaubt, dass der Benutzer in diesem bestimmten Moment braucht. Mit dem Fusion Application Studio können Teams schnell neue personalisierte Anwendungen erstellen, die sich ständig darauf einstellen, das nächstbeste Erlebnis zu bieten. Und all dies kann entweder vor Ort eingesetzt werden oder selbst gehostet auf öffentlichen Cloud-Diensten oder vollständig von Lucidworks in einer Cloud-Plattform als Service verwaltet werden. Unsere Kunden sind also sehr flexibel, wenn es darum geht, Fusion einzusetzen.

Dies war ein kurzes Gespräch darüber, wie die Personalisierung das Leben Ihrer Kunden wirklich verbessern kann und wie sich Fusion bei der Personalisierung auszeichnet. Ich hoffe, Sie sind neugierig darauf, mehr über beide Themen zu erfahren. Wir würden uns freuen, wenn Sie Brandon und mich im Anschluss an diesen Vortrag zu einer Frage- und Antwortrunde einladen würden, damit wir diese wichtigen Themen noch weiter vertiefen können.