Kennen Sie die Kauf-Vorschläge von Amazon? Kunden, die … gekauft haben, kauften auch …

Das Gesetz der Ähnlichkeit

Ähnliche Ursachen haben auch ähnliche Wirkungen. Kaufen viele Kunden zum Laptop eine Laptop-Tasche dazu, tut Amazon gut daran, neuen Kunden, die einen Laptop kaufen, ebenfalls eine Laptop-Tasche anzubieten. Die Wahrscheinlichkeit ist immerhin hoch, dass der Kunde zusätzlich kaufen wird. Hinter diesen Angeboten steckt keine Magie, sondern einfachste Mathematik.

Die Datengrundlage

Wie hoch die Wahrscheinlichkeiten für einzelne Ereignisse sind, ist kein Geheimnis mehr, wenn Sie eine gute Datenbasis haben. Wollen Sie umfangreiche Schlussfolgerungen ziehen, sollten Sie auch umfangreich Daten sammeln. Als Richtwert können Sie ab 1.000 Datensätzen sinnvolle Schlussfolgerungen ziehen. Vorher sind zu viel Ausfallwerte dabei. Sammeln Sie nicht nur eindeutige Geschäftsvorfälle, beispielsweise Buchungen, sondern wirklich jedes Detail. Jeder Zwischenanruf nicht zustande gekommener Aufträge, idealerweise jede Augenbewegung des Kunden über den Ladentisch. Je mehr, desto besser. Doch achten Sie auf den Datenschutz. Auf keinen Fall dürfen gewisse Muster oder Daten-Inhalte Rückschluss auf Personen zulassen, ansonsten hat die Person ein Mitspracherecht bei der Verwendung der Daten und muss ihre Zustimmung geben.

Komplexere Zusammenhänge

Personen, die das Controller-Magazin lesen, haben auch das Handelsblatt gelesen. Das mag sein, aber es gibt zum einen hunderte Einflussfaktoren, das Handelsblatt lesen zu wollen, aber auch hunderte kleine Magazine wie das Controller-Magazin. Sie werden kaum genug Datenbestand für jede Sparte sammeln können.

Abhilfe schaffen hier Hilfs-Wahrscheinlichkeiten, wie man sie aus Bayes-Netzen kennt. In unserem Beispiel ist das die Zufallsgröße „Wirtschaftsnachrichten-Interessierter“. Durch das Lesen des Controller-Magazins steigt die Wahrscheinlichkeit, dass die Person an Wirtschaftsnachrichten interessiert ist. Man hat die Erfahrung gemacht, dass man Wirtschaftsnachrichten-Interessierten gut das Handelsblatt verkaufen kann. Durch diese Zwischenstufe erhalten Sie insgesamt eine höhere Qualität der Vorhersagen, da für diese Oberbegriffe eine größere Datenbasis verfügbar ist.

Feedback

Neben der ursprünglichen Datenquelle kann Feedback aus den bereits gewonnenen Erkenntnissen die Ergebnisse von Auswertungen verbessern. Beispielsweise könnte man Vorschläge als „unpassend“ markieren. Diese Unpassend-Markierung wird ebenfalls im System vermerkt und fließt in die Wahrscheinlichkeitsrechnung mit ein. Dadurch können Sie maschinell gewonnenes Wissen noch durch menschliche Eingriffe verfeinern.

Anwendungen

Anwendungsfälle für wahrscheinlichkeitsbasierte Entscheidungen gibt es viele. Die offensichtlichste sind Kauf-Vorschläge in Online Shops. Doch es gibt weit mehr Anwendungen. Haben Sie beispielsweise mal Ihre Preiskalkulation als Wahrscheinlichkeits-Netz aufgefasst? Oder den Ausschuss an Maschinen in Abhängigkeit vom Mitarbeiter, der Maschine und der Tageszeit? Anwendungen gibt es viele, doch für einige gewinnbringende Ideen muss man etwas schärfer nachdenken.