Gemini

In einer Zeit, die durch rasante technologische Fortschritte und immer komplexere soziotechnische Systeme gekennzeichnet ist, insbesondere im Hinblick auf die auf künstlicher Intelligenz (KI) basierende E-Commerce-Optimierung, war die Nachfrage nach einer umfassenden Methode zur Lösung von Problemen, die sich aus dem mangelnden Vertrauen in KI-Software-Systeme ergeben könnten, noch nie so groß wie heute. Das Systemdenken bietet einen robusten Rahmen für das Verständnis der komplexen Beziehungen zwischen den verschiedenen Komponenten eines Systems, was es in der heutigen digitalen und KI-basierten Softwarelandschaft besonders relevant macht. Gleichzeitig befindet sich der E-Commerce-Sektor im Umbruch, angetrieben von Fortschritten in der KI und der Datenanalytik, die auf rechtlichen Änderungen in Bezug auf die Allgemeine Datenschutzverordnung (GDPR) und das kommende EU-KI-Gesetz beruhen. Wir erforschen die Synergien zwischen KI-basiertem E-Commerce und Systemdenken, indem wir das AI-DATA-Modell vorstellen, einen menschenzentrierten Ansatz zur Optimierung der Customer Journey im Rahmen einer E-Commerce-Marketingstrategie auf der Grundlage von vertrauenswürdiger KI. AI-DATA ist ein Phasenmodell, das aus Awareness, Interest, Desire, Action, Trust und Again besteht und eine Erweiterung des AIDA-Modells darstellt, das auch den Kundenpfad berücksichtigt, der Aktivitäten nach Abschluss einer Transaktion und einen Zyklus von Wiederholungskunden beinhaltet

In dem Bestreben, Systeme zu verbessern, ist das Verständnis des Benutzerverhaltens ein entscheidender Schritt, um optimale Ergebnisse zu erzielen. Eine Technik, die dabei hilft, das Nutzerverhalten zu verstehen, ist das Process Mining, bei dem die Ereignisprotokolle eines Systems analysiert werden. Die Genauigkeit der Process Mining-Ergebnisse kann jedoch durch große Datenmengen oder sehr unstrukturierte Prozesse beeinträchtigt werden, was zu Verwirrung und Schwierigkeiten bei der Interpretation führt. Um diese Herausforderung zu überwinden, gibt es Vorverarbeitungstechniken, die die resultierenden Prozesslandkarten verbessern. In dieser Arbeit wird eine Vorverarbeitungsmethode vorgeschlagen, die eine Ereignishierarchie verwendet, um eine bereinigte Prozesskarte zu erstellen, die leichter zu interpretieren ist. Bei der vorgeschlagenen Methode werden die Ereignisprotokolle analysiert und eine hierarchische Struktur der Ereignisse erstellt. Diese Hierarchie ermöglicht die Identifizierung relevanter Ereignisse und ihrer entsprechenden Abhängigkeiten, was wiederum die Extraktion nützlicher Prozessinformationen ermöglicht. Diese Vorverarbeitungsmethode wurde an Ereignisdaten einer Online-Zeitung getestet und hat vielversprechende Ergebnisse bei der Verbesserung der Lesbarkeit der resultierenden Prozesslandkarten gezeigt. Durch die Verwendung einer Ereignishierarchie können relevante Informationen aus großen Datenmengen und unstrukturierten Prozessen extrahiert werden, was zu klareren Prozesslandkarten führt, die das Verständnis des Nutzerverhaltens unterstützen.

In diesem Beitrag wird ein auf Ontologie und Process Mining basierendes System vorgestellt, das semantische Technologien für gezielte Marketingstrategievorschläge im E-Commerce einsetzt. Der vorgeschlagene Ansatz nutzt Ontologien als Wissensrepräsentationsformalismus, um das Domänenwissen, die Produktbeschreibungen und die Website-Texte im E-Commerce-Bereich zu erfassen. Die Ontologie wird mit relevanten Attributen und entsprechenden Werten befüllt, was eine strukturierte und standardisierte Darstellung von Benutzern und Inhalten ermöglicht. Um gezielte Marketingstrategien vorzuschlagen, setzt das System Techniken zur Berechnung von Interesse und Intensität ein, die das Konzept der Scrolltiefe und andere nutzen, um das Interesse an verschiedenen Inhalten und Kundenpräferenzen zu messen. Mit Process-Mining-Techniken werden Momente der Wahrheit entlang der Customer Journey und glückliche Wege, die ein Kunde normalerweise durchläuft, identifiziert. Sobald die Ontologie mit den Ergebnissen des Process Mining kombiniert wird, kann ermittelt werden, in welcher Phase der Customer Journey sich ein Nutzer befindet, und es kann bestimmt werden, welche Marketingmaßnahmen er ergreifen muss, um in die nächste Phase eines Marketingmodells zu gelangen. Insgesamt ist der vorgeschlagene Ansatz ein vielversprechender Ansatz, um die Herausforderungen von personalisierten E-Commerce-Marketing-Strategievorschlägen zu bewältigen, indem ontologiebasierte Wissensrepräsentation und Intensitätsberechnungstechniken eingesetzt werden. Das System hat das Potenzial, personalisierte und zielgerichtete Marketingstrategien für E-Commerce-Unternehmen bereitzustellen, was zu einer erhöhten Kundenbindung, Loyalität und Umsätzen führt.