Personalisierung ohne personenbezogene Daten
By Autor In Allgemein On 19. Mai 2021
Bieten Sie jedem Besucher Ihrer umfangreichen Website ein auf ihn zugeschnittenes Angebot? Falls nicht, wird es aus Vertriebs- und Marketingsicht höchste Zeit.
Statt allen Kunden ohne Unterscheidung dieselben Informationen oder Angebote anzuzeigen, ist es zielführender, jedem Kunden maßgeschneiderte, also personalisierte Inhalte zur Verfügung zu stellen. Und das Beste: Dies funktioniert auch ohne das Sammeln von persönlichen Daten der Nutzer, was vor dem Hintergrund des Datenschutzes zunehmend schwerer wird.
Optimierte Website für jeden User
Microsoft bietet mit der Azure-Personalisierung einen cloudbasierten Dienst, der dem Benutzer die für ihn am besten geeigneten Inhalte anzeigen kann. Mit diesem Dienst kann ermittelt werden, welches Produkt einem Anwender oder einem Kunden vorgeschlagen werden soll, oder wo sich die optimale Position für den Inhalt auf einer Webseite befinden soll.
Das Besondere: Es werden keine Informationen zum Benutzerprofil gespeichert oder verwaltet. Ebenso werden keine Einstellungen der Benutzer oder der Verlauf einzelner Benutzer protokolliert.
Interaktion den Users ist ausschlaggebend
Die Azure-Personalisierung überwacht in der Anwendung lediglich die Reaktion des Benutzers und gibt eine sogenannte „Relevanzbewertung“ an den Personalisierungsdienst zurück. Das heißt, je länger ein Benutzer auf einer Seite oder auf dem ausgewählten Element verbleibt oder je weiter nach unten gescrollt wird, um so positiver wird die Platzierung des ausgewählten Inhalts bewertet. Wird ein Element kaum oder gar nicht verwendet, erhält es intern eine geringe Bewertung, wird als nicht relevant eingestuft und erscheint weniger häufig oder weiter unten auf der Webseite.
Kontinuierliche Verbesserung der Personalisierung
Auf diese Weise wird lediglich die Verwendung einzelner Elemente einer Webseite gemessen und intern bewertet. Hierbei wird ein sogenannter „Reinforcement Learning Algorithmus“ verwendet. Er trainiert laufend ein Machine Learning Modell, das durch die intern erhaltenen positiven oder negativen Bewertungen kontinuierlich verbessert wird. So kann die Personalisierung zur Platzierung des besten Inhaltselements fortlaufend auf der Grundlage der bisher benutzten Elemente der Webseite wie Nachrichtenartikel, Filme oder Produkte eines Webshops erfolgen, ohne personenbezogene Daten zu speichern. Das kann beispielsweise hier ausprobiert werden.
Aus den drei Auswahlmöglichkeiten (Workweek/weekend), (p.m./a.m.) und (Rainy,Cloudy,Sunny) wird dann ein personalisierter Beitrag ausgewählt. Danach wird die Zeit gemessen, wie weit nach unten gescrollt wird und daraus eine „Belohnung“ (Reward) errechnet, den sich das Programm merkt. Nach mehreren Wiederholungen der Auswahl eines Beitrags erhält man nur noch die Beiträge, in denen zuvor weit nach unten gescrollt wurde.
Reinforcement Learning wird auch in vielen anderen Bereichen eingesetzt, in denen keine großen Datenmengen zum Trainieren von KI-Modellen vorliegen, sondern die notwendigen Daten erst erstellt werden müssen. Bei der Steuerung von Verkehrsampeln, die nicht nach einem festen Zeitplan umschalten sollen wurde dies bereits im Jahr 2009 erprobt. Google steuert die Klimaanlagen seiner Rechenzentren nach diesem Verfahren.
Auch wenn Sie nicht dermaßen komplexe Aufgabenstellungen haben, ist die Azure Personalisierung ein hilfreiches Werkzeug, mit dem aus einer Vielzahl von Elementen die relevantesten herausgesucht und auf einer Webseite dargestellt werden können. Dies kann mit überschaubarem Aufwand in bestehende Anwendungen integriert werden.
Alle Produktnamen sind geschützte Marken und Markennamen der jeweiligen Hersteller.