Algorithmus

Der wissenschaftlich entwickelte Algorithmus

Zusammen mit dem Institut für Angewandte Simulation der ZHAW und der HSG St. Gallen hat dayzzi einen Algorithmus entwickelt, der mittels Fachwissen aus den unzähligen Möglichkeiten die besten Werbeartikel empfehlen kann. Dafür wurden dem System die Zusammenhänge zwischen den Anforderungen der Kunden und den Eigenschaften der Artikel beigebracht. Dadurch ist dayzzi in der Lage, für jedes Projekt, jedes Unternehmen und jede Zielgruppe, den richtigen Werbeartikel zu finden. Um diesen Anforderungen gerecht zu werden, musste ein Algorithmus entwickelt werden, der sowohl mit den großen Datenmengen der Artikel und Firmenprofile umgehen als auch aus vergleichbar wenig Transaktionsdaten genug Informationen ziehen kann.

Um die Ressourcen von Käufern und Händlern zu schonen, wurde eine Software entwickelt, die Zusammenhänge zwischen Anforderungen der Kunden und den Eigenschaften der Artikel erfasst. Dieses Expertensystem im B2B – Umfeld ist in der Lage,für jedes Projekt, jede Kampagne den optimalen Werbeartikel zu finden. Sowohl auf der Verkäufer – wie auch auf der Käuferseite steht eine Firma, welche bei Kaufmengen bis zu 10.000 Stück eines Artikels darauf angewiesen ist, dass dieser Artikel sowohl auf die Käuferfirma als auch auf die Kampagne und die Zielgruppe passgenau zugeschnitten ist. Um diese Anforderungen gerecht zu werden, musste ein Algorithmus entwickelt werden, der sowohl mit den großen Datenmengen der Artikel und Firmenprofile umgehen als auch vergleichbar wenige Transaktionsdaten genug Information ziehen kann.


Wie funktioniert der dayzzi Algorithmus?

Im Herzen des Algorithmus befindet sich ein Bayes’sches Netz, welches die Kausalstruktur des Empfehlungsprozesses abbildet. Anders als bei herkömmlichen Algorithmen werden hier die jeweiligen Inputgrößen mit Wahrscheinlichkeiten gewichtet. Aus diesen wird eine Wahrscheinlichkeitsverteilung über alle Artikel im Sortiment errechnet, die dann zu geeigneten Empfehlungen führt. Um den Algorithmus lernfähig zu machen, wurde in Form eines selbstlernenden neuronalen Netzes auf eine Technik aus der bio-inspired computation zurückgegriffen. Der so entstandene Algorithmus kann sich an jedes einzelne Käuferprofil und an die ändernden Trends und Geschmäcker anpassen und lernt durch die einzelnen Transaktionen, seine Empfehlungen zu verbessern.