E-Commerce & Infobusiness

Erstes Interest-Graph-Netzwerk

Fast 10.000 Nutzer mit KI über ihre Interessen verbunden.

Fast 10.000 Nutzer entdeckten über das Netzwerk Inhalte und Menschen mit ähnlichen Interessen, ohne gezielt danach suchen zu müssen. Die Engine wurde anschließend weitergegeben.

Nutzer über ihre Interessen verbunden
~10.000
Nutzer über ihre Interessen verbunden
Abstrakte Datenströme

Überblick

01 · Problem

Relevante Inhalte und Kontakte waren ohne klare Suchanfrage schwer zu entdecken.

02 · Ansatz

Ein Interessenmodell ordnete Inhalte und Nutzer zueinander.

03 · Ergebnis

Das Netzwerk erreichte fast 10.000 Nutzer; passende Inhalte und Kontakte wurden leichter entdeckbar.

Ähnlichen Engpass besprechen →

Vorher / Nachher

Was sich im Betrieb verändert hat.

EntdeckenVorhernur mit klarer SuchanfrageNachherVorschläge nach thematischer Nähe
KontakteVorherzufälligNachherMenschen mit ähnlichen Interessen
ReichweiteVorherneues ProduktNachherfast 10.000 Nutzer bei Übergabe

E-Commerce & Infobusiness

Semantische Inhalte und Kontakte verbinden

Ausgangslage

Für ein neues digitales Produkt sollten Menschen relevante Inhalte und Kontakte finden, ohne dass sie genau wissen, wonach sie suchen.

Wie funktionieren interessenbasierte Inhaltsempfehlungen?

Im Zuge des Projekts entstanden ein frühes KI-basiertes Interest-Graph-Netzwerk und ein anonym nutzbarer Interessenraum. Die Plattform erkennt thematische Nähe zwischen besuchten Inhalten und schlägt weitere Websites sowie Kontakte mit ähnlichen Interessen vor.

Vor der Weitergabe der Engine erreichte das Netzwerk fast 10.000 Nutzer.

Steckbrief

Hebel und Leistungen.

Dieser Fall ist keinem der fünf Hebel eindeutig zugeordnet; maßgeblich sind Lösungsart und Branche.

Leistungen
StrategieUmsetzung

Ergebnis

Ergebnis und Einordnung.

Nutzer über ihre Interessen verbunden
~10.000
Nutzer über ihre Interessen verbunden

Fast 10.000 Nutzer entdeckten über das Netzwerk Inhalte und Menschen mit ähnlichen Interessen, ohne gezielt danach suchen zu müssen. Die Engine wurde anschließend weitergegeben.

Was Unternehmer daraus ableiten können

Empfehlungen funktionieren auch ohne Kaufhistorie, wenn das System versteht, worum es in Inhalten geht.

Ein Mechanismus, kein Ergebnisversprechen: Die Wirkung hängt von Ihrem Ausgangsprozess ab.

Daraus für Sie

Bausteine aus diesem Fall.

Aus diesem Projekt sind Anwendungsfälle entstanden, die wir heute in anderen Unternehmen einsetzen, angepasst an deren Abläufe.

Häufige Fragen

Fragen zu diesem Fall.

Ihre Frage ist nicht dabei? Im Erstgespräch nehmen wir uns 30 Minuten für Ihr konkretes Thema.

Sie wurde weitergegeben. Bis dahin hatte das Netzwerk fast 10.000 Nutzer erreicht.

Fast 10.000 Nutzer entdeckten über das Netzwerk Inhalte und Menschen mit ähnlichen Interessen, ohne gezielt danach suchen zu müssen. Die Engine wurde anschließend weitergegeben.

Das Prinzip ja, die Umsetzung nie eins zu eins. Empfehlungen funktionieren auch ohne Kaufhistorie, wenn das System versteht, worum es in Inhalten geht. Im Erstgespräch prüfen wir, welcher Teil davon bei Ihnen den größten Hebel hat.

Weitere Case Studies

Alle Case Studies →

Sollen Kunden finden, wonach sie nicht suchen?

Im kostenlosen Erstgespräch schauen wir auf Ihren Ablauf, zeigen ein vergleichbares Projekt und ordnen ein, wo der größte Hebel liegt.

Kostenlos · 20 Minuten · online

Ihr nächster Schritt

Empfehlungslogik besprechen →Erst den Digital-Checkup machen →