Verbessern Sie den Mode-E-Commerce mit kontextueller Intelligenz
Wir freuen uns, unsere langfristige Partnerschaft mit dem TNT-Institut der Universität Hannover fortzusetzen und KI-gestützte Modeempfehlungen um Contextual Multi-Armed Bandits (MABs) zu erweitern. Dies ist unser drittes Forschungsprojekt, das von der EU und dem Land Niedersachsen kofinanziert wird.
MABs erkunden
Stellen Sie sich eine KI mit den Fähigkeiten eines erfahrenen Spielers vor, der geschickt darin ist, den gewinnbringenden Spielautomaten auszuwählen und die Gewinne konstant zu maximieren. Das ist die Rolle eines mehrarmigen Banditen (MAB) — eines selbstlernenden Algorithmus, der die Anstrengungen auf verschiedene Optionen fachmännisch verteilt. Im Mode-E-Commerce können Empfehlungsmaschinen als persönliche Assistenten fungieren und die Kleidungsauswahl an den individuellen Geschmack anpassen. Der Multi-Armed Bandit (MAB) tritt als versierter Manager ein und wählt fortwährend die idealen Assistenten für jeden Kunden aus, um sicherzustellen, dass den Kunden immer die attraktivsten Modeoptionen präsentiert werden.
Maximierung der Rentabilität
MABs sind unerlässlich, um erheblichen Veränderungen im Kaufverhalten von Mode entgegenzuwirken, insbesondere in Hochsaisonen wie der Black Week. Die Effektivität der KI hängt von den Daten ab, auf denen sie trainiert wird. KIs, die mit begrenzten Daten trainiert wurden, funktionieren bei einmaligen Ereignissen wie dem Black Friday möglicherweise nicht. MABs, die für solche Gelegenheiten optimierte KIs auswählen, stellen sicher, dass unsere Empfehlungen wirksam sind und der Umsatz in entscheidenden Zeiten maximiert wird. Der nächste Schritt, Contextual Multi-Armed Bandits, verspricht noch mehr Präzision, da die Empfehlungen auf den spezifischen Kontext jedes Kunden zugeschnitten sind.
Um Ihren Bruttogewinn pro Nutzer nach Rücksendungen zu steigern, setzen Sie sich mit uns in Verbindung.
