E-Commerce Empfehlungen
Bestes Modell im Pilot mit drei Anbietern – basierend auf inhaltlicher Ähnlichkeit der Geschichten.
Empfehlungen auf Basis erzählerischer Ähnlichkeit, nicht nur Verkaufszahlen.
#1 · von 3 Anbietern · Die Herausforderung
Was sich ändern musste
- Klassische Empfehlungssysteme stützen sich meist auf das Kaufverhalten (das Modell „Kunden, die X kauften, kauften auch Y").
- Sie berücksichtigen weder den Inhalt der Bücher noch subtile Leservorlieben (z. B. Erzählstil, Tempo der Handlung oder Atmosphäre).
- Martinus suchte daher eine KI-Lösung, die Bücher auf Basis der inhaltlichen Ähnlichkeit empfiehlt – nicht nur auf Basis von Kaufdaten.
Die Lösung wurde im Rahmen eines Pilot-Wettbewerbs zwischen drei Anbietern entwickelt – mit dem Ziel, den effektivsten Ansatz zu identifizieren.
Die Lösung
Was wir umgesetzt haben
Wir haben ein KI-Modell entwickelt, das die Inhaltsbeschreibungen von Büchern analysiert und thematische sowie handlungsbezogene Ähnlichkeiten zwischen Titeln erkennt.
- Erkennt thematische und handlungsbezogene Ähnlichkeiten zwischen Titeln.
- Empfiehlt Bücher mit ähnlicher Atmosphäre, ähnlichem Tempo oder ähnlichem Setting.
- Wird derzeit erweitert, um mit vollständigen Buchtexten zu arbeiten – nicht nur mit den vom Verlag gelieferten Beschreibungen.
- Extrahiert zentrale Elemente von Handlung, Figuren, Zeit und Schauplatz, die das Leseerlebnis prägen.
Die resultierenden Empfehlungen arbeiten mit einem deutlich breiteren Datenkontext als klassische Algorithmen.
Die Ergebnisse
Was wir erreicht haben
- Unsere Lösung lieferte laut Bewertung des Kunden und seiner Kundinnen und Kunden die besten Empfehlungen.
- Entwicklung einer Lösung, die für Leserinnen und Leser relevante Empfehlungen liefert – nicht nur statistische Treffer.
- Ein Schritt hin zu KI-Systemen, die Literatur tatsächlich „verstehen" können – inklusive der Fähigkeit, ähnliche Geschichten anhand komplexer Elemente wie Thema, Stimmung oder Schreibstil zu empfehlen.
- Erwartete Wirkung: höhere Konversionsraten aus Empfehlungen, längere Verweildauer auf der Website und größere Zufriedenheit der Kundinnen und Kunden mit der Buchauswahl.
Weitere Case Studies
Dokumenten- verarbeitung
Dôvera · Versicherung
Bearbeitung von Vollstreckungsdokumenten: 60 % weniger Back-Office-Zeit.
100 % der Dokumente automatisch verarbeitet. Erfahrene Mitarbeitende sind in Spitzenzeiten entlastet.
60% weniger Back-Office-Zeit · Forderungs- management · Dôvera · Versicherung
Bewertung von Forderungsabschreibungen: von 2 Wochen auf ca. 1 Stunde.
Erfahrene Mitarbeitende in Spitzenzeiten entlastet. Entscheidungen wurden konsistent und nachvollziehbar.
2 Wo→1 Std Verarbeitungszeit
Datenextraktion
Dôvera · Versicherung
Auswertung von Beipackzetteln: strukturierte Dosierungsdaten aus unstrukturiertem Text.
Neue Datenquelle für die Prüfung von Verordnungen geschaffen. Bisher unsichtbare Informationen sind jetzt operativ nutzbar.
Neue Datenquelle für Audits geschaffen
Ein ähnlicher Prozess in Ihrem Unternehmen?
Erzählen Sie uns von Ihrem Workflow. Wir sagen Ihnen, ob KI passt – ehrlich, auch wenn die Antwort Nein lautet.