de EN RU
Demo anfordern


Warning: count(): Parameter must be an array or an object that implements Countable in /www/exponeav2_696/web/exponea/single.php on line 160

Warning: Invalid argument supplied for foreach() in /www/exponeav2_696/web/exponea/single.php on line 163
video with id = 1 not found
Notice: Undefined variable: style_settings in /www/exponeav2_696/web/exponea/single.php on line 202
>
Notice: Undefined variable: html in /www/exponeav2_696/web/exponea/single.php on line 203
Listen this article on:

Was sind kontextabhängige Banditen? Ist die Zeit für A/B-Tests gekommen?

Unkategorisiert Feb 07, 2020 Jordan Torpy 6 min Lesedauer

Das Haltbarkeitsdatum von Online-Shops hängt von der Qualität der Kundenerlebnisse ab. E-Shops, die ihre Seiten für Kund*innen optimieren, leben länger. Alle anderen haben ein schnelles Verfallsdatum.

Um Kund*innen die bestmöglichen Seiten zu zeigen, sollten Sie sie verstehen. Es hilft zu wissen, was ihnen wichtig ist. Sind sie Schnäppchenjäger? Sind sie an nachhaltigen Artikeln interessiert? Vielleicht bevorzugen sie hochpreisige oder Luxusprodukte?

Die Präferenzen sind individuell und hängen von den einzelnen Kund*innen ab. Während 70% Ihrer Kund*innen Pfennigfuchser sind, könnten 30% es auf umweltfreundliche Produkte abgesehen haben und vielleicht sind genau 0% an Luxusartikeln interessiert. Sie könnten für viel zufriedenstellendere Kauferlebnisse sorgen, indem Sie den richtigen Kund*innen, die richtige Botschaft zeigen.

Der neue Lösungsansatz von Exponea lautet: Kontextbezogene Multi-Armed Bandits (Mehrarmige Banditen), die die richtigen Kund*innen für die jeweilige Botschaft auswählen. Eine neue Art für Online-Shops, ihr Messaging zu testen oder ihre Website zu optimieren. 

Was ist das “Multi-Armed-Bandit-Problem”?

Der kontextbezogene Personalisierungsbandit von Exponea ist die Lösung zu genau einem Problem: Dem “Mehrarmigen-Banditenproblem”. Was ist dieses Problem?

In diesem Zusammenhang beziehen sich “Banditen” auf Spielautomaten – so, wie man sie im Casino in Las Vegas vorfindet. Das Problem ist rein hypothetisch: Stellen Sie sich vor, Sie haben nur eine begrenzte Menge an Geld, aber jede Menge Spielautomaten, in die Sie das Geld stecken könnten. 

Manche Automaten würden wahrscheinlich mehr ausspucken und manche weniger. Sie möchten natürlich so schnell wie möglich herausfinden, womit Sie es zu tun haben, weil Ihre Menge an Geld begrenzt ist. Also versuchen Sie einerseits herauszufinden, welche Maschine am meisten ausspuckt, und andererseits, das Meiste aus der bisher produktivsten Maschine herauszuholen. 

Das ist die vereinfachte Version des Multi-Armed-Bandit-Problems.

Dasselbe Problem finden Sie auch im E-Commerce vor. Die begrenzte Menge an Geld sind Ihre Kund*innen (da die Anzahl ebenso limitiert ist). Die Spielautomaten sind Ihre Messages oder Angebote (da einige für gewisse Kund*innen besser funktionieren als andere). Das Problem besteht darin, festzulegen, welches Messaging, welchen Kund*innen gezeigt werden sollten (bzw. wohin Ihr Geld geht, wenn wir beim Casino-Beispiel bleiben).

Über die letzten Jahre hinweg gab es jede Menge Lösungsvorschläge für das Multi-Armed-Bandit-Problem. Die Lösung von Exponea ist auf die E-Commerce-Variante zugeschnitten und fügt dem Ganzen Kontext hinzu. 

Das Einführen von Kontext
Zurück zu unserem Spielautomaten-Beispiel. Zunächst bezog sich das Problem nur auf die Auszahlung jeder Maschine und unseren anfänglichen Geldbetrag.
Nun stellen Sie sich vor, dass jede Maschine anders auf jede*n einzelnen Spieler reagiert. Außerdem hat das Wetter oder das Getränk der*des Spieler*in einen Einfluss auf Ihren Gewinn. Der Kontext spielt also eine Rolle. 

Jetzt müssen Sie nicht mehr nur die beste Gesamtstrategie finden. Sie sollten die beste Strategie für den gegebenen Kontext finden.

Dasselbe gilt auch im E-Commerce. Statt zu versuchen die*den besten Kund*in für ein bestimmtes Messages zu finden, sollten Sie versuchen die*den besten Kund*in für ein bestimmtes Messaging, unter Berücksichtigung des Kontextes, zu finden.

Aufgrund von tiefgehendem Know-How und fundierter Erfahrung im E-Commerce, weiß Exponea auf welchen Kontext es ankommt. Die beste Voraussetzung, um eine Lösung für das “kontextabhängige Banditen-Personalisierungsproblem” zu entwickeln. 

[VIDEO] Was sind kontextabhängige Banditen?

Unser Product Manager und KI-Experte Robert Lacok erklärt in diesem Video, was kontextbezogene Banditen sind.

Kontextbezogene Banditen sind wie der “Sprechende Hut” von Harry Potter – Sie setzen ihn auf den Kopf der*s Kund*in und erfahren, welche Variante richtig ist.

Im Kontext sind die historischen Daten von jeder*m Kund*in enthalten – beispielsweise die Klicks auf der Website, vergangene Einkäufe und geöffnete E-Mails, sowie Daten aus laufenden Sessions (Informationen, nach denen die*der Kund*in gerade sucht). Diese Informationen werden aggregiert und auf Basis des Kontextes wird die richtige Variante ausgewählt.

Dann passiert etwas – die*der Kund*in konvertiert, oder eben nicht. Dies kann ein Klick auf den Banner, ein Newsletter-Abonnement oder ein späterer Kauf sein – im Grunde jede Aktion, die wir optimieren wollen. Der kontextbezogene Bandit – der Sprechende Hut – nimmt dies als Feedback und registriert, welche Arten von Kontext, gepaart mit welchen Varianten, zu Conversions führen und welche nicht. Mit der Zeit lernt er, immer bessere Entscheidungen zu treffen.

Ist die Zeit von A/B-Tests gekommen?

Momentan sind AB-Tests gängige Praxis, um festzustellen, welche Messaging-Variante sich für den gesamten Kundenstamm am besten eignet. In Bezug auf das vorherige Beispiel, in dem 70% der Kund*innen an Sale-Artikeln und 30% an nachhaltigen Produkten interessiert sind, könnte sich herausstellen, dass die gewinnbringende Variante ein Rabatt-Banner ist. Sobald der Test abgeschlossen ist, entscheiden wir uns eventuell auch dafür, diese Variante für den gesamten Kundenstamm einzusetzen.

Auf diese Weise haben Sie jedoch 30% Ihrer Kunden missverstanden und ihnen etwas gezeigt, das ihnen egal ist. Zudem haben Sie die Gelegenheit verpasst, ihr Interesse auf Produkte aus nachhaltigen Materialien zu lenken, was eine wesentlich höhere Gewinnspanne hätte haben können.
Eine einfache Lösung des Problems könnte sein, das Kundensegment zu finden, das solche nachhaltigen Produkte oder Marken in der Vergangenheit gekauft hat. 

Kontextbezogene Banditen lösen solche Probleme automatisch. Sie formulieren die AB-Testfrage neu. Anstatt zu fragen, welche Variante am besten für alle funktioniert, fragen sie: Welchem ​​Segment soll ich diese Variante zeigen?

Das ist grundlegend anders, denn anstatt sich zu fragen, ob dieser Anwendungsfall für den gesamten Kundenstamm funktioniert, tendieren wir zu der Annahme, dass jede Änderung, die wir vornehmen, für einen Teil der Kunden von Bedeutung ist. Wir müssen nur die richtige Gruppe finden (und ja, in einigen unzureichenden Fällen, wird die Gruppe leer sein).

Werden A/B-Tests nun hinfällig? Das Einsetzen mehrerer Varianten über einen längeren Zeitraum hinweg, ist nicht immer praktikabel, beispielsweise, wenn ein 3-stufiger Checkout-Prozess zusammen mit einem 5-stufigen ausgeführt wird. In vielen anderen Fällen handelt es sich jedoch um einen echten Paradigmenwechsel in der Branche.

Kontextabhängige Banditen-Personalisierung: Das neue Feature von Exponea

Die Kund*innen der Customer Data und Experience Platform von Exponea haben jetzt die Möglichkeit, die kontextabhängige Banditen-Personalisierung auf ihren eigenen Websites zu verwenden. Wie sieht es aus? Schauen wir uns ein Beispiel an.

Stellen Sie sich vor, Sie haben im Rahmen einer Funnel-Analyse festgestellt, dass Sie Kund*innen zwischen den Phasen „In den Warenkorb“ und „Zur Kasse“ verlieren. Aus einem gewissen Grund schließen nicht genügend Kund*innen ihre Einkäufe ab.

Sie möchten neues Messaging testen, in der Hoffnung, dass mehr Kund*innen konvertieren.

Sie haben an vier Varianten gedacht: Eine, die für ein sicheres Zahlungsgportal wirbt. Eine, die hohe durchschnittliche Kundenbewertungen anpreist. Eine andere, die Ihr Engagement für erneuerbare Rohstoffe hervorhebt, und eine, die Ihren Trusted-Status Ihres Businesse (durch ein unabhängiges Ranking-Portal) zeigt.

Normalerweise würden Sie diese testen, indem Sie Ihren Datenverkehr gleichmäßig auf jede dieser Varianten aufteilen (zuzüglich einer Kontrollgruppe, die keine Variante sieht). Sie müssten warten, bis eine ausreichende Anzahl von Kund*innen Ihr Experiment durchlaufen hat, und dann würden Sie die leistungsstärkste Variante jeder*m Kund*in zeigen.

Bei der kontextabhängigen Banditen-Personalisierung, entscheidet Exponea anhand der kontextuellen Daten automatisch, welche Variante, welchen ​​Kund*innen gezeigt wird.

So müssen Sie nicht erst auf ausreichend Daten warten und brauchen keine Varianten aufgeben, die für einige Kund*innen von Vorteil sein könnten. Dies bedeutet auch ein besseres und persönlicheres Erlebnis für jede*n Kund*in.

Sie möchten mehr über kontextbezogene Bandit-Personalisierung erfahren? Vereinbaren Sie eine Demo mit uns und erfahren Sie wie Exponea Ihnen beim Wachstum Ihres Businesses helfen kann.

Häufig gestellte Fragen

Was ist Reinforcement Learning?

Stellen Sie sich vor, Sie trainieren einen Hund. Wenn er etwas gut macht, geben Sie ihm ein Leckerli. Wenn er etwas falsch macht, schimpfen Sie ihn aus. Sein gutes Benehmen wird bestärkt und sein schlechtes Benehmen entmutigt. Reinforcement Learning (Bestärkendes Lernen) funktioniert ähnlich, nur im Kontext von Machine Learning. Im einfachsten Sinne wird dem Computer eine Aufgabe gegeben, ohne Durchführungsanweisungen. Er muss nach möglichen Lösungen suchen und dabei versuchen, seine Belohnungen zu maximieren und seine Strafen zu minimieren.

Was sind kontextabhängige Banditen?

Kontextbezogene Banditen sind eine Lösung für mehrarmige Banditenprobleme. Sie versuchen, die richtige Ressourcenzuteilung für ein bestimmtes Problem unter Berücksichtigung des Kontexts zu finden. In unserem Zusammenhang bedeutet dies, zu versuchen, die richtige Nachricht für bestimmte Kund*innen zu finden, basierend auf dem, was wir über diese Kund*innen wissen.

Was ist A/B-Testing?

AB-Tests sind im Prinzip Experimente, bei denen zwei Varianten miteinander verglichen werden. Im E-Commerce bedeutet dies in der Regel, dass für einen festgelegten Zeitraum gleiche, zufällige Traffic-Anteile auf jede Variante umgeleitet werden. Nach Ablauf dieser Zeit können Sie vergleichen, welche Variante besser abschneidet.

Was ist der Unterschied zwischen kontextabhängigen Banditen und AB-Tests?

AB-Tests versuchen, eine Gewinnvariante zwischen zwei Optionen zu finden. Contextual Bandits versuchen nicht, eine Gewinnvariante zu finden, sondern die richtige Variante für bestimmte Kund*innen.

Was ist kontextabhängige Banditenpersonalisierung?

Kontextbezogene Personalisierung von Banditen ist Exponeas Methode für Online-Shops, ihre Website für jede*n Benutzer*in zu personalisieren, ohne sich auf AB-Tests verlassen zu müssen. Statt AB-Tests zur Auswertung zu verwenden, können Exponea-Benutzer*innen kontextbezogene Banditen verwenden. Sie wählen das richtige Messaging für einzelne Kund*innen, basierend auf den Informationen, die über sie bekannt sind – einschließlich aktueller Browserdaten, historischer Kaufdaten. usw.

Sehen Sie unsere Exponea Demo!
Entdecken Sie die Customer Data & Experience Platform, die B2C Leader empfehlen.

MISSGUIDED Victoria Beckham Desigual
ebuyer Agent Provocateur River Island

Wir setzen auf Cookies

... um unsere Kommunikation für Sie so bequem wie möglich zu machen. Durch Klicken des Akzeptieren-Buttons, stimmen Sie unseren Datenschutzbestimmungen und dem Speichern von Cookies zu. Sie können Ihre Einstellungen jederzeit ändern.

Cookies verwalten
Akzeptieren

Cookie‑Einstellungen

Akzeptieren
zurück
Close
Exponea CCPA

Unsure about CCPA and its
implications for your business?

See our CCPA compliance features

Get Compliant

I’m not interested in these features.