Aufgrund sich ständig wandelnder Rahmenbedingungen sehen sich Unternehmen auf den heutigen Märkten zunehmend mit der Anforderung konfrontiert, ihre Geschäftsprozesse möglichst flexibel auf unvorhergesehene Änderungen anzupassen. Hierbei bildet die Entwicklung von Informationssystemen, welche auch nicht antizipierte Prozessverläufe adäquat zu unterstützen vermögen, eine noch nicht hinreichend gelöste Problemstellung. Vor diesem Hintergrund präsentiert die vorliegende Arbeit einen innovativen Lösungsansatz, der klassische Eigenschaften eines Workflowmanagementsystems um ausgewählte Funktionen aus der Domäne der Empfehlungssysteme, im Rahmen eines fachkonzeptionellen Referenzmodells, kombiniert. Bedingt durch die Natur von Empfehlungssystemen ist der Ansatz damit in der Lage, sowohl den Kontext einer prozessualen Situation als auch nutzerindividuelle Präferenzen zu berücksichtigen und damit möglichst genaue Empfehlungen zur Bewältigung einer eingetretenen Prozesssituation zu formulieren. Neben der theoretischen Konzeption des Referenzmodells wird dessen konkrete Funktionsweise auch im Rahmen der Anwendungsdomäne der E-Mail-basierten Geschäftsprozesse anhand eines Softwareprototypen validiert und mittels eines realitätsnahen Anwendungsbeispiels empirisch evaluiert.
Durch die Aufarbeitung der Problemstellung, sowohl aus theoretischer wie auch praktischer Perspektive heraus, erweist sich die Arbeit nicht nur für Wissenschaftler von Interesse, sondern vermag auch der Praxis als Impulsgeber zur Konstruktion neuartiger Ansätze im Bereich des flexiblen Prozessmanagements zu dienen.
Aktualisiert: 2023-05-15
> findR *
Dieser Praxisleitfaden des Daten-Experten Laurenz Wuttke zeigt, was der Einsatz von Künstlicher Intelligenz in Marketing und Vertrieb leisten kann. Systematisch und verständlich führt der Autor seine Leser durch die Zukunftswelt, in der Daten den Unternehmenserfolg bestimmen. Diese Welt ist digital, sie nennt sich Data Science. Sie besteht aus einem Code, dessen Anwendung eine individualisierte Kundenkommunikation und eine fortlaufende Skalierbarkeit ermöglicht. Schritt für Schritt erfahren Sie in diesem Buch, wie sich mit Künstlicher Intelligenz die Customer Journey beeinflussen, die Kundenkommunikation personalisieren lässt. Sie erfahren ebenso, wie Sie die Kosten senken, den Einsatz des Marketingbudgets optimieren und Umsätze um ein Vielfaches steigern können. Die Grundlage für diese fortschrittliche Kultur in Unternehmen bieten Daten und deren Entwicklung hin zu selbstlernenden Systemen.Laurenz Wuttke teilt erstmals mit diesem Buch sein Know-how für KI-Anwendungen mit Unternehmen, Managern und Projektverantwortlichen. Er erläutert anhand von beeindruckenden Beispielen, wie die digitale Systeme funktionieren und bietet eine Roadmap vom Proof of Concept zum Regelbetrieb.
Aktualisiert: 2023-04-03
> findR *
Dieser Praxisleitfaden des Daten-Experten Laurenz Wuttke zeigt, was der Einsatz von Künstlicher Intelligenz in Marketing und Vertrieb leisten kann. Systematisch und verständlich führt der Autor seine Leser durch die Zukunftswelt, in der Daten den Unternehmenserfolg bestimmen. Diese Welt ist digital, sie nennt sich Data Science. Sie besteht aus einem Code, dessen Anwendung eine individualisierte Kundenkommunikation und eine fortlaufende Skalierbarkeit ermöglicht. Schritt für Schritt erfahren Sie in diesem Buch, wie sich mit Künstlicher Intelligenz die Customer Journey beeinflussen, die Kundenkommunikation personalisieren lässt. Sie erfahren ebenso, wie Sie die Kosten senken, den Einsatz des Marketingbudgets optimieren und Umsätze um ein Vielfaches steigern können. Die Grundlage für diese fortschrittliche Kultur in Unternehmen bieten Daten und deren Entwicklung hin zu selbstlernenden Systemen.Laurenz Wuttke teilt erstmals mit diesem Buch sein Know-how für KI-Anwendungen mit Unternehmen, Managern und Projektverantwortlichen. Er erläutert anhand von beeindruckenden Beispielen, wie die digitale Systeme funktionieren und bietet eine Roadmap vom Proof of Concept zum Regelbetrieb.
Aktualisiert: 2023-04-04
> findR *
Die Qual der Wahl haben - in Zeiten globaler Angebotsverdichtung und der Omnipräsenz von Digitalmarketing treffen wir mit zunehmender Häufigkeit auf dieses Unproblem. Immer dann begegnet es uns, wenn wir beim Treffen einer Entscheidung sehr viele Alternativen zur Verfügung haben: In welches von 194 Ländern investieren wir unsere knapp bemessenen Urlaubstage am besten? Welcher von rund 500.000 Filmen soll als nächstes über unseren Bildschirm laufen? Im schlimmsten Fall müssen wir auch noch verschiedene Eigenschaften gegeneinander abwägen: Ist uns die Sprache im Urlaubsland wichtiger oder das Wetter? Ist es uns wichtiger, dass ein bestimmter Schauspieler involviert ist oder muss vor allem das Genre des Films stimmen? Die fortschreitende Digitalisierung von Entscheidungsumgebungen konfrontiert uns schonungslos mit Komplexität - und Komplexität in Entscheidungssituationen ist teuer. Diese Arbeit führt das Problem der Informationsüberflutung auf unser vergleichsweise eher eingeschränktes menschliches Vermögen zur Verarbeitung großer Informationsmengen zurück. Als Lösungsvorschlag wird ein automatisierter Informationsfilter - ein zunehmend verbreiteter Systemtyp aus der Klasse der Entscheidungsunterstützungssysteme - prototypisch umgesetzt. Dieser erlernt das Präferenzprofil eines Entscheiders anhand historisch gespeicherter Präferenzinformationen, verdichtet es und nutzt das verdichtete Profil zur Vorfilterung der in digitalen Entscheidungsumgebungen typischerweise sehr großen Mengen von Entscheidungsalternativen. Auf diese Weise können die Kosten der Entscheidungsfindung vom Entscheider an den Filteralgorithmus ausgelagert und das Kosten-Nutzen-Verhältnis einer Entscheidungssituation gesteigert werden.
Aktualisiert: 2021-12-20
> findR *
Der Einsatz von Empfehlungssystemen zur Kundenansprache bietet Sparkassen, Genossenschaftsbanken und Großbanken die Chance, ihre Wettbewerbsvorteile gegenüber digitalen Wettbewerbern mit den erfolgreichen Personalisierungssystemen der Internetökonomie zu einem Erfolgspotenzial der Zukunft zu kombinieren. Bislang ist in Wissenschaft und Praxis eine Betrachtung des Einsatzes von Empfehlungssystemen zur Kundenansprache in Banken ausgeblieben. Dieses Buch zeigt daher auf, wie durch eine automatisierte und digitale Personalisierung die Effektivität proaktiver Kundenansprachen und damit letztlich die Cross-Selling-Quote im Kundenbestand gesteigert werden kann. Der Untersuchungsansatz ist dabei interdisziplinär angelegt, um von der datenschutzrechtlich zulässigen Datensammlung bis zur Datenanalyse und Kommunikation der Empfehlungen den Einsatz eines Empfehlungssystems zur proaktiven Kundenansprache umfänglich darzustellen und hinsichtlich Effektivität und Effizienz zu prüfen.
Aktualisiert: 2021-02-17
> findR *
Noch nie gab es die Möglichkeit aus einer Angebotsfülle zu wählen wie heute. Konsumenten können online auf das Angebot von Anbietern aus der ganzen Welt zugreifen und unter Zuhilfenahme von Informationen aus unterschiedlichen Quellen vergleichen. Durch diese Möglichkeiten werden Konsumenten in die Lage versetzt, in nahezu allen Bereichen eine Alternative zu finden, welche ihren persönlichen Vorlieben entspricht. Allerdings zeigt sich, dass es Konsumenten zunehmend schwerer fällt, sich zu entscheiden, was daraus resultiert, dass ihnen zu viele Alternativen zur Wahl stehen. Dieses Problem ist nicht neu. Bereits in den 70er-Jahren wurde es unter dem Begriff Information-Overload behandelt. Durch den Online-Handels gewinnt die Thematik jedoch in zweierlei Hinsicht erneut an Bedeutung. Zum einen hat die Anzahl verfügbarer Alternativen und Informationen zugenommen, wodurch Konsumenten einer verstärkten Gefahr der Überlastung ausgesetzt sind. Zum anderen haben sich die Möglichkeiten, wie Konsumenten bei ihrer Entscheidung unterstützt werden, gravierend verändert. So wird Konsumenten bspw. die Möglichkeit gegeben, Alternativen zu sortieren, Filter zu setzen oder ein Produkt zu konfigurieren. Auch ist es möglich, das sichtbare Produktangebot individuell und dynamisch zu gestalten. Die Entwicklung des Online-Handels und die damit verbundene Vielfalt verfügbarer Alternativen stellen Konsumenten vor neue Herausforderungen in Bezug auf die zu bewältigenden Entscheidungen. Gleichzeitig bergen die im Online-Handel umsetzbaren Ansätze zur Unterstützung von Konsumenten die Möglichkeit, von der Vielzahl an Alternativen und Informationen zu profitieren, ohne dass es zu einer Überlastung kommen muss.
Aktualisiert: 2023-04-06
> findR *
Communities spielen bei der Reiseplanung eine große Rolle. Aufgrund der hohen Komplexität von Reisen vertrauen Nutzer bei der Reiseplanung häufig der Meinung anderer Personen und geben sich gegenseitig oft bessere Empfehlungen als die von automatisierten Empfehlungssystemen generierten. Durch die Interaktion der Individuen in den Communities entsteht kollektives Wissen, das über das Wissen der Einzelnen hinausgeht. Ziel der Untersuchung ist die automatisierte Generierung individueller Reiseempfehlungen auf der Basis von kollektivem Wissen, die von den Mitgliedern der Reisecommunity besser bewertet werden, als die Empfehlungen, die sich diese gegenseitig geben. Hierzu wird eine Online-Reiseplattform konzipiert und implementiert, die den Nutzern den Austausch über ihre bisherigen Reisen ermöglicht. Die anfallenden Daten werden dazu herangezogen, kollektives Wissen über Reisen und Reisetrends sowie individuelle Nutzerpräferenzen zu gewinnen. Das gewonnene Wissen wird in einem hybriden Algorithmus zur Empfehlung kompletter Reisen und zur Unterstützung der Nutzer bei der interaktiven Reisekonfiguration durch die Empfehlung einzelner Aufenthaltspunkte angewandt. Der Algorithmus kombiniert dabei die Methode des Content-based und des Collaborative Filtering und bezieht darüber hinaus Reisetrends ein. Durch die Einbeziehung der Reisetrends können auch für Nutzer, für die aufgrund ihrer noch geringen Aktivität auf der Reiseplattform keine individuellen Präferenzen identifiziert werden können, Empfehlungen ausgesprochen werden. Darüber hinaus werden die auf Basis des kollektiven Wissens maschinell generierten Empfehlungen von den Mitgliedern der Reisecommunity besser bewertet, als die durch die einzelnen Mitglieder selbst abgegebenen.
Aktualisiert: 2023-04-06
> findR *
Produktkonfiguratoren sind moderne IT-gestützte Werkzeuge, mittels derer Kunden Produkteigenschaften nach ihren persönlichen Wünschen und Bedürfnissen gestalten können. Im Zuge dieses Konfigurationsvorgangs sind allerdings viele Freiheitsgrade des Produktes festzulegen – ein zeitaufwendiger Vorgang, der erhebliches technisches Know-how erfordert, weshalb Kunden bei der Konfiguration unterstützt werden müssen. Empfehlungen stellen eine Variante der Kundenunterstützung dar und sind als automatisch generierte Konfigurationsvorschläge für das Produkt oder Teile dessen zu verstehen.
Die Arbeit präsentiert ein adaptives Empfehlungssystem für generische Produktkonfiguratoren und schließt damit eine Forschungslücke durch die Integration beliebiger, existierender Empfehlungsalgorithmen in Konfiguratorapplikationen. Diese Integration baut im ersten Schritt auf einer allgemeinen Modularisierungsschnittstelle auf, die auch die Offenheit für zukünftige Techniken gewährleistet. Mittels einer adaptierbaren Hybridisierung können die Algorithmenmodule dann für Empfehlungsvorgänge frei kombiniert werden. Schließlich stellt ein Meta-Personalisierungsvorgang die Einsetzbarkeit dieses komplexen Hybridisierungskonstrukts im Konsumgütermarkt sicher, denn damit wird die automatische Adaption der ausgeführten Empfehlungslogik auf den aktiven Produkt- und Kundenkontext realisiert.
Die Arbeit beginnt mit der Einführung der Grundlagen zu „Personalisierung“ und „Mass Customization“. Danach werden in einer ausführlichen Potenzialanalyse Anforderungen an ein Empfehlungssystem für Produktkonfiguratoren herausgearbeitet. Die Lösung wird unter den Gesichtspunkten der Konzeption, der technischen Umsetzung sowie der Konfiguratorintegration vorgestellt. Zum Schluss erfolgen eine Diskussion mit prototypbasierter Evaluation sowie eine Gegenüberstellung von Lösung und formulierten Anforderungen.
Aktualisiert: 2019-10-03
> findR *
Aufgrund sich ständig wandelnder Rahmenbedingungen sehen sich Unternehmen auf den heutigen Märkten zunehmend mit der Anforderung konfrontiert, ihre Geschäftsprozesse möglichst flexibel auf unvorhergesehene Änderungen anzupassen. Hierbei bildet die Entwicklung von Informationssystemen, welche auch nicht antizipierte Prozessverläufe adäquat zu unterstützen vermögen, eine noch nicht hinreichend gelöste Problemstellung. Vor diesem Hintergrund präsentiert die vorliegende Arbeit einen innovativen Lösungsansatz, der klassische Eigenschaften eines Workflowmanagementsystems um ausgewählte Funktionen aus der Domäne der Empfehlungssysteme, im Rahmen eines fachkonzeptionellen Referenzmodells, kombiniert. Bedingt durch die Natur von Empfehlungssystemen ist der Ansatz damit in der Lage, sowohl den Kontext einer prozessualen Situation als auch nutzerindividuelle Präferenzen zu berücksichtigen und damit möglichst genaue Empfehlungen zur Bewältigung einer eingetretenen Prozesssituation zu formulieren. Neben der theoretischen Konzeption des Referenzmodells wird dessen konkrete Funktionsweise auch im Rahmen der Anwendungsdomäne der E-Mail-basierten Geschäftsprozesse anhand eines Softwareprototypen validiert und mittels eines realitätsnahen Anwendungsbeispiels empirisch evaluiert.
Durch die Aufarbeitung der Problemstellung, sowohl aus theoretischer wie auch praktischer Perspektive heraus, erweist sich die Arbeit nicht nur für Wissenschaftler von Interesse, sondern vermag auch der Praxis als Impulsgeber zur Konstruktion neuartiger Ansätze im Bereich des flexiblen Prozessmanagements zu dienen.
Aktualisiert: 2023-04-17
> findR *
5 empirical studies, explanatory framework and management tool. Dissertation LMU München.
Aktualisiert: 2021-12-01
> findR *
Für Konsumenten ist es heutzutage alles andere als einfach, aus der Vielzahl verfügbarer Alternativen eine möglichst gute Auswahl für sich selbst und auch für andere zu treffen. Eine neuartige Möglichkeit zur Auswahlunterstützung sind intelligente Empfehlungssysteme. Diese sind in der Lage, auf Basis von Präferenzäußerungen und bisherigem Verhalten von Konsumenten, maßgeschneiderte Produktempfehlungen zu generieren. In der Praxis, aber auch in der Wissenschaft konzentrieren sich die meisten Empfehlungssysteme auf die individuellen Präferenzen von Konsumenten und vernachlässigen, dass viele hedonische Produkte und Dienstleistungen (wie z. B. Spielfilme, Reisen oder Konzerte) nicht von jeweils einer Person allein, sondern von mehreren Personen gemeinsam konsumiert werden.
Mit Hilfe von zwei komplexen Laborexperimenten und 460 Experimentteilnehmern werden verschiedene neuartige Empfehlungssysteme in einer realen Konsumsituation empirisch evaluiert. Hierbei schlüpft die Hälfte der Teilnehmer in die Rolle eines Agenten, der für sich und seinen jeweiligen Partner einen Spielfilm auswählt, ohne dabei mit dem Partner zu kommunizieren. Anschließend schauen beide den Film gemeinsam an und bewerten ihn getrennt voneinander. Die Ergebnisse zeigen, welches bisher noch ungenutzte Potenzial in Empfehlungssystemen für Gruppen steckt und welchen Einfluss beispielsweise die Beziehungsqualität innerhalb einer Gruppe auf die Zufriedenheit mit solchen Auswahlentscheidungen hat.
Das Buch richtet sich in erster Linie an Wissenschaftler, die mehr über die Wirkung von innovativen Empfehlungssystemen für Gruppen auf reale Konsumentscheidungen erfahren wollen. Interessant sind die Ergebnisse aber auch für Praktiker und insbesondere Einzelhändler, die nach Möglichkeiten suchen, ihre Kunden beim Einkaufen effizient zu unterstützen, um dadurch ihre Zufriedenheit und Wiederkaufabsicht nachhaltig zu erhöhen.
Aktualisiert: 2019-10-03
> findR *
MEHR ANZEIGEN
Bücher zum Thema Empfehlungssysteme
Sie suchen ein Buch über Empfehlungssysteme? Bei Buch findr finden Sie eine große Auswahl Bücher zum
Thema Empfehlungssysteme. Entdecken Sie neue Bücher oder Klassiker für Sie selbst oder zum Verschenken. Buch findr
hat zahlreiche Bücher zum Thema Empfehlungssysteme im Sortiment. Nehmen Sie sich Zeit zum Stöbern und finden Sie das
passende Buch für Ihr Lesevergnügen. Stöbern Sie durch unser Angebot und finden Sie aus unserer großen Auswahl das
Buch, das Ihnen zusagt. Bei Buch findr finden Sie Romane, Ratgeber, wissenschaftliche und populärwissenschaftliche
Bücher uvm. Bestellen Sie Ihr Buch zum Thema Empfehlungssysteme einfach online und lassen Sie es sich bequem nach
Hause schicken. Wir wünschen Ihnen schöne und entspannte Lesemomente mit Ihrem Buch.
Empfehlungssysteme - Große Auswahl Bücher bei Buch findr
Bei uns finden Sie Bücher beliebter Autoren, Neuerscheinungen, Bestseller genauso wie alte Schätze. Bücher zum
Thema Empfehlungssysteme, die Ihre Fantasie anregen und Bücher, die Sie weiterbilden und Ihnen wissenschaftliche
Fakten vermitteln. Ganz nach Ihrem Geschmack ist das passende Buch für Sie dabei. Finden Sie eine große Auswahl
Bücher verschiedenster Genres, Verlage, Autoren bei Buchfindr:
Sie haben viele Möglichkeiten bei Buch findr die passenden Bücher für Ihr Lesevergnügen zu entdecken. Nutzen Sie
unsere Suchfunktionen, um zu stöbern und für Sie interessante Bücher in den unterschiedlichen Genres und Kategorien
zu finden. Unter Empfehlungssysteme und weitere Themen und Kategorien finden Sie schnell und einfach eine Auflistung
thematisch passender Bücher. Probieren Sie es aus, legen Sie jetzt los! Ihrem Lesevergnügen steht nichts im Wege.
Nutzen Sie die Vorteile Ihre Bücher online zu kaufen und bekommen Sie die bestellten Bücher schnell und bequem
zugestellt. Nehmen Sie sich die Zeit, online die Bücher Ihrer Wahl anzulesen, Buchempfehlungen und Rezensionen zu
studieren, Informationen zu Autoren zu lesen. Viel Spaß beim Lesen wünscht Ihnen das Team von Buchfindr.
