Predictive Models

Definition & Bedeutung

Wie sage ich das zukünftige Kaufverhalten meiner Kunden voraus?

Predictive Models sind Machine Learning-basierte Modelle, die genutzt werden, um Aussagen über zukünftiges Verhalten von Kunden zu tätigen. Insbesondere für Vorhersagen des Kaufverhaltens finden sie Anwendung im eCommerce. Wann besteht eine hohe Wahrscheinlichkeit, dass meine Kunden abwandern? Welche Produktempfehlungen haben die höchste Trefferquote? Bei welchem Preis wird mein Kunde am wahrscheinlichsten kaufen? Predictive Analytics bildet die Basis für eine personalisierte Shopping-Erfahrung.

Wie funktionieren Predictive Models?

Predictive Models nutzen die bestehenden Daten zu Kunden und ihrem Verhalten. Dabei gehen sie auf viel mehr Daten als die RFM-Analyse ein. Neben den reinen Transaktionsdaten können soziodemografische Daten, Warenkörbe, der Kanal, über den der Kunde akquiriert wurde, etc. analysiert werden. Im Gegensatz zur herkömmlichen Datenanalyse können sie Vorhersagen über die Zukunft machen, anstatt nur bisheriges Verhalten zu beschreiben. Dafür werden Neurale Netzwerke und Machine Learning-Algorithmen genutzt.

Wofür braucht man Predictive Models?

Predictive Models zeichnen sich dadurch aus, dass sie Aussagen über die Zukunft machen können. Als Shop-Betreiber kann man also, anstatt anzunehmen, dass bisheriges Verhalten sich so weiter in die Zukunft fortsetzt, mögliche Verhaltensänderungen voraussehen. Diese Informationen kann man nutzen, um die Produktpreise zu optimieren (Was ist der höchste Preis, den mein Kunde zahlen würde?), bessere Produktvorschläge zu machen, oder das Warenhausmanagement zu verbessern.