Unabhängiges Magazin für Wirtschaft und Bildung

29. März 2024

Search form

Search form

Hauseigene Expertise für kontinuierliche Innovation

Hauseigene Expertise für kontinuierliche Innovation © Pexels.com/Mike Jones

Exklusive Angebote mit kostenloser Anlieferung oder personalisierte Empfehlungen für Unterhaltung und Shopping. Amazon erweitert laufend Inhalte und Kundenservices und setzt dabei auf lernende Technologien von Amazon Web Services.

(red/cc) Amazon gilt als größter Internet-Marktplatz der Welt, das US-Unternehmen erzielte 2020 einem Umsatz von knapp 390 Milliarden US-Dollar. Über 200 Millionen Menschen haben zudem eine sogenannte Prime-Mitgliedschaft, wo sie aus gesonderten, auf sie persönlich zugeschnittenen Produktempfehlungen und individuellen Bezahl- und Lieferservices wählen können. Verantwortlich für diese Dienste ist das eigenständige Tochterunternehmen Amazon Web Services (AWS), breiter bekannter auch als Anbieter von cloud-basierten IT-Technologien und -Services.

AWS arbeitet dabei mit intelligenten, selbstlernenden Algorithmen an der laufenden Verbesserung und Weiterentwicklung des Angebotes. „Seit über zwanzig Jahren investiert Amazon in Maschinelles Lernen (ML), um Empfehlungen für Kunden zu generieren, Lieferketten und Kapazitäten zu optimieren, sowie um Innovationen wie etwa die Robotik in unseren Logistikzentren zu fördern“, erläutert Constantin Gonzalez, Principal Solutions Architect bei Amazon Web Services (AWS).

Vorteile für Kunden sichtbar machen
Prime-Mitglieder wie auch Nicht-Mitglieder erhalten dabei regelmäßig Hinweise (sogenannte Callouts) zu relevanten Produkt- und Angebots-Vorteilen und zugehörigen Produktinformationen, wenn sie Amazon besuchen. Bei Auswahl eines Films kommt beispielsweise die Information, dass der dazugehörige Roman gerade kostenlos über „Prime Reading“ gelesen werden kann.

Damit Mitglieder diese individuellen Zusatzinformationen oder Vorteile erhalten, nutzt Amazon Empfehlungssysteme. Hier werden automatisiert Artikelattribute wie Marke, Farbe, Preis, Titel oder Kategorie der Häufigkeit zugeteilt, mit der Artikel von Kunden ausgewählt werden. Die Modelle verwenden dafür sogenannte Bayes’sche Empfehlungssysteme (Anm. auch für geringe Datenmengen nutzbare Wahrscheinlichkeitsverteilungen), um zu entscheiden, welche Inhalte am relevantesten sind.

Kontinuierliche Reaktion auf verändernde Kundenpräferenzen
Eine Limitierung dieses Ansatzes ist jedoch, dass Ergebnisse in Richtung beliebterer Artikel verzerrt werden können. Kunden, die sich für einen bestimmten Film interessieren, könnten ja auch neue Liebesromane lesen wollen. Neuere Artikel haben aber noch untrainierte Modellgewichte und das System könnte daher ihre Klickwahrscheinlichkeit unterschätzen.

Das wäre dann so, als würden immer wieder nur die Top-Bestseller empfohlen werden. Um hier gegenzusteuern, verwendet Amazon ML-basierte Systeme und diese ermöglichen dann eine kontinuierliche Reaktion auf sich verändernde Kundenpräferenzen. „Freunde klassischer Literatur bekommen so erst dann Empfehlungen für neue Liebesromane, wenn sie auch woanders Interesse für romantische Literatur gezeigt haben“, skizziert Amazon-Experte Gonzalez.

Geeignete Formate zur sinnvollen Kunden-Ansprache
Die Ermittlung der wichtigsten Prime-Vorteile, die Nutzern präsentiert werden sollen, ist jedoch nur der erste Schritt. Amazon Prime setzt auch auf weiterentwickelte ML-Algorithmen, die in der Cloud von Amazon Web Services laufen und die zeigen dann, welche Formate Kunden am ehesten ansprechen. Die Hinweise bestehen aus mehreren Komponenten, in der Regel aus einer Überschrift, einem Text und einem Bild.

Diese Empfehlungen können aber auch andere Elemente wie etwa Kundenrezensionen enthalten. Die Komplexität aller möglichen Formate würde aber die klassischen A/B-Tests sprengen und so werden nur bestimmte Kombinationen getestet und Layouts extrahiert, die dann final den Kunden präsentiert werden. So kann das System aufgrund bisheriger Erfahrungen das Layout wählen, das, aller Wahrscheinlichkeit nach, dem größten Kundennutzen entspricht.

Auch Unternehmen profitieren von Amazons Erfahrungswerten
Amazons Investitionen in moderne Machine Learning (ML) Methoden kommen nicht nur der Handelsplattform und ihren Händlerpartnern zugute. Das Cloud-Angebot von Amazon Web Services umfasst neben ML-optimierten Servern und -Prozessoren auch Dienste wie SageMaker, einer Art Werkbank für Datenwissenschaftler sowie fertig nutzbare Dienste für das Berichtswesen oder Produktempfehlungen.

„Viele Unternehmen aus Handel oder E-Commerce nutzen den Amazon Personalize Service, der Produktempfehlungen, personalisiertes Ranking und maßgeschneidertes Direktmarketing ermöglichen, ohne dass man diese Verfahren von Grund auf lernen oder aufbauen muss“, sagt Antje Barth, Principal Developer Advocate bei AWS.

Weiterentwicklung durch wissenschaftliche Modelle
Um die Kundenempfehlungen, aber auch Amazon Prime als Ganzes laufend weiter zu entwickeln, arbeiten wissenschaftliche Teams mit Produktmanagern sowie Software- und Dateningenieuren zusammen. Prime-Mitglieder treffen oft „dynamische“ Entscheidungen und es gilt, jene Vorteile zu finden, die Mitglieder zu einer bestimmten Wahl veranlassen. Der Prime-Versand könnte ausschlaggebend für die Verlängerung einer Mitgliedschaft sein oder aber Prime-Video.

„Wir kombinieren neue Techniken des Inverse Reinforcement Learning mit Annahmen aus der strukturellen Ökonometrie. Und damit Wissenschaftler sich ganz auf ihre Forschung konzentrieren können, beinhaltet Amazon SageMaker alle nötigen Werkzeuge, von der Daten-Aufbereitung über das Training und Bereitstellen bis zum Monitoring in der Produktion in einer einheitlichen Oberfläche“, unterstreicht Gonzalez von AWS. „Damit kann Amazon als Online-Händler die sich ständig ändernden Bedürfnisse unserer KundInnen immer besser erfüllen“.

Links

red/czaak, Economy Ausgabe Webartikel, 18.02.2022