Machine Learning

Definition & Bedeutung



Machine Learning ist ein Teilbereich der KI (Künstliche Intelligenz). Machine Learning wird dafür genutzt, aus Daten auf Basis von Algorithmen selbstständig zu lernen, um Muster oder Verhaltensweisen zu erkennen. Dazu wird die KI trainiert. Um Vorhersagen treffen zu können, lassen sich diese Muster auf neue Datensätze anwenden. Im eCommerce kommt Machine Learning sehr vielfältig zum Einsatz: um beispielsweise ein personalisiertes Erlebnis bei Suchergebnissen, Produktempfehlungen oder Produktbeschreibungen zu generieren, aber auch wenn es um darum geht, Materialbedarf oder Kundenverhalten, z.B. Kundenabwanderung oder Betrug, vorherzusagen.



Wie funktioniert Machine Learning?

Es gibt drei grundlegende Arten, wie eine KI trainiert werden kann: Überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen.

  • Für das überwachte Lernen werden bekannte Trainingsdaten in den Algorithmus eingespeist und Zielvariablen vorgegeben. Beispielsweise wird auf Basis des Kaufverhaltens die Höhe des Folgeumsatzes bestimmt oder aber auch klassifiziert, ob der Kunde wiederkauft oder nicht. Die "echten" Ergebnisse werden mit den Ausgaben des Algorithmus verglichen. So wird die KI dazu trainiert, möglichst korrekte Vorhersagen zu machen und der Algorithmus kann lernen, auch Ausgaben zu unbekannten Eingaben vorherzusagen. Dies wird dafür genutzt, neue Eingaben zu klassifizieren – zum Beispiel können Kunden basierend auf begrenzten Daten zu ihrem Kaufverhalten in Kundensegmente eingeordnet werden.

  • Beim unüberwachten Lernen möchte man Muster in Daten erkennen: Die relevanten Daten werden dem Algorithmus übertragen, dieser erstellt ein Modell, welches die Zusammenhänge zwischen den Daten erkennt – basierend zum Beispiel auf Ähnlichkeiten oder Gemeinsamkeiten. Damit können Cluster im Kaufverhalten erkannt werden, beispielsweise eine besonders lukrative Kundengruppe.

  • Das bestärkende Lernen wird genutzt, um die korrekte Vorgehensweise zum Erreichen eines bestimmten Zustandes oder Ziels zu finden. Dabei wird mit „Belohnung“ und „Bestrafung“ in Form von einem Score in Zahlenwerten dem Algorithmus gezeigt, welche Aktionen wie effektiv sind. Der Algorithmus kann dann die darauf basierend beste Vorgehensweise finden.

Auch das Deep Learning ist eine Form des Machine Learning. Dabei lernt der Algorithmus mithilfe von (künstlichen) neuronalen Netzen. Deep Learning wird dazu genutzt, Zusammenhänge in großen und komplexen Datenmengen zu erkennen.



Wofür braucht man Machine Learning?

Machine Learning ist eine vielseitige Methode mit vielen Anwendungsbereichen. Mithilfe von Machine Learning kann eine KI eine personalisierte Kauferfahrung für den Kunden schaffen, indem große Mengen an Kundendaten analysiert werden und passende Vorschläge gemacht werden können. Damit kann gerade das Cross- und Upselling verbessert werden, oder die Conversion Rate erhöht werden. Mithilfe der analysierten Kundendaten kann auch das Kundenverhalten vorhergesagt werden – zum Beispiel die Kundenverlustrate.

Ein weiterer Zweck des Machine Learning ist das Inventarmanagement: Wenn man den Bedarf vorhersagen kann, kann man auch den Einkauf danach strukturieren. Machine Learning kann auch genutzt werden, damit die Suche in einem Shop verbessert wird. Moderne Suchmaschinen, wie zum Beispiel Google, nutzen alle komplexere Mechanismen als reine Wortsuche. Andere Faktoren wie bisheriges Suchverhalten oder Interessen von ähnlichen Kunden werden alle mit in die Suche einbezogen. Ein Shop mit entsprechend großem Inventar kann davon auch profitieren.