Recommendation Systems

Wor*um geht es?

  • Kategorisierung der Vorlieben von Kunden oder Nutzern, indem Beziehungen zum Produkt hergestellt werden (Content-based Recommendations).
  • Herstellung von Beziehungen zwischen Nutzern, um das Nichtwissen über die Vorlieben des Nutzers A durch das Wissen über Nutzer B zu füllen (Collaborative Filtering).
  • Überwindung des „Cold Start Problems“ durch Kombination von Content-Recommendern und Collaborative Filterung sowie der Einsatz von Bandit-Algorithmen.
  • Use Cases von Empfehlungssystemen z.B.:
    • Produktempfehlungen in Onlineshops
    • Unterstützung bei der Gestaltung eines Programms oder Angebots
    • Filterung und Sortierung von Suchergebnissen
    • Teilautomatisierter Kundensupport

Was macht *um besser?

Wir entwickeln maßgeschneiderte Recommender Lösungen für unsere Kunden basierend auf state-of-the-art Machine-Learning-Verfahren und verschaffen wir somit einen Wettbewerbsvorteil. Bei uns gibt es keine Lösung von der Stange. Wir entwickeln mit dem Kunden zusammen seine eigene Lösung, egal ob B2C oder B2B. Dabei sind wir nicht nur auf die klassischen Webseiten-Use-Cases eingeschränkt, sondern entwickeln auch Recommander für interne Prozesse, Experten-Unterstützung oder Prozessoptimierung.

Unser Big Data Team hat branchenübergreifend jahrelange Erfahrung im Bereich Data Science und Machine Learning. Das Team ist multi-disziplinär und bietet einen Mix aus Mathematikern, Psychologen, Physikern und Informatikern, um die verschiedenen Facetten eines Datenproblems aus unterschiedlichen Blickwinkeln zu beleuchten. Wir bleiben auf dem aktuellsten Stand der Forschung und haben keine Scheu vor technischen Neuerungen.

Wie können wir dir helfen? Lass es uns wissen!