ERSTELLEN EINER EMPFEHLUNG

Abstract

 Die Erfindung betrifft die Erstellung einer Empfehlung, wobei folgende Schritte ausgeführt werden:
Bestimmen aus einer vorbestimmten Menge von Produkten (1) mindestens eines Produktes (1) mittels eines Modells (19), welches in einer ersten Datenbank (4) gespeichert ist.
Erstellen der Empfehlung anhand des mindestens einen Produkts. Die Erstellung der ersten Empfehlung erfolgt dabei vor dem ersten Kauf eines Produktes, welcher unter Verwendung der ersten Datenbank durchgeführt wird.
Dabei umfasst das Verfahren vor der Erstellung einer ersten Empfehlung folgende Schritte:
Erfassen von ersten Informationen aus einer zweiten Datenbank (5), welche eine Verkaufshistorie umfassen, die beschreibt, welche Kunden welche Produkte (1) gekauft haben.
Erfassen von zweiten Informationen aus einer dritten kundenspezifischen Datenbank (6), wobei die zweiten Informationen den jeweiligen Kunden beschreiben und zumindest eine Branche, in welcher der Kunde arbeitet, umfassen
Erstellen des Modells (19) ausgehend von den ersten Informationen und den zweiten Informationen.

Beschreibung

[0001] Die vorliegende Erfindung betrifft die Erstellung einer Empfehlung für einen Kunden bezüglich eines oder mehrerer bestimmter Produkte.

[0002] Eine Empfehlung (insbesondere eine Kauf-Empfehlung) wird im Allgemeinen durch einen Empfehlungsdienst ("Recommender System") erzeugt. Unter einem Empfehlungsdienst wird dabei ein Softwaresystem verstanden, welches quantifiziert, wie stark das Interesse eines Benutzers bzw. Kunden an einem bestimmten Produkt ist. Empfehlungsdienste stehen dabei in sehr enger Beziehung zu IT-Plattformen, welche Produkte zur Auswahl anbieten, wie zum Beispiel Online-Shops oder Online-Video-Portale.

[0003] Bevor ein Empfehlungsdienst für beispielsweise einen Online-Shop erstmalig in Betrieb genommen wird, müssen in einer ersten Phase ausreichend viele Daten über die Einkaufsaktivitäten der Kunden gesammelt werden, um abhängig davon ein Modell zu trainieren, um anhand dieses Modells schließlich eine Empfehlung erzeugen zu können. Daher ist ein Online-Shop nachteiligerweise erst nach einer gewissen Zeitspanne, in welcher über den Online-Shop schon Produkte verkauft werden, in der Lage, die erste Empfehlung zu erzeugen. Diese erste Phase oder diese Zeitspanne ist auch als "Cold Start" bekannt.

[0004] Ein weiteres Problem beim Erzeugen einer Empfehlung für beispielsweise einen Online-Shop ist, dass es schwer ist, eine gute Empfehlung ausschließlich anhand der vorherigen Einkaufsaktivitäten der Kunden zu erzeugen. Wenn beispielsweise für einen neuen Kunden eine Empfehlung zu erzeugen ist, stoßen Verfahren, welche die Empfehlung ausschließlich anhand der vorigen Einkaufsaktivitäten der Kunden erzeugen, an ihre Grenzen.

[0005] Daher stellt sich die vorliegende Erfindung die Aufgabe, diese beiden vorab geschilderten Probleme zu lösen.

[0006] Erfindungsgemäß wird diese Aufgabe durch ein Verfahren zum Erstellen einer Empfehlung nach Anspruch 1, durch ein System nach Anspruch 8, durch ein Computerprogrammprodukt nach Anspruch 10 und durch einen elektronisch lesbaren Datenträger nach Anspruch 11 gelöst. Die abhängigen Ansprüche definieren bevorzugte und vorteilhafte Ausführungsformen der vorliegenden Erfindung.

[0007] Im Rahmen der vorliegenden Erfindung wird ein Verfahren zum Erstellen einer Empfehlung (insbesondere einer Empfehlung (Kauf-Empfehlung) zum Kauf eines Produkts) bereitgestellt. Dieses Verfahren umfasst folgende Schritte:

• Bestimmen eines oder mehrerer Produkte aus einer vorbestimmten Menge von Produkten mittels eines Modells, welches in einer ersten Datenbank abgespeichert ist. Das Bestimmen des oder der Produkte kann dabei auch unabhängig vom Kunden erfolgen, was beispielsweise der Fall ist, wenn sich der Kunde nicht in das entsprechende System eingeloggt hat.
• Erstellen der Empfehlung mit dem oder den Produkten. In diesem Schritt werden einem Kunden die in dem vorherigen Schritt bestimmten Produkte in Form der Empfehlung angeboten. Dabei erfolgt die Erstellung der ersten Empfehlung vor dem ersten Kauf eines Produktes, welcher unter Verwendung der ersten Datenbank durchgeführt wird. Da das Modell anhand der ersten und zweiten Informationen erstellt wird, kann die Empfehlung bereits vor dem ersten Kauf eines Produkts, welcher mit Hilfe des erfindungsgemäßen Verfahrens durchgeführt wird, erzeugt werden.

[0008] Erfindungsgemäß umfasst das Verfahren folgende Schritte, welche zur Erstellung des Modells durchgeführt werden, bevor mit Hilfe des Modells die erste Empfehlung erzeugt wird.

• Erfassen von ersten Informationen aus einer zweiten Datenbank, in welcher eine Verkaufshistorie gespeichert ist, die beschreibt, welche Kunden welche Produkte gekauft haben. Diese Verkaufshistorie stammt insbesondere nicht aus der aktuellen Online-Aktivität des oder der Kunden. Stattdessen wurde diese Verkaufshistorie insbesondere mit historischen Daten aus ERP-Systemen ("Enterprise Resource Planning"), beispielsweise SAP-Systemen, erzeugt. Diese globale Verkaufshistorie umfasst insbesondere für alle Kunden alle Produkte (aus der vorbestimmten Menge), welche von diesen Kunden in den letzten Jahren gekauft wurden. Diese Verkaufshistorie wurde insbesondere erzeugt, bevor das erfindungsgemäße Verfahren zum Erstellen der Empfehlung zum ersten Mal gestartet wird und damit bevor das Modell des erfindungsgemäßen Verfahrens erstellt wird.
• Erfassen von zweiten Informationen aus einer dritten kundenspezifischen Datenbank. Dabei beschreiben die zweiten Informationen den jeweiligen Kunden und umfassen zumindest die Branche, in welcher der Kunde arbeitet.
• Erstellen des Modells abhängig von den ersten Informationen und den zweiten Informationen. In diesem Schritt wird das Modell ausgehend von den ersten und zweiten Informationen erstellt. Dazu kann das Modell beispielsweise anhand der ersten und der zweiten Informationen trainiert werden.

[0009] Erfindungsgemäß wird demnach das Modell erstellt, bevor beispielsweise ein Online-Shop, welcher das erfindungsgemäße Verfahren zum Erstellen einer Empfehlung und damit das Modell einsetzt, aktiv geschaltet wird (d.h. Kunden über den Online-Shop Produkte kaufen können). Daher löst die vorliegende Erfindung das vorab geschilderte Problem des Cold-Starts.

[0010] Darüber hinaus erzeugt das erfindungsgemäße Verfahren seine Empfehlung nicht nur anhand einer Verkaufshistorie, in welcher gespeichert ist, welcher Kunde welche Produkte gekauft hat. Da das Modell erfindungsgemäß auch abhängig von den zweiten Informationen erstellt wird, mit welchen der jeweilige Kunde beschrieben wird und welche zumindest die Branche, in welcher der Kunde arbeitet, umfassen, wird die Empfehlung quasi zusätzlich unter Verwendung von CRM-Daten ("Customer Relationship Management"-Daten) erzeugt. Dadurch löst die vorliegende Erfindung das zweite vorab geschilderte Problem ebenfalls.

[0011] Erfindungsgemäß kann das mindestens eine Produkt, anhand welchem dann die Empfehlung erstellt wird, auch abhängig von einem oder von mehreren ausgewählten Produkten bestimmt werden, welche aus der vorbestimmten Menge aktuell ausgewählt wurden. Dabei kann ein ausgewähltes Produkt auch einem gekauften Produkt entsprechen. In diesem Fall wird quasi die Empfehlung für ein weiteres Produkt abhängig von dem (aktuell) gekauften Produkt erstellt.

[0012] Gemäß dieser Ausführungsform kann die Empfehlung abhängig von dem mindestens einen Produkt erstellt werden, welches vorher ausgewählt und beispielsweise in einen Warenkorb eingefügt wurde. Diese Ausführungsform benötigt die genaue Kenntnis des Kunden nicht unbedingt, da ein Kunde einen Warenkorb füllen kann, bevor er sich einloggt und damit dem Verfahren hinsichtlich all seiner Kundenattribute zu erkennen gibt.

[0013] Insbesondere kann das erfindungsgemäße Verfahren auch den Schritt eines Erfassens eines Kunden umfassen. In diesem Schritt wird quasi der Kunde erfasst, für welchen die Empfehlung zu erzeugen ist. Dann kann der Schritt des Bestimmens des mindestens einen Produkts umfassen, dass mittels des Modells abhängig von dem nun bekannten Kunden das mindestens eine Produkt bestimmt wird.

[0014] Bei Kenntnis des Kunden kann die Empfehlung mit Hilfe des Modells vorteilhafterweise genauer auf den Kunden zugeschnitten werden, als wenn der Kunde nicht bekannt ist.

[0015] Gemäß einer erfindungsgemäßen Ausführungsform werden individuelle zweite Informationen des Kunden ermittelt, indem beispielsweise bei Kenntnis des Kunden diese kundenspezifischen Daten für den Kunden ermittelt werden. Der Schritt des Bestimmens des mindestens einen Produkts umfasst dann, dass das mindestens eine Produkt abhängig von diesen individuellen zweiten Informationen des Kunden bestimmt wird.

[0016] Indem die Empfehlung anhand von Kundenattributen oder individuellen zweiten Informationen des Kunden erstellt wird, kann die Empfehlung vorteilhafterweise genauer an den individuellen Kunden angepasst werden.

[0017] Gemäß einer weiteren erfindungsgemäßen Ausführungsform werden zuletzt von dem Kunden gekaufte Produkte ermittelt. Bei dieser Ausführungsform umfasst der Schritt des Bestimmens des mindestens einen Produkts, dass mittels des Modells abhängig von diesen zuletzt von dem Kunden gekauften Produkten das mindestens eine Produkt bestimmt wird.

[0018] Die zuletzt (d.h. innerhalb einer vorbestimmten Zeitspanne von beispielsweise einigen Tagen oder einigen Wochen) von dem Kunden gekauften Produkte können dabei anhand der in der zweiten Datenbank gespeicherten Verkaufshistorie ermittelt werden. Es ist allerdings auch möglich, dass diese zuletzt von dem Kunden gekauften Produkte einer weiteren Verkaufshistorie entnommen werden, da es sich beispielsweise um Produkte handelt, welche mit einem erfindungsgemäßen System gekauft wurden, das zur Durchführung des erfindungsgemäßen Verfahrens zum Erstellen einer Empfehlung ausgestaltet ist.

[0019] Erfindungsgemäß kann das Modell gemäß einer ersten Variante derart ausgestaltet sein, dass dem Modell als Eingabe der Kunde, ausgewählte Produkte oder die zuletzt gekauften Produkte eingegeben werden, wobei das Modell dann abhängig davon das mindestens eine Produkt bestimmt, was dann die Empfehlung ausmacht. Es ist allerdings gemäß einer zweiten Variante auch möglich, dass aus diesen Eingaben (Kunde, ausgewählte Produkte, zuletzt gekaufte Produkte) Informationen extrahiert werden, welche dann dem Modell als Eingabe eingegeben werden, so dass das Modell abhängig von diesen extrahierten Informationen das mindestens eine Produkt bestimmt, was dann die Empfehlung ausmacht. Bei dieser zweiten Variante werden beispielsweise aus dem individuellen Kunden die kundenspezifischen Daten oder individuellen zweiten Informationen extrahiert, welche dann dem Modell eingegeben werden. Aus einem ausgewählten oder zuletzt gekauften Produkt können bei dieser zweiten Variante beispielsweise der Produkttyp oder eine Produktnummer extrahiert werden, welche(r) dann dem Modell eingegeben wird.

[0020] Neben der Branche können die zweiten Informationen, welche den jeweiligen Kunden beschreiben, weiter umfassen:

• Das Geschlecht des Kunden.
• Eine Größe der Firma, für die der Kunde arbeitet. Dabei kann die Größe z.B. anhand der Marktkapitalisierung oder Anzahl der Mitarbeiter beschrieben sein.
• Einen Standort, an welchem sich die Firma, für welche der Kunde arbeitet, befindet. Aus dem Standort (z.B. München) kann auch eine allgemeinere regionale Information, wie beispielsweise Deutschland, abgeleitet werden, welche dann die entsprechende zweite Information bildet. Auf der anderen Seite kann anhand eines Standorts auch eine Zusatzinformation abgeleitet werden, welche dann die zweite Information bildet. Diese Zusatzinformation kann beispielsweise den Arbeitgeber und damit die Branche des Kunden angeben, wenn sich der Standort beispielsweise in unmittelbarer Nähe eines Firmengeländes befindet.

• Einen Umsatz, welchen die Firma, für welche der Kunde arbeitet, in einer zurückliegenden Zeitspanne (z.B. im letzten Jahr) gemacht hat.
• Eine Rolle, welche der Kunde als Mitarbeiter der Firma spielt.

[0021] Anhand der vorab aufgelisteten zweiten Informationen können Kundenattribute, welche den Kunden beschreiben, genauer erfasst werden. Mit Hilfe der genaueren Kundenattribute kann dann vorteilhafterweise auch die Empfehlung für den jeweiligen Kunden genauer erstellt werden.

[0022] Gemäß einer weiteren erfindungsgemäßen Ausführungsform kann das Modell durch einen Kauf eines Produktes von einem Kunden aktualisiert werden. Dabei kann der Kauf des Produktes beispielsweise abhängig von einer vorab erfindungsgemäß erstellten Empfehlung erfolgen. Die Aktualisierung des Modells kann dabei periodisch (beispielsweise nur bei jedem x-ten Kauf (x > 10) oder nach x Tagen bzw. Wochen) durchgeführt werden.

[0023] Indem das Modell anhand aktueller Käufe weiter aktualisiert wird, ist vorteilhafterweise gewährleistet, dass die erfindungsgemäße Erstellung der Empfehlung beispielsweise auch aktuelle Änderungen der Wünsche oder Vorlieben eines Kunden berücksichtigt.

[0024] Das erfindungsgemäße Verfahren kann eine Reihe von Techniken aus dem Bereich des maschinellen Lernens einsetzen, welche zur Quantifizierung und damit zum Erzeugen passender Empfehlungen verwendet werden können und welche unter dem Schlagwort kollaboratives Filtern zusammengefasst werden.

[0025] Beim kollaborativen Filtern ("Collaborative Filtering") werden Verhaltensmuster aus einer Gesamtmenge von Kunden und Produkten extrahiert, um dadurch auf das Interesse eines bestimmten Kunden bezüglich eines Produktes schließen zu können. Dabei können einfache Ähnlichkeitsmatrizen eingesetzt werden, welche Ähnlichkeitsmaße, wie die Kosinus-Ähnlichkeit, den Pearson-Korrelationskoeffizienten oder den Jaccard-Index verwenden. Diese Ähnlichkeiten werden dabei paarweise angegeben. Mit Hilfe des kollaborativen Filterns oder abhängig von den Ähnlichkeitsmatrizen und Ähnlichkeitsmaßen kann erfindungsgemäß die Empfehlung erstellt werden.

[0026] Erfindungsgemäß kann zum Erstellen der Empfehlung auch eine höherwertige Logik eingesetzt werden, welche über paarweise Beziehungen hinausgeht. Um diese höherwertige Logik abzubilden, bedarf es komplexer Modelle, wie beispielsweise Bayesscher Netze. Ein Bayessches Netz ist ein gängiges Verfahren aus dem Gebiet des maschinellen Lernens, welches zur Berechnung von Eintrittswahrscheinlichkeiten von bestimmten Ereignissen genutzt werden kann. Diese Modelle kommen insbesondere dann zum Tragen, wenn die Eintrittswahrscheinlichkeit eines Ereignisses von vorausgehenden Ereignissen abhängt. Mit diesen Modellen, bei welchen eine Vielzahl von Knoten mittels Pfeilen miteinander verbunden ist, können komplexe Abhängigkeiten modelliert werden, die weit über eine rein paarweise Beziehung hinausgehen. Mit einem solchen Modell können erfindungsgemäß nicht nur Beziehungen zwischen Produkten modelliert werden, sondern es können beispielsweise auch die zweiten Informationen modelliert und damit zur Erstellung der Empfehlung eingesetzt werden.

[0027] Für die Erstellung eines solchen Modells oder für das Training eines solchen Modells (z.B. Bayesschen Netzes) muss eine Großzahl an Daten oder Informationen ausgewertet werden, damit die mit dem Modell modellierten Abhängigkeiten statistisch signifikant sind. Gerade wenn das Modell über paarweise Abhängigkeiten hinausgeht, gibt es aufgrund der kombinatorischen Vielzahl an möglichen Produktmengen einen dringenden Bedarf für eine gute Datenbasis. Da erfindungsgemäß das zum Erstellen der Empfehlung eingesetzte Modell anhand der Verkaufshistorie aus der zweiten Datenbank erstellt oder trainiert wird, kann vorteilhafterweise dieses Modell einem der vorab beschriebenen Modelle (z.B. einem Bayesschen Netz) entsprechen. Die Verkaufshistorie aus der zweiten Datenbank umfasst dabei vorteilhafterweise ausreichend viele Daten, um als die vorab beschriebene gute Datenbasis zu fungieren.

[0028] Durch den Einsatz des erfindungsgemäßen Verfahrens zum Erstellen der Empfehlung kann ein Empfehlungsdienst oder ein Online-Shop, welcher das erfindungsgemäße Verfahren einsetzt, sehr rasch produktiv eingesetzt werden. Während ein Empfehlungsdienst oder Online-Shop nach dem Stand der Technik erst anhand der aktuell durchgeführten Käufe von Produkten langsam sein Modell erstellt, ist ein Empfehlungsdienst oder Online-Shop, welcher das erfindungsgemäße Verfahren einsetzt, nach der raschen erfindungsgemäßen Erstellung des Modells vorteilhafterweise sofort einsetzbar. Da die in der zweiten Datenbank gespeicherte Verkaufshistorie, welche in der Regel aus einem ERP-System stammt, meist global und über mehrere Jahre vorliegt, müsste ein Empfehlungsdienst oder Online-Shop nach dem Stand der Technik dieselbe Anzahl von Jahren "warm laufen", bevor er dieselbe Performance bei der Erstellung einer Empfehlung aufweisen würde.

[0029] Die erfindungsgemäße Erstellung des Modells abhängig von den zweiten Informationen, was insbesondere zum Hinzufügen von Kundenattributen führt, steigert die Performance beim Erstellen der Empfehlung vorteilhafterweise weiter und erlaubt vor allem tiefere semantische Einblicke in das Kaufverhalten bestimmter Kundengruppen, welche durch die entsprechenden im Modell abgebildeten Abhängigkeiten ersichtlich werden.

[0030] Im Rahmen der vorliegenden Erfindung wird auch ein System zum Erstellen einer Empfehlung bereitgestellt. Dabei umfasst das System eine Steuereinrichtung und eine erste Datenbank. Darüber hinaus ist das System derart ausgestaltet, dass es mit einer zweiten und mit einer dritten Datenbank gekoppelt werden kann. Es ist auch denkbar, dass das System diese zweite und diese dritte Datenbank umfasst.
Das System ist ausgestaltet,
um mittels eines Modells, welches in der ersten Datenbank abgespeichert ist, aus einer vorbestimmten Menge von Produkten ein oder mehrere Produkte zu bestimmen, und
um anhand dieses oder dieser Produkte die Empfehlung zu erstellen, wobei die Erstellung der ersten Empfehlung vor dem ersten Kauf eines Produktes, welcher unter Verwendung der ersten Datenbank durchgeführt wird, erfolgt.
Darüber hinaus ist das System ausgestaltet, um vor der Erstellung einer ersten Kaufempfehlung folgende Tätigkeiten auszuführen:

• Erfassen erster Informationen aus der zweiten Datenbank. Dabei umfassen diese ersten Informationen eine Verkaufshistorie, welche beschreibt, welche Kunden welche Produkte gekauft haben.
• Erfassen zweiter Informationen aus der dritten kundenspezifischen Datenbank. Dabei beschreiben die zweiten Informationen den jeweiligen Kunden und umfassen zumindest eine Branche, in welcher der jeweilige Kunde arbeitet.
• Erstellen des Modells abhängig von den ersten und den zweiten Informationen.

[0031] Die Vorteile des erfindungsgemäßen Systems entsprechen im Wesentlichen den Vorteilen des erfindungsgemäßen Verfahrens, welche vorab im Detail ausgeführt sind, so dass hier auf eine Wiederholung verzichtet wird.

[0032] Des Weiteren beschreibt die vorliegende Erfindung ein Computerprogrammprodukt, insbesondere ein Computerprogramm oder eine Software, welche man in einen Speicher einer programmierbaren Steuerung bzw. einer Recheneinheit eines Systems laden kann. Mit diesem Computerprogrammprodukt können alle oder verschiedene vorab beschriebene Ausführungsformen des erfindungsgemäßen Verfahrens ausgeführt werden, wenn das Computerprogrammprodukt in der Steuerung oder Steuereinrichtung des Systems läuft. Dabei benötigt das Computerprogrammprodukt eventuell Programmmittel, z.B. Bibliotheken und Hilfsfunktionen, um die entsprechenden Ausführungsformen der Verfahren zu realisieren. Mit anderen Worten soll mit dem auf das Computerprogrammprodukt gerichteten Anspruch insbesondere ein Computerprogramm oder eine Software unter Schutz gestellt werden, mit welcher eine der oben beschriebenen Ausführungsformen des erfindungsgemäßen Verfahrens ausgeführt werden kann bzw. welche diese Ausführungsform ausführt. Dabei kann es sich bei der Software um einen Quellcode (z.B. C++), der noch kompiliert (übersetzt) und gebunden oder der nur interpretiert werden muss, oder um einen ausführbaren Softwarecode handeln, der zur Ausführung nur noch in die entsprechende Recheneinheit bzw. Steuereinrichtung zu laden ist.

[0033] Schließlich offenbart die vorliegende Erfindung einen elektronisch lesbaren Datenträger, z.B. eine DVD, ein Magnetband, eine Festplatte oder einen USB-Stick, auf welchem elektronisch lesbare Steuerinformationen, insbesondere Software (vgl. oben), gespeichert ist. Wenn diese Steuerinformationen (Software) von dem Datenträger gelesen und in eine Steuereinrichtung bzw. Recheneinheit eines Systems gespeichert werden, können alle erfindungsgemäßen Ausführungsformen des vorab beschriebenen Verfahrens durchgeführt werden.

[0034] Im Folgenden wird die vorliegende Erfindung mit Bezugnahme auf die beigefügten Figuren im Detail erläutert.

In Fig. 1

ist schematisch ein erfindungsgemäßes Modell dargestellt, mit dessen Hilfe eine Kauf-Empfehlung erstellt werden kann.

In Fig. 2

ist eine Architektur dargestellt, um erfindungsgemäß eine Kauf-Empfehlung zu erstellen.

In Fig. 3

ist schematisch ein erfindungsgemäßes System zum Erstellen einer Kauf-Empfehlung dargestellt.

In Fig. 4

ist der Flussplan eines erfindungsgemäßen Verfahrens zum Erstellen einer Kauf-Empfehlung dargestellt.

[0035] In Fig. 1 ist ein Bayessches Netz als erfindungsgemäßes Modell 19 zum Erzeugen einer Kauf-Empfehlung dargestellt.

[0036] Man erkennt, dass nicht nur Beziehungen 3 zwischen den Produkten 1, sondern auch zwischen den Produkten 1 und Kundenattributen 2 Beziehungen 3 modelliert sind. Eine Beziehung 3 bzw. ein Pfeil von einem Produkt 1 zu einem anderen Produkt 1 bedeutet dabei, dass für einen bestimmten Kunden, welcher beispielsweise das Produkt X2608 gekauft oder ausgewählt hat, die Kaufentscheidung für das Produkt X2607 oder das Produkt X5807 positiv oder negativ beeinflusst wird. Mit anderen Worten macht für einen bestimmten Kunden der Kauf des Produkts X2608 den Kauf des Produkts X2607 (oder X5807) wahrscheinlicher oder unwahrscheinlicher. Ein Pfeil zwischen einem Produkt 1 und den Kundenattributen 2 bedeutet, dass das entsprechende Produkt von einem Kunden mit diesen Kundenattributen 2 abhängig ist.

[0037] Unter einem kausalen Netz (z.B. Bayesschen Netz) wird die Gesamtheit aller Produkte 1 und Kundenattribute 2 zusammen mit allen Beziehungen 1 verstanden. Dabei werden die Kundendaten bzw. Kundenattribute 2 und die Produktkäufe bzw. Produkte 1 als Ereignisse behandelt. Da das Netz oder Modell 19 mit historischen ERP-Daten und Kundendaten trainiert oder erstellt wurde, können vorteilhafterweise auch Kauf-Empfehlungen für neue Kunden erstellt werden. Bei einem neuen Kunden ist keine Kaufhistorie vorhanden, so dass eine Kauf-Empfehlung für einen neuen Kunden quasi nur anhand der Kundenattribute 2 und gegebenenfalls anhand von Produkten in einem Warenkorb erstellt werden kann. Da das kausale Netz bzw. Modell 19 auch anhand der Kundendaten bzw. Kundenattribute 2 konditioniert worden ist, kann auch für neue Kunden eine Wahrscheinlichkeit für den Kauf bestimmter Produkte berechnet und damit eine entsprechende Kauf-Empfehlung erstellt werden.

[0038] Das in Fig. 1 dargestellte Modell 19 wurde erfindungsgemäß anhand einer beispielsweise aus einem ERP-System bekannten globalen Verkaufshistorie und anhand von in CRM-Daten enthaltenen Kundeninformationen erstellt.

[0039] In Fig. 2 ist eine der Erfindung zu Grunde liegende Architektur zur Erstellung einer Kauf-Empfehlung dargestellt. Ein anfängliches Training 8 erfolgt hauptsächlich über eine Kaufhistorie, welche in einer Datenbank 5 eines Speichers 7 für Verkaufsdaten hinterlegt ist. Anhand dieser Kaufhistorie wird erfindungsgemäß ein Modell erstellt oder trainiert, welches sich in einer anderen Datenbank 4 befindet. Produkte 1, welche zu einer Kauf-Empfehlung gehören, werden an bereits vom Kunden ausgewählte Produkte mit Hilfe dieses Modells angepasst, wie es mit Hilfe des Doppelpfeils 10 dargestellt ist. Das in der Datenbank 4 abgespeicherte Modell basiert ebenfalls auf Kundendaten, welche in einer weiteren Datenbank 6 abgespeichert sind. Daher erfolgt die Erstellung einer Kauf-Empfehlung neben der Abhängigkeit vom Kunden auch abhängig von der Kaufhistorie, von den Kundendaten und gegebenenfalls von bereits vom Kunden ausgewählten oder aktuell bzw. zuletzt gekauften Produkten.

[0040] In Fig. 3 ist ein erfindungsgemäßes System 20 zur Erstellung einer Kauf-Empfehlung dargestellt.

[0041] Das System 20 umfasst neben einer Steuereinrichtung 12 und einem Speicher 13 ein Terminal 11 mit einem Bildschirm 17, einer Tastatur 15 und einer Maus 16. In dem Speicher 13 befindet sich die Datenbank 4, in welcher sich wiederum das vorab beschriebene Modell 19 (siehe Fig. 1) befindet.

[0042] Zur Erstellung dieses Modells werden die in der Datenbank 5 abgespeicherte Kaufhistorie und die in der Datenbank 6 abgespeicherten Kundendaten (siehe Fig. 2) eingesetzt. Dazu wird das System 20 entweder derart mit dem Speicher 7 (siehe Fig. 2) gekoppelt, dass das System 20 auf die Datenbanken 5, 6 zugreifen kann. Oder das System 20 umfasst auch die beiden Datenbanken 5, 6, indem beispielsweise der Speicher 7 Teil des Systems 20 ist.

[0043] Auf der in Fig. 3 dargestellten DVD 14 ist eine Software gespeichert. Wenn diese Software von dem Datenträger 14 gelesen und beispielsweise in dem Speicher 13 gespeichert wird, kann dadurch das erfindungsgemäße Verfahren mittels der Steuereinrichtung 12 ausgeführt werden.

[0044] In Fig. 4 ist der Flussplan eines erfindungsgemäßen Verfahrens zur Erstellung einer Kauf-Empfehlung dargestellt.

[0045] Im Schritt S1 wird eine Kaufhistorie erfasst und im Schritt S2 werden Kundendaten erfasst. Anhand der Kaufhistorie und der Kundendaten wird im Schritt S3 ein Modell erstellt oder trainiert. Die Schritte S1 bis S3 werden dabei durchgeführt, bevor die erste Kauf-Empfehlung erfindungsgemäß erstellt wird und bevor ein Produkt insbesondere abhängig von einer erfindungsgemäß erstellten Kauf-Empfehlung gekauft wird.

[0046] Im Schritt S4 wird ein Kunde erfasst. Dieser Schritt S4 ist nicht unbedingt erforderlich, da das Bestimmen des mindestens einen Produkts (siehe S6 unten) auch unabhängig vom Kunden erfolgen kann. Im Schritt S5 wird ein oder werden mehrere von dem Kunden ausgewählte Produkte erfasst. Abhängig von den vom Kunden ausgewählten Produkten und abhängig vom Kunden selbst wird im folgenden Schritt S6 zumindest ein Produkt bestimmt. Das Bestimmen des mindestens einen Produkts in Schritt S6 kann dabei auch abhängig von den zuletzt vom Kunden gekauften Produkten erfolgen. Anhand dieses im vorherigen Schritt S6 bestimmten mindestens einen Produkts wird im Schritt S7 eine Kauf-Empfehlung mit dem mindestens einen vorherbestimmten Produkt erstellt.

[0047] Nach der Erstellung der Kauf-Empfehlung im Schritt S7 springt das erfindungsgemäße Verfahren zum Schritt S4 zurück, um die nächste Kauf-Empfehlung für denselben Kunden oder einen anderen Kunden zu erstellen.

Ansprüche

1. Verfahren zum Erstellen einer Empfehlung,
wobei das Verfahren folgende Schritte umfasst:

Bestimmen aus einer vorbestimmten Menge von Produkten (1) mindestens eines Produktes (1) mittels eines Modells (19), welches in einer ersten Datenbank (4) gespeichert ist, und

Erstellen der Empfehlung anhand des mindestens einen Produktes, wobei die erste Empfehlung vor einem ersten Kauf eines Produktes (1), welcher unter Verwendung der ersten Datenbank (4) durchgeführt wird, erstellt wird,

wobei das Verfahren vor der Erstellung einer ersten Empfehlung folgende Schritte umfasst:

Erfassen von ersten Informationen aus einer zweiten Datenbank (5), welche eine Verkaufshistorie umfassen, die beschreibt, welche Kunden welche Produkte (1) gekauft haben,

Erfassen von zweiten Informationen aus einer dritten kundenspezifischen Datenbank (6), wobei die zweiten Informationen den jeweiligen Kunden beschreiben und zumindest eine Branche, in welcher der Kunde arbeitet, umfassen, und

Erstellen des Modells (19) ausgehend von den ersten Informationen und den zweiten Informationen.

2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
dass das Bestimmen des mindestens einen Produkts (1) umfasst, dass mittels des Modells (19) abhängig von mindestens einem ausgewählten Produkt (1), welches aus der vorbestimmten Menge aktuell ausgewählt wurde, das mindestens eine Produkt (1) bestimmt wird.

3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
dass das Verfahren zusätzlich ein Erfassen eines Kunden umfasst, und
dass das Bestimmen des mindestens einen Produkts (1) umfasst, dass mittels des Modells (19) abhängig von dem Kunden das mindestens eine Produkt (1) bestimmt wird.

4. Verfahren nach Anspruch 3,
dadurch gekennzeichnet,
dass individuelle zweite Informationen des Kunden ermittelt werden, und
dass das Bestimmen des mindestens einen Produkts (1) umfasst, dass mittels des Modells (19) abhängig von den individuellen zweiten Informationen des Kunden das mindestens eine Produkt (1) bestimmt wird.

5. Verfahren nach Anspruch 3 oder 4,
dadurch gekennzeichnet,
dass zuletzt von dem Kunden gekaufte Produkte ermittelt werden, und
dass das Bestimmen des mindestens einen Produkts (1) umfasst, dass mittels des Modells (19) abhängig von den zuletzt von dem Kunden gekauften Produkten (1) das mindestens eine Produkt (1) bestimmt wird.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
dass die zweiten Informationen, welche den jeweiligen Kunden beschreiben, weiter umfassen:

• das Geschlecht des Kunden

• eine Größe der Firma,

• einen Standort, an welchem sich die Firma befindet,

• einen Umsatz, welchen die Firma im letzten Jahr gemacht hat, und

• eine Rolle, welche der Kunde als Mitarbeiter der Firma einnimmt.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,
dass das Modell (19) anhand mindestens eines Kaufes eines Produktes (1) von einem Kunden aktualisiert wird.

8. System zum Erstellen einer Empfehlung,
wobei das System eine Steuereinrichtung (12) und eine erste Datenbank (4) umfasst und mit einer zweiten Datenbank (5) und einer dritten Datenbank (6) koppelbar ist,
wobei das System (20) ausgestaltet ist,
um mittels eines in der ersten Datenbank (4) abgespeicherten Modells (19) aus einer vorbestimmten Menge von Produkten mindestens ein Produkt (1) zu bestimmen, und
um anhand des mindestens einen Produkts (1) die Empfehlung zu erstellen, wobei die erste Empfehlung vor dem ersten Kauf eines Produktes (1), welcher unter Verwendung der ersten Datenbank (4) durchgeführt wird, erstellt wird,
wobei das System (20) weiter ausgestaltet ist, um vor der Erstellung einer ersten Empfehlung
erste Informationen aus der zweiten Datenbank (5), welche eine Verkaufshistorie umfassen, die beschreibt, welche Kunden welche Produkte gekauft haben, zu erfassen,
zweite Informationen aus der dritten kundenspezifischen Datenbank (6) zu erfassen, wobei die zweiten Informationen den jeweiligen Kunden beschreiben und zumindest eine Branche, in welcher der Kunde arbeitet, umfassen, und
das Modell (19) ausgehend von den ersten Informationen und den zweiten Informationen zu erstellen.

9. System nach Anspruch 8,
wobei das System (20) ausgestaltet ist, um ein Verfahren nach einem der Ansprüche 1-7 auszuführen.

10. Computerprogrammprodukt, welches ein Programm umfasst und direkt in einen Speicher (13) eines Systems (20) ladbar ist, mit Programm-Mitteln, um alle Schritte des Verfahrens nach einem der Ansprüche 1-7 auszuführen, wenn das Programm in einer Steuereinrichtung (12) des Systems (20) ausgeführt wird.

11. Elektronisch lesbarer Datenträger mit darauf gespeicherten elektronisch lesbaren Steuerinformationen, welche derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers (14) in einer Steuereinrichtung (12) eines Systems (20) das Verfahren nach einem der Ansprüche 1-7 durchführen.

Zeichnung