Get documents about "Methoden zur Personalisierung im M-Commerce
Document Sample
Methoden zur Personalisierung im M-Commerce
Rudi Grimm, Matthias Jüstel, Michael Klotz
Begriff der Personalisierung
Als Personalisierung – im englischen Sprachraum auch „Customizing“ genannt –
wird ein Konzept der Kundenbeziehung bezeichnet, das auf die Interaktion zwi-
schen Anbieter und Nachfrager abstellt. Konkret versteht man unter Personalisie-
rung die Modifizierung eines Angebotes entsprechend den kundenindividuellen
Bedürfnissen und Präferenzen, die dem Unternehmen in Form eines Kundenpro-
fils vorliegen1. Grundsätzlich lassen sich zwei unterschiedliche Sichtweisen auf
die Personalisierung charakterisieren:
1. Aus der Perspektive des Marketing lässt sich die Personalisierung als ein In-
strument im One-to-One-Marketing2 einordnen. Ziel für die Unternehmen ist es
primär, die Effektivität der Marketingmaßnahmen zu erhöhen. Hierzu werden
die Kommunikations-, Verkaufs- und Serviceprozesse nicht nur allgemein auf
den Kundenstamm ausgerichtet, sondern die Nachfrage des einzelnen Kunden
steht im Fokus. Er soll den Eindruck haben, das Angebot sei vollständig auf
seine individuellen Bedürfnisse zugeschnitten. Das Ergebnis ist eine stärkere
Kundenbindung im Gesamtprozess des Customer-Relationship-Managements,
was sich letztendlich in einer Steigerung der Transaktionsanzahl und des
Transaktionsvolumens zwischen dem Unternehmen und seinen Kunden aus-
wirkt.
2. Die Wirtschaftsinformatik beschäftigt sich insbesondere mit den technischen
Ressourcen, den im Rahmen des Interessenten- oder Kundenkontaktes ablau-
fenden Informations- und Kommunikationsprozessen und den hierbei einge-
setzten Applikationen sowie ihren Auswirkungen auf die datenverarbeitenden
Unternehmensbereiche. Im Zusammenhang mit dem Medium „Internet“ bein-
haltet die Personalisierung unter technischen Gesichtspunkten die Darstellung
personenspezifischer Inhalte anhand von gesammelten und ausgewerteten Da-
ten über den Nutzer. Das Spektrum personalisierter Inhalte umfasst beispiels-
weise: Werbung, Produkte und Dienstleistungen, redaktionelle Beiträge, das ei-
gentliche Seitenlayout und Menüs oder sonstige Inhalte, die über das Internet
1
Vgl. im Folgenden Klotz, M.; Jüstel, M.: Personalisierung, erscheint in: Electronic Busi-
ness Lexikon, München-Wien 2001.
2
Zum One-to-One-Marketing vgl. z. B. Rogers, M.; Peppers, D.: The One to One Future,
1. Aufl., New York 1998; Röder, H.: Electronic Commerce und One to One-Marketing,
in: Bliemel, F.; Fassott, G.; Theobald, A.: Electronic Commerce, 3. Aufl., Wiesbaden
2000.
2 Rudi Grimm, Matthias Jüstel, Michael Klotz
auf dem Personalcomputer oder einem anderen Terminal betrachtet werden
können.
Das Ergebnis der Personalisierung ist eine Technologie, die in eine Website integ-
riert ist und einen Webserver in die Lage versetzt, alle Inhalte, die dem Internet-
nutzer präsentiert werden, individuell anzupassen. Mit der Personalisierungstech-
nologie ist es möglich, einer großen Anzahl von Benutzern einer Website gleich-
zeitig völlig verschiedene Informationen darzubieten. Dies wird als Massenperso-
nalisierung (Mass-Customization) bezeichnet. Als Resultat der Personalisierung
eines individuellen Bereiches auf einer Website werden dem Benutzer nur
diejenigen Informationen dargestellt, die seinem Kundenprofil entsprechen.
Gestaltung individueller Nutzeroberflächen
Eine Nutzeroberfläche als Front-End jeder Website zu personalisieren erfordert
die Beachtung weitreichender Aspekte, damit ein durchgängiges One-to-One-
Konzept zwischen Unternehmen und Kunden realisiert wird. Folgende Schwer-
punkte muss ein Personalisierungskonzept umfassen3:
• Identifizierung jedes Besuchers,
• Differenzierung bei der Kundenansprache,
• Herausfinden aller Bedürfnisse – ohne langwierige und schwierige Fragestel-
lungen,
• Beobachten und Interpretieren der Bewegungen auf der Website,
• Speicherung aller gesammelten Kundendaten und
• Ausrichtung der Unternehmensorganisation (Aufbau und Ablauf) auf die Per-
sonalisierung.
Zur Systematisierung wird das Gesamtkonzept der Personalisierung in einzelne
integrative Module unterteilt, die nicht losgelöst voneinander zu betrachten sind.
Das in Abbildung 1 dargestellte 3-Schalen-Modell verdeutlicht die Stellung der
einzelnen Module und den Zusammenhang im Gesamtsystem. Im Kern befindet
sich der Basis-Shop, der Funktionalitäten, wie etwa Produkt- bzw. Leistungskata-
log, Warenkorb und Bestell- bzw. Bezahlungsfunktion, bereitstellt. Dieser Kern
wird von einer Schale umgeben, die als Content-Ebene die Schnittstelle zu Zu-
satzinformationen, Mehrwertdiensten, Service und Support, vertrauensbildenden
Maßnahmen und Entertainment- bzw. Community-Angeboten bildet. Die letzte
Schale stellt die Relevanz-Ebene dar, die die individuellen Bedürfnisse der einzel-
nen Benutzer oder einer homogenen Zielgruppe bei der Angebotsdarstellung be-
rücksichtigt und hierdurch das System inhaltlich steuert. Hierzu sind alle Perso-
nalisierungselemente, wie Produktempfehlungen, individuelle Angebote, exklu-
sive Nachrichten sowie die Verwaltung von Benutzerprofilen, -zugängen und
3
Vgl. Peppers, D.; Rogers, M.: The One-to-One Fieldbook, 1. Aufl., New York 1999,
S. 304.
Methoden zur Personalisierung im M-Commerce 3
-konten, in der Relevanz-Schicht integriert. Diese Schichtung bewirkt beim Nut-
zer, dass dieser nur über die Relevanz-Ebene auf das Gesamtangebot zugreifen
kann und somit ein optimal überschaubares und an seinen Präferenzen orientiertes
Angebot erhält4.
Relevanz-
Relevanz-
Schale
Schale
Content-
Content-
Schale
Schale
Personalisierung Personalisierung
Nutzerbezogen Zielgruppen-
Umfassende bezogen
Informationen
Produkt-
Produkt-
Schale Nutzen-
Infotainment, Schale
Orientierte
Gewinnspiel,... Mehrwert-
dienste
Basis-
Convenience, Shop
vertrauens- Clubs,
bildende Communities
Maßnahmen
Service & Support,
Online-Beratung
Personalisierung Personalisierung
Themen- Funktions-
bezogen bezogen
Abb. 1: 3-Schalen-Modell personalisierter Websites5
Die Realisierung einer personalisierten Nutzeroberfläche im Rahmen einer Kun-
denbindungsstrategie im Mobile Commerce ist nicht ausschließlich mit der In-
stallation einer Standardsoftware durchzuführen, sondern erfordert die Anpassung
einer Personalisierungssoftware und ihre Integration in die bestehende System-
umgebung. Zunächst ist es notwendig, die potenziellen Stärken und Schwächen
der Nutzeroberfläche der vorhandenen Website zu untersuchen, um anschließend
ein verbessertes bzw. erweitertes Konzept der Kundenbindung zu entwerfen.
4
Vgl. Stolpmann, M.: Kundenbindung im E-Business, 1. Aufl., Bonn 2000, S. 221.
5
Nach Stolpmann, M.: ebd.
4 Rudi Grimm, Matthias Jüstel, Michael Klotz
Nutzerprofile
Nutzerprofile sind als Sammlung von Kundendaten (in Datenbanken) anzusehen,
die zu aussagefähigen und zielgerichteten Informationen über den Kunden aufbe-
reitet werden können. Mit Hilfe von Nutzerprofilen ist es möglich, eine genaue
Zielgruppenbeschreibung vorzunehmen. Im Kontext des One-to-One-Marketing
kann sich ein Unternehmen mit Hilfe eines Nutzerprofils eine genaue Vorstellung
vom Nachfrageverhalten seiner Kunden bilden. Damit erweist sich das Erstellen
von Nutzerprofilen als grundlegende Voraussetzung im Konzept der Personalisie-
rung6.
Das Speichern und Verwalten der Kundendaten wird in einer speziellen Kun-
dendatenbank vorgenommen, wobei heute als State-of-the-Art die Technologie
des Data-Warehouse verwendet wird. Gesammelt werden zumeist soziodemogra-
phische und psychographische Daten. Der Verwendung soziodemographischer
Merkmale liegt die Annahme zugrunde, dass sie mit spezifischen Konsummerk-
malen korrelieren. Der Rückschluss von diesen Merkmalen eines Kunden auf des-
sen Konsumverhalten ist jedoch nur in Einzelfällen sinnvoll. Beispiele für sozio-
demographische Daten sind Geschlecht, Alter, Familienstand, Beruf, Einkommen,
Bildung, Haushaltsgröße oder Wohnort. Ergänzt um die psychographischen Daten
ergeben sich aussagefähige Kundenprofile, die neben einer Beschreibung auch die
Erklärung des Verbraucherverhaltens ermöglichen 7.
Im Zusammenhang mit der Personalisierung von Websites werden insbeson-
dere die folgenden psychographischen Daten berücksichtigt8:
• die Bewegung auf einer Website (d.h. Reihenfolge der aufgerufenen Seiten,
Verweildauer etc.),
• Art und Inhalt der abgerufenen Informationen,
• Zahl und Art der erworbenen Produkte bzw. der in Anspruch genommenen
Dienstleistungen und
• Downloads oder E-Mail-Anfragen des Kunden.
Zur Datensammlung werden unterschiedliche Informationsquellen genutzt. Ein
Mix aus Primär- und Sekundärdaten aus dem eigenen Unternehmen sowie externe
Daten bilden die Grundlage, vgl. Abb. 2.
Die aus diesen verschiedenen Quellen gewonnenen Daten müssen zu zielge-
richteten Informationen über den Kunden ausgewertet werden. Dieser Prozess der
Datenauswertung wird auch als „Data-Mining“ bezeichnet. Das ermittelte Kun-
denprofil gibt dem Website-Betreiber darüber Aufschluss, welche Informationen
und Angebote in welcher Form und an welcher Stelle der Website dem entspre-
chenden Kunden präsentiert werden müssen. In einem umfangreichen Data-Ware-
house werden die Daten nicht nur dauerhaft gespeichert, sondern ständig aktuali-
siert.
6
Vgl. Klotz, M.; Jüstel, M.: a. a. O.
7
Vgl. Kloss, I.: Werbung, 2. Aufl., München; Wien 2000, S. 147.
8
Vgl. Klotz, M.; Jüstel, M.: a. a. O.
Methoden zur Personalisierung im M-Commerce 5
Primärdaten
Sekundärdaten
Kundenumfragen
Reklamationen Externe Quellen Transaktionen
Beratungsgespräche Produktinformationen
Soziodemographische
Daten Kundendatenbanken
Mitbewerberdaten
Datendienste
Informationsbroker
Abb. 2. Unterschiedliche Informationsquellen für Kundendatenbanken9
Die bei der Datenauswertung gewonnen Informationen werden für die Kunden-
segmentierung genutzt. Dieser Prozess wird auch als Zielgruppenbildung bezeich-
net. Hier erfolgt eine Zuordnung von Kunden zu bestimmten vordefinierten und in
sich homogenen Kundensegmenten. Eine Zielgruppe ist homogen, wenn diese
sich durch bestimmte gemeinsame Merkmale und Einstellungen auszeichnet.
Hierbei sind die soziodemographischen und die psychographischen Daten aus dem
Data-Warehouse relevant. Dabei kann die Zielgruppe sinnvoll nur nach den Krite-
rien bestimmt werden, die auch bei der Kommunikation und Interaktion relevant
sind10. Bei der Personalisierung von Web-Inhalten bedient man sich eines Indivi-
dualisierungs-Regel-Systems (IVR), das Produkt-, Kunden- und Segmentmerk-
male nutzt. Die spezifischen Merkmale werden mit Algorithmen verknüpft, um so
Regeln für die Kundenzuordnungen zu erstellen 11. Die Arten der einzelnen Seg-
mente erlauben einem Betreiber einer Website, adäquate inhaltliche und darstel-
lungsbezogene Informationsalternativen im System zu implementieren und dem
Nutzer in einem entsprechenden Angebot zur Verfügung zu stellen 12. Das Zu-
sammenwirken der Module im Individualisierungs-Regel-System wird in der fol-
genden Grafik skizziert.
9
Entnommen aus: Reichardt, Chr.: One-to-One-Marketing im Internet, 1. Aufl., Wies-
baden 2000, S. 163.
10
Vgl. Kloss, I.: a. a. O., S. 145.
11
Vgl. Reichardt, Chr.: a. a. O., S. 173.
12
Vgl. Klotz, M.; Jüstel, M.: ebd.
6 Rudi Grimm, Matthias Jüstel, Michael Klotz
Produktmerkmale Kundenmerkmale Segmentmerkmale
Algorithmen
Regeln
Personalisierte Website
(Direkte Ansprache/Individueller Online Service, ...)
Abb. 3: Individualisierungs-Regel-System13
Methoden und Werkzeuge
Statische Personalisierungssysteme
Bei den statischen Personalisierungssystemen werden die direkte Suche und die
Nutzung von Auswahllisten unterschieden.
• Direkte Suche: Das einfachste Verfahren der statischen Personalisierung des
Web-Angebotes ist die direkte Suche anhand von Schlüsselwörtern oder frei
wählbaren Begriffen 14. Beispiel hierfür sind die Suchmaschinen, die im Internet
über den Festnetzzugang und auch über den WAP-Standard im Mobilfunkzu-
gang zur Verfügung stehen. Die kleine Nutzeroberfläche von mobilen Endge-
räten lässt allerdings keine detaillierte Abbildung der Suchoptionen zu, wie es
bei Desktop-Computern mit Festnetzzugang zum Internet der Fall ist.
• Nutzung von Auswahllisten: Hier konfiguriert jeder Nutzer die Website selb-
ständig nach seinen Vorlieben. Die Konfiguration ist bisher nur über den Fest-
netzzugang zum Internet möglich. Nach diesem Prinzip arbeiten personalisier-
bare Portale, Nachrichtenseiten oder News-Provider. Virtuelle Wertpapier-
depots bei Direct-Brokern lassen sich ebenfalls auf diese Weise per-
sonalisieren 15. Vom System werden Optionslisten oder Menüs angeboten, aus
denen der Nutzer relevante Leistungen oder Informationen aktiv auswählen
13
Entnommen aus: Reichardt, Chr.: a. a. O., S. 173.
14
Vgl. Reichardt, Chr.: a. a. O., S. 136.
15
Vgl. Bisenius, J.-C.: Mehr Umsatz mit personalisiertem E-Commerce, in: Funkschau
5/2000, S. 25.
Methoden zur Personalisierung im M-Commerce 7
kann16. Bei jedem neuen Besuch muss sich der Nutzer mit Benutzername und
Passwort identifizieren, um zum individualisierten Bereich der Website zu ge-
langen. Der Betreiber einer Website gelangt nach dem Anmelden des Users
über Log-Files zu Informationen, die darüber Auskunft geben, wann und wie
lange welches Angebot in Anspruch genommen wird. Das weniger zuverlässige
Verfahren der Identifizierung über Cookies ist hier ebenfalls anwendbar. Gene-
rell bietet sich die Nutzung von Auswahllisten zur Personalisierung für klar ge-
gliederte Web-Inhalte an, bei denen selten Änderungen in den Angebotskate-
gorien vorgenommen werden.
Profiling und regelbasiertes Matching
Beim so genannten Profiling handelt es sich um eine Form der Personalisierung,
bei der jeder einzelne Nutzer individuelle Beachtung findet. Beim Profiling wird
vom Kunden selbst ein Online-Fragebogen beantwortet. Fortlaufende Aktualisie-
rungen des Profils müssen vom Kunden selbst vorgenommen werden. Spezielle
Regeln, die im System hinterlegt sind, personalisieren das bestehende Angebot auf
Basis des gespeicherten Kundenprofils17.
Bislang wird das Profiling mit Hilfe von Online-Fragebögen nur im Festnetz-
Internet angeboten. Zum Beispiel stell das US-Marktforschungsinstitut Gartner je-
dem Nutzer ein individuelles Informationsangebot zur Verfügung, nachdem man
einen Online-Fragebogen ausgefüllt hat. Es werden vor allem die Veröffentli-
chungen präsentiert, die dem Nutzerprofil entsprechen.
Collaborative Filtering
Dieses Verfahren der intelligenten Filterung, das auch als Stereotyping und Ge-
meinschaftsbewertung bekannt ist, eignet sich für Websites mit breiten und wech-
selnden Angeboten, die darüber hinaus nicht einfach zu strukturieren sind. Hier
wird auf eine Personalisierung durch den Nutzer verzichtet. Statt dessen beruht der
Gedanke des Collaborative Filtering auf der Grundlage, die Präferenzen eines Be-
nutzers für bestimmte Objekte oder andere Daten aufgrund der Ähnlichkeit ge-
genüber anderen Benutzern zu ermitteln18.
Collaborative Filtering findet zum Beispiel Einsatz bei Buchshops im Internet.
Das System des Online-Shops speichert die Kaufentscheidungen aller Kunden und
errechnet ständig so genannte Affinitätsindizes zwischen allen im Shop vorhande-
nen Produkten. Wenn sich nun ein weiterer Käufer für das Produkt A entscheidet,
so präsentiert ihm das System auch die Produkte B und C, bei denen die Affini-
tätsindizes zum Produkt A am höchsten sind. Diese Ergebnisse resultieren aus der
16
Vgl. Reichardt, Chr.: a. a. O., S. 136.
17
Vgl. Reichardt, Chr.: ebd.
18
Vgl. Runte, M.: Personalisierung im Internet – Individualisierte Angebote mit Collabo-
rative Filtering, 1. Aufl., Wiesbaden 2000, S. 31.
8 Rudi Grimm, Matthias Jüstel, Michael Klotz
Erfahrung, dass in der Vergangenheit die Produkte B und C am häufigsten zu-
sammen mit dem Produkt A verkauft wurden. Der Kunde profitiert von einer ge-
zielten Vorauswahl, ohne sich selbst durch ein Angebot mit unüberschaubaren
Einträgen zu verlieren.
Durch diese Form der Kundenansprache, die einer individuellen Bedienung
entspricht, bekommt der Kunde mit relativ hoher Wahrscheinlichkeit die Produkte
angeboten, die seinen Interessen entsprechen. Einige der präferenzbasierten Sys-
teme sind lernende Systeme, die im Laufe der Beobachtungszeit zunehmend prä-
zisere Indizes ermitteln19. Abb. 4 zeigt den geschilderten Ablauf des Collaborative
Filtering.
Neukunde
Produkte A, B, C kauft Produkt
wurden gemeinsam A, das System
durch mehrere empfiehlt
Personen in der ebenfalls B
Vergangenheit und C
gekauft
Regelsystem
Korrelation Korrelation
Produkt A Produkt B Produkt C
Abb. 4: Ablauf des Collaborative Filtering
Das Ergebnis des Collaborative Filtering im Internet über den Festnetzzugang
kann am Beispiel des Online-Shops von „Amazon“ verdeutlicht werden, s. Abb. 5.
Hier bekommt der Kunde, nachdem er sich ein Buch ausgesucht hat, weitere Vor-
schläge für Literatur und auch CDs auf einer Web-Seite präsentiert, die seinen
Präferenzen entsprechen könnten. Für den Nutzer eines WAP-fähigen Endgerätes
im Mobilfunk bietet „Amazon“ die gleiche Auswahl an Produkten an, wie im
Festnetzzugang zum Online-Shop. Die Anzahl der Empfehlungen für weitere Pro-
dukte fallen hier allerdings geringer aus, da das kleine Display die Menge der dar-
zustellenden Informationen einschränkt.
19
Vgl. Klotz, M.; Jüstel, M.: ebd.
Methoden zur Personalisierung im M-Commerce 9
Abb. 5: Collaborative Filtering im WAP-Standard20
Feedback und beobachtungsbasiertes Matching
Beim Feedback und beobachtungsbasierten Matching verfolgt ein lernendes Sys-
tem die Bewegungen des Kunden während des Aufenthaltes auf der Website und
personalisiert das vorhandene Angebot aufgrund seines Klick-Verhaltens. Eine
zusätzliche Komponente ist eine Online-Bewertung, die als Feedback vom Kun-
den abgegeben wird. Hier wird vom System selbst die Aktualisierung des Kun-
denprofils vorgenommen 21.
Der Vorgang der Personalisierung der Nutzeroberfläche vollzieht sich in Echt-
zeit. Die Rechnersysteme der Website optimieren das Angebot bereits während
20
Entnommen aus: Amazon GmbH, in: http://amazon.de/exec/obidos/ct/text/vnd.wap.wml/
-/tg/aa/wml/anywhere-similar/-/3932114523/302-4821599-9351242, Stand 2001
21
Vgl. Reichardt, Chr.: a. a. O., S. 136.
10 Rudi Grimm, Matthias Jüstel, Michael Klotz
des Einloggens derart, dass das Dargebotene dem Charakter und den Interessen
des Nutzers am besten entspricht. Dem Besucher bleibt dieser Ablauf verborgen
und er muss keine weiteren Aktivitäten zur Individualisierung vornehmen. Der
Besucher bleibt somit bei der Datenerfassung anonym 22. Die Technologie des US-
Unternehmens „Engage Technologies“ ermöglicht bspw. Website-Betreibern, dass
diese bereits ein personalisiertes Angebot darstellen können, wenn der Besucher
zum ersten mal auf der Website ist.
Es stellt sich hierbei die Frage, woher der Betreiber der Website Auskunft über
die Profildaten des einzelnen Nutzers erhält. Zur Antwort soll das Verfahren des
beobachtungsbasierten Matching anhand der Technologie von „Engage Technolo-
gies“ näher dargestellt werden. Basis dieser Technologie bilden Studien, die zei-
gen, dass das Klick-Verhalten eines jeden Besuchers am zuverlässigsten Auskunft
über seine Interessen und Vorlieben gibt. Beim Besuch von Websites entstehen
demnach große Mengen von Daten, die nur entsprechend ausgewertet werden
müssen, damit sie die gewünschten Informationen bereitstellen.
Ein vom Unternehmen entwickelter Profile-Server empfängt die Tracking-
Daten eines Besuchers, den so genannten Klickstrom, vom Webserver und verar-
beitet diese zu einem anonymen Nutzerprofil. Die anonymen Profile werden in ei-
ner Profildatenbank abgespeichert. Mit steigender Zahl von Besuchen nehmen
Genauigkeit und Tiefe des Profils zu. Im Vergleich zu statischen Personalisie-
rungssystemen verändern sich hier die Nutzerprofile dynamisch und weisen so die
aktuellen Präferenzen jeder Einzelperson aus. Neben der Speicherung des Profils
in der lokalen Datenbank des Website-Betreibers wird der Klickstrom auch an
eine globale Datenbank, die „Engage Knowledge“, gesandt. Diese wird von einem
Netzwerk aller teilnehmenden Website-Betreiber gespeist und erzeugt durch die
Vielzahl der Beiträge aussagefähige Nutzer-Profile.
In entgegengesetzter Richtung wird das globale Profil eines Nutzers an einen
teilnehmenden Website-Betreiber gesandt, wenn sich hier ein bei „Engage Tech-
nologies“ registrierter Besucher anmeldet. Liegt das Kundenprofil in der globalen
Datenbank vor, so kann der Betreiber selbst bei einem Nutzer, der zum ersten Mal
die Website besucht, das Angebot sofort an dessen Präferenzen relativ zielgenau
ausrichten.
Die globale Datenbank von „Engage“ umfasst derzeit mehr als 40 Millionen
anonyme Nutzerprofile. Die Architektur des Systems wird in der folgenden Ab-
bildung dargestellt.
22
Vgl. Bisenius, J.-C.: a. a. O., S. 26.
Methoden zur Personalisierung im M-Commerce 11
Click- Profile
Globale Stream
Datenbank
Engage Knowledge
Lokale Datenbank
Journal Journal
Click- Profile Logger ID
Stream
Engage Link
Profilprozessor Seiten-Generierung
Engage Suite Web-Server
Anonymer
Besucher
Abb. 6: Personalisierung am Beispiel „Engage Technologies“23
Mit dem Verfahren des Feedback und beobachtungsbasierten Matching liegt eine
Personalisierung vor, die auf Grund der einfachen Handhabung auf der Anwen-
derseite und der lernenden Methodik des Systems in ihrer Art zukunftsweisend ist.
Jedoch findet diese Technologie bisher nur marginal im Mobile Commerce
Anwendung.
Intelligente Agenten
Eine weitere innovative Technologie zur Personalisierung des Internet-Angebotes
sind so genannte „intelligente Agenten“, die eine aktive Rolle einnehmen. Bei der
Verwendung des Begriffs des intelligenten Agenten wird nicht impliziert, dass je-
der intelligente Agent auf einer Technik der künstlichen Intelligenz aufbauen
muss. Mit dem Begriff „intelligent“ wird vielmehr das Gesamtsystem aus Agenten
und Kommunikation bezeichnet. Einzelne Agenten müssen somit nicht unbedingt
ein neuronales Netz oder ein Expertensystem enthalten. Die Intelligenz in einem
Agenten-System kann vielmehr auch durch die Interaktion und die Kommunika-
tion zwischen mehreren Agenten entstehen. Allgemein lassen sich zwei Arten von
intelligenten Agenten unterscheiden24:
23
Entnommen aus: Bisenius, J.-C.: a. a. O., S. 27.
24
Vgl. Reif, G.: Moderne Aspekte der Wissensverarbeitung, in: http://www.iicm.edu/greif/
thesis.html, Stand 2001.
12 Rudi Grimm, Matthias Jüstel, Michael Klotz
1. Agenten, die lokal auf dem Client-Rechner ausgeführt werden und eventuell
mit Agenten auf einem anderen Client-Rechner kommunizieren.
2. Mobile Agenten hingegen werden von einem Client-Rechner auf einem Server
aktiviert, um dort ausgeführt zu werden. Nach der Abarbeitung von Aufgaben
senden die Agenten das Ergebnis zum Client-Rechner.
Die Eigenschaften von mobilen intelligenten Agenten im weiteren Sinn sind25:
• Autonomie: Eine selbständig Erfüllung von Aufgaben und eine Kontrolle der
getätigten Aktionen ist ohne eine konkrete Anweisung des Benutzers möglich.
• Sozialverhalten: Zwischen Agenten untereinander und auch mit dem Benutzer
ist eine Kommunikation möglich.
• Reaktionsfähigkeit: Die Agenten stehen im ständigen Kontakt mit der Umge-
bung im Internet und verharren so lange im Stillstand, bis ein spezielles Ereig-
nis zu einer Reaktion auffordert. Diese Ereignisse können Änderungen in der
Umgebung sein oder Anfragen des Benutzers.
• Initiative: Zur zielgerichteten und selbständigen Lösung einer Aufgabe ergrei-
fen sie die notwendigen Initiativen.
• Kontinuität: Die Prozesse eines Agenten laufen ständig ab. Dabei sind sie ent-
weder aktiv oder befinden sich bis zum Ereigniseintritt in einer Standby-Phase.
• Zielorientierung: Eine komplexe Aufgabenstellung wird durch den intelligenten
Agenten in Einzelaufgaben zerlegt, um das Ziel zu erreichen.
Die Eigenschaften im engeren Sinn sind:
• Mobilität: Die Position im Netzwerk kann vom Agenten verändert werden.
• Widerspruchsfreiheit: Widersprüchliche Ziele dürfen von ihnen nicht verfolgt
werden. Sie dürfen ausschließlich die vom Benutzer vorgegebene Aufgabe lö-
sen.
• Rationelles Vorgehen: Der unnötige Verbrauch von Ressourcen ist nicht zuge-
lassen, d. h. die zur Zielerreichung angewendeten Aktionen müssen im Ver-
hältnis zum erzielbaren Ergebnis stehen.
• Veränderbarkeit: Die Agenten sollten in der Lage sein, sich an die individuellen
Bedürfnisse und Präferenzen des Benutzers anzupassen.
• Kollaboration: Die Interaktions- und Kommunikationsfähigkeit mit anderen
Agenten zur Aufgabenerfüllung soll gewährleistet sein. Darunter fällt auch die
Beziehung zum Anwender.
Die genannten Kriterien sind erforderlich, um sich von anderen Programmen ab-
zugrenzen und um einen tatsächlichen intelligenten Agenten zu klassifizieren. Die
im weiteren Sinn genannten Eigenschaften werden mittlerweile von einer Vielzahl
von Programmpaketen erfüllt. Dagegen werden die Eigenschaften im engeren
Sinn bisher von keinem Agenten ganzheitlich abgedeckt. Betreiber von Online-
Shops nutzen intelligente Agenten primär, um mehr über ihre gegenwärtigen und
potenziellen Kunden zu erfahren. Diese Agenten begleiten dazu ihre Anwender
auf ihrem Weg durch die einzelnen Angebote und messen die Verweildauer auf
25
Vgl. Reichardt, Chr.: a. a. O., S. 147f.
Methoden zur Personalisierung im M-Commerce 13
den Unterseiten von Websites. Downloads oder E-Mail-Anfragen werden regist-
riert und ausgewertet. Der Vorteil dieser Methodik ist, dass die Interessenten und
Kunden keinen Online-Fragebogen ausfüllen müssen. Im Gesamtkonzept des
One-to-One-Marketing können auf diese Weise wichtige Informationen zur Op-
timierung der Regelsysteme für die individualisierten Internetseiten gewonnen
werden. Ähnlich wie bei anderen Methoden sollten auch hier die Nutzer darauf
hingewiesen werden, dass sie beim Besuch der Website beobachtet werden und
sich als Ergebnis ein personalisiertes Internet-Angebot ergibt, das ihre individuel-
len Wünsche berücksichtigt.
Eine spezielle Form von Agenten bilden persönliche Einkaufsagenten. Diese
Agenten scannen das Internet nach dem günstigsten Preis für ein bestimmtes Pro-
dukt. Der Kunde gibt ein Suchwort für eine Produktkategorie an und der Agent
stellt nach seiner Suche eine entsprechende Auswahl dar. Sollte die Angebotsaus-
wahl unüberschaubar sein, fragt der Agent nach detaillierteren Suchoptionen.
Nachdem sich der Kunde schließlich für ein Produkt entschieden hat, fragt der
Einkaufsagent zahlreiche Datenbanken von Lieferanten nach dem Preis und der
Lieferbarkeit ab26.
Ein Beispiel für einen Einkaufsagenten im Mobilfunkzugang zum Internet ist
der Agent von „Dealtime“. Der Nutzer kann aus einer übergeordneten Kategorie
auswählen, welches Produkt im Internet zum jeweils günstigsten Preis vom
Agenten gesucht werden soll. Die Nutzeroberfläche im WAP-Standard lässt je-
doch nur eine begrenzte Darstellung zu, so dass die Oberfläche im Festnetzinternet
im Vergleich dazu wesentlich attraktiver ist und mehr Informationen dargestellt
werden können. Die auf der ersten Seite zur Verfügung gestellten
Produktkategorien sind im Festnetzzugang umfassender als im WAP-Standard.
Der Kunde ist so in der Lage, die Vorauswahl schneller zu realisieren, als im Mo-
bilfunk. Eine Erleichterung für den mobilen Nutzer wäre es, wenn unter Berück-
sichtigung der begrenzten Darstellungsmöglichkeiten eine Vorselektion durch den
Betreiber anhand der jeweiligen nutzerspezifischen Interessen erfolgt. Beispiels-
weise ist eine Kombination aus Einkaufsagent im WAP und die Nutzung einer
Auswahlliste im Festnetz möglich. Der Benutzer registriert sich am Anfang des
Besuchs der WAP-Seite und bekommt ein vorgefiltertes Informationsangebot.
Ausblick
In Unternehmen, die M-Commerce betreiben, ist die Personalisierung von Gütern
und Dienstleistungen nicht nur für die Marketing- und Vertriebsabteilungen rele-
vant. Ein umfassendes Personalisierungskonzept muss vielmehr im gesamten Un-
ternehmen geplant und eingeführt werden. Es ist erforderlich, dass alle zentralen
Unternehmensprozesse auf die individuellen Kundenbeziehung ausgerichtet wer-
den.
26
Vgl. Amor, D.: Die E-Business-Revolution, 1. Aufl., Bonn 2000, S. 304.
14 Rudi Grimm, Matthias Jüstel, Michael Klotz
• Forschungs- und Entwicklungsabteilungen gestalten die Produkte und Dienst-
leistungen so, dass sie sich im Leistungserstellungs- bzw. -erbringungsprozess
individuell anpassen lassen.
• Die Bereiche Marketing und Vertrieb, die personalisierte Produkte und Dienst-
leistungen über den mobilen Distributionskanal vermarkten, zeichnen für die
auf den einzelnen Kunden ausgerichtete Kommunikation verantwortlich.
• Im letzten Abschnitt der Prozesskette muss über eine entsprechende Logistik
die schnelle und korrekte Lieferung zum Kunden sichergestellt wird.
Eine Schlussfolgerung dieser Konzeption ist, dass alle Unternehmensbereiche ihre
Aufgaben optimal aufeinander abstimmen müssen. Hierbei entsteht die Notwen-
digkeit einer Anpassung der Informationstechnologie und der Unternehmenspro-
zesse auf der einen Seite sowie des Managements und der Unternehmenskultur auf
der anderen Seite.
Personalisierte Güter und Dienstleistungen sind sowohl bei Geschäftskunden
als auch bei Endkunden erwünscht. Bei letzteren sind jedoch einige besondere As-
pekte zu beachten – vor allem im Hinblick auf den Datenschutz. Um eine indivi-
duelle Kundenbeziehung etablieren zu können, ist umfangreiches Wissen über den
einzelnen Kunden notwendig. Hierzu werden nach der einmaligen Initialisierung
am Anfang der Kundenbeziehung permanent Kundendaten gesammelt und gespei-
chert, die aus Dialogen gewonnen werden. Hierbei sind datenschutzrechtliche
Anforderungen unbedingt zu beachten. Das Einhalten rechtlicher Regelungen ist
gleichzeitig die Basis für den Aufbau eines Vertrauensverhältnisses zwischen den
Kunden und dem Unternehmen, das M-Commerce betreibt.
Derzeit existieren verschiedene Systeme, die eine Personalisierung des M-
Commerce ermöglichen. Diese werden aber noch nicht in vollem Umfang von den
Unternehmen genutzt, obwohl die technologischen Voraussetzungen hierfür be-
reits erfüllt sind. Betrachtet man die Technologien zur Personalisierung von Web-
Inhalten, so lassen sich für den M-Commerce die Verfahren des beobachtungsba-
sierten Matching und die Anwendung intelligenter Agenten als richtungsweisend
charakterisieren. Die Aufwendungen zur Personalisierung sind auf Nutzerseite
minimal, es erfolgt eine dynamische Aktualisierung des Kundenprofils und es
handelt sich hierbei um lernende Systeme, die im Laufe der Zeit eine zunehmende
Genauigkeit erreichen. Letztlich wird jedoch der Einsatz im Massenmarkt mobiler
Anwendungen zeigen, welche der genannten Personalisierungstechnologien die
Kundenwünsche am besten erfüllen kann.
Die Potenziale der Personalisierung sind vielfältig und ergeben sich sowohl auf
der Anbieter- als auch auf der Nachfragerseite von mobilen Datendiensten. Dem
Nutzer personalisierter mobiler Datendienste entsteht ein Mehrwert, der eine Be-
reicherung des persönlichen Lebensbereiches darstellt und den nahezu uneinge-
schränkten Zugriff auf vielfältige und individuell angepasste Angebote im priva-
ten als auch im beruflichen Alltag mit sich bringt.
