Prudsys 帮助在线零售商实现网上商店的个性化。Dr. Michael Thess 在此采访中详细解释了具体操作方法。
您购买了该产品，是否也想购买以下产品？个性化大致可以这样实现。但还有更多可能性，甚至更加优雅的方式。位于开姆尼茨的公司 prudsys 专注于此服务，为在线零售商提供个性化的客户体验（Customer Experience）创建方案。
（图片来源：Jirsak 通过 Shutterstock）
在线零售商新闻：您为在线零售商提供哪些服务？
迈克尔·泰斯博士：在数字革命时代，零售业面对的是网络化的客户，其期望值显著提高。快速便捷的信息获取极大地增强了客户在市场中的地位。现代消费者希望随时随地、在任何地点获得一切所需。同时，他们希望作为个体被认可和重视。因此，零售商面临着一项挑战：必须在所有接触点（Touchpoints）为客户提供积极的购物体验。与此同时，竞争压力也在上升——尤其是电子商务的胜利推进。在任何一家网店的某个地方，肯定有商家以相似的价格销售相同的产品。在2015年先进的快速物流体系下，距离几乎不再起作用。因此，产品供应和价格已不再是有效的差异化特征。客户更倾向于选择那些了解其愿望和需求，并据此提供最佳服务的商家。这涉及所谓的“客户体验”（Customer Experience）。积极感知到的客户体验的一个核心要素是个性化。
我们早已针对这一发展趋势做好准备，为零售商提供跨所有销售渠道个性化客户互动的能力——并且是实时进行。由此，我们确保了库存和个人相关性方面的最高时效性。客户兴趣可能会发生变化——有时仅仅是环境条件如天气的变化所致。凭借我们解决方案的实时能力，我们能够随时做出响应。具体而言，我们的业务组合涵盖三个案例领域：推荐（产品和内容推荐以及个性化搜索结果列表）、营销自动化和动态定价。可能的应用场景非常多样，并且始终根据客户需求而定。通过 prudsys Realtime Decisioning Engine（简称：prudsys RDE）的模块化结构，我们可以高度定制化地满足客户的目标愿景。
数据评估能为在线零售商带来哪些优势？
通过评估客户数据，我们将“邻里小商店”（Tante-Emma）的理念带入数字世界。了解其客户及其愿望和需求的商家，可以在客户所处的位置为他们提供服务，并在任何时候提供量身定制的优惠方案。对素食者来说，20%的通用牛肉碎折扣有何意义？对客户而言，如果他不喜欢流行音乐，却收到一张新Helene Fischer CD的优惠券，而更希望获得Fantastischen Vier新专辑的优惠券，这又有何意义？借助prudsys RDE的应用，所有客户都能受益——在真正对他们有意义的地方获得服务。良好的个性化会被客户视为一种服务体验。这包括个性化的产品推荐以及针对我个人喜爱产品的专属优惠券。或者设想一下，您信赖的商家知道您对某种食物过敏，并会提醒您注意刚放入购物车的面粉混合包，因为它可能含有微量坚果成分。同时，它会自动为您提供一个对您安全无虞的替代方案。
此类服务受到客户的认可，并能持续增强客户忠诚度并提升收益。这也为小型商家提供了机会，使其能够摆脱以往大型商家利用采购规模效应、在残酷的价格竞争中挤压小型商家出局的僵化逻辑。
最近，Coop（您的客户之一）因据称在分析客户数据方面走得太远而受到批评。在您看来，数据评估的界限在哪里？或者说，是否存在任何界限？
对于我们在德国或国外客户处的当前项目，我不想发表意见。关于以往的项目，请参阅我们网站上的新闻稿和案例研究。
根据不同国家，您在向客户提供数据分析服务时，所提供的可能性是否存在差异？
没有任何其他国家对数据保护法规的规定像德国这样严格。而且这也是好事！因此，许多非德国客户有意识地依赖我们的技术并非偶然。即使在海外实施项目时，我们也严格遵守德国高标准的数据保护规范。我们不仅为客户提供以智能软件解决方案形式呈现的冰冷数学计算。我们工作的重要组成部分还包括咨询活动。这涵盖了主题“数据保护”。
例如，在将在线购物者的购买数据用于个性化优惠券或新闻通讯中的个性化产品推荐之前，必须获得其同意。商家和消费者在此达成自愿协议，以数据换取更高水平的服务。如果客户愿意提供其数据，他们也可以期待更个性化的咨询和个人优惠。反之，如果客户不希望其数据被分析，则不会收到通过新闻通讯发送的个性化产品推荐，也不会获得个性化优惠券。因此，客户自行决定。
您还为在线零售商计算其报价的最佳价格。你们是如何计算的？
首先，通过回归方法确定价格-销量函数。根据价格-销量关系以及成本，通过优化方法计算最佳价格。可以指定不同的定价策略和复杂的边界条件。我们方法的关键点在于，所有上述过程都是实时进行的！该方法不仅在实时中学习，还投放探索性价格以不断扩展其知识库。因此，我们的解决方案属于动态价格优化。整个过程被整合到被称为“强化学习”（Reinforcement Learning）的框架中。
一个特殊的挑战是长尾效应。特别是在电子商务中，很大一部分产品库存只有不足的交易日志。但通过使用产品属性如类别、品牌和颜色，这些产品也可以纳入优化范围。
此外，还存在许多需要调整方法的定价优化特殊情况。其中包括清仓场景，即在给定库存的情况下，必须在预定的时间间隔内售出产品。
在个性化定价的背景下，通常会发放个性化优惠券。用户分配是一个典型的评分任务，而确定价格优势则属于价格优化的范畴。在这里，我们的两个模块 prudsys RDE | Scoring 和 prudsys RDE | Pricing 完美互补。
另一个重要的应用是价格捆绑销售。在这种情况下，会向对某个产品表现出明确兴趣的用户推荐至少一个其他产品。对该捆绑包同时提供价格优惠。从方法论上讲，这是推荐与价格优化的结合，由我们的模块 prudsys RDE | Recommendations 和 prudsys RDE | Pricing 实现。
prudsys AG 为今年设定了哪些目标和项目？
2014年，我们迎来了公司16年历史上业绩最好的一年。当然，我们希望今年能超越这一成绩。为此，我们投入了大量资源——不仅包括人力，还包括自主研发。大多数人了解我们是提供极其高效的推荐引擎的供应商。通过在营销自动化和动态定价领域落地更多创新业务场景，我们将进一步巩固市场与技术领导地位。目前，我们与众多知名零售商的合作项目已启动或处于概念验证（POC）阶段。各项数据表现优异，我们对在这两个领域取得更大突破充满信心。
关于 Michael Thess 博士
迈克尔·特斯博士是prudsys AG的联合创始人。他在实时数据挖掘和推荐系统领域拥有多年经验。作为prudsys AG的两名董事之一，他负责该公司位于开姆尼茨的研发工作。