Ebbes Personalisierung

Personalisierung am Beispiel einer Internet Gameshow mit Oracle9iAS: 

Personalisierung am Beispiel einer Internet Gameshow mit Oracle9iAS DOAG: SID – Data Warehouse DOAG Konferenz

Slide2: 

Personalisierung mit O9iAS: Inhalt Vorstellung der GIP AG Das K1010 Projekt Personalisierung am Beispiel der Smiley Show Aufstellen der Taxonomie Anpassungen an der Applikation Die Technologie hinter OP Der Rapid ProtoMining-Service der GIP

Slide3: 

thinking beyond computing Denkfabrik für Innovationen im Bereich eBusiness und IT Scientific Consulting praxisnahe Wissensproduktion Integration eines Research Institutes Die GIP AG: Mission und Ziele

Die GIP AG:Unternehmensstruktur: 

Die GIP AG: Unternehmensstruktur GIP AG GIP Research Institute (Scientific Computing) GIP Group GIP Oryx GmbH (IP/Telekommunikation) GIP smartMercial GmbH (Medien) GIP Exyr GmbH Xyna Product Familiy Software Factory Intelligent IP Manager Storage und DB Targeting Streaming Rapid ProtoMining Data- und Web-Mining Rapid ProtoTuning Branchen/Produkt-Fokus Technologie-Fokus

Slide5: 

Die GIP AG: Kernkompetenzen Die GIP AG verfügt über folgende Kernkompetenzen: Entwicklung komplexer IT-Systeme mit Schwerpunkt: Rapid-Prototyping Zuverlässigkeit Client/Server-Applikationen, SE (Java, C++) Business Intelligence, Data Mining / Personalisierung Scientific Computing skalierbare High-Performance-Architekturen Storage- und Datenbank-Technologien

Die GIP AG:Unsere Kunden: 

Die GIP AG: Unsere Kunden Dazu zählen u.a.: Arcor AG & Co BG Druck und Papier Biotest BMW Braun Medizintechnik DaimlerChrysler Deutsche Bahn AG dtms AG EDS IBM IP NewMedia (RTL) K1010 AG Lucent Technologies o.tel.o TLC Volkswagen

Unsere Partner imBereich Data Mining: 

Dazu zählen: Oracle Partner Oracle Strategic Customer Program Oracle9i Partner Reference Oracle9iAS Partner Reference Reference: Charles Berger, Senior Director of Product Management, Data Mining and Personalization, Oracle Corporation, Waltham, MA Sun Partner Speaker Sun Unversity Solution Partner Data Mining Unsere Partner im Bereich Data Mining

Die GIP AG und das Oracle Beta Program: 

Die GIP AG und das Oracle Beta Program in die Internet Gaming Plattform Im Januar 2001: Die GIP tritt dem OP Beta Program bei Das Ziel: Integration von

Personalisierung am Beispiel von K1010: 

Beispielhaftes Projekt der GIP AG für den Einsatz von Oracle Personalisierungs-Technologie: Der Internet-Entertainment-Kanal K1010.de: Erfolgreiche Gameshow-Prinzipien Attraktive Gewinne Personifizierte Benutzer Etablierung einer neuen Werbeform im Internet Fullscreen Werbespot: das E-mercial K1010 als Plattform für 1:1 Marketing Personalisierung am Beispiel von K1010

Die Internet Gaming Platform: K1010.de: 

Die Internet Gaming Platform: K1010.de ... die Startseite K1010.de ...

K1010.de: Klick Dich zum Glück! : 

K1010.de: Klick Dich zum Glück! K1010.de ... ... Klick Dich zum Glück!

K1010 Facts: 

Online seit: Deutschland Mitte April 2000 USA Mitte August 2000 In Deutschland: Angemeldete Spieler: ca. 260.000 Visits pro Tag (anonym): ca. 45.000 (15.000) In USA: Angemeldete Spieler: ca. 250.000 Visits pro Tag (anonym): ca. 55.000 (30.000) K1010 Facts

System Architektur:Das Backend System: 

System Architektur: Das Backend System Management Server Parallel Server

Die Smiley Show: 

Die Smiley Show Smiley Show ist ein Trivia Game mehr als 6000 Fragen aus 10 Kategorien zusätzliche tagesaktuelle Fragen Der Spieler muß 9 von 10 Fragen richtig beantworten um an der täglichen Gewinnziehung teilzunehmen Es darf beliebig oft gespielt werden Smiley Show hat 2 Werbeunterbrechungen Bis zu 6 vollanimierte E-mercials in 2 Werbeblöcken Smiley Show ist der erste Show Case für den Einsatz von Oracle Personalization

Die Smiley Show: 

Die Smiley Show You are a movie fan, so this one is from the category: Movies and Entertainment Ziel: Steigerung der Stickiness Return Rate durch höheres Spielerinteresse und angepasste Schwierigkeiten

K1010: Ausblick: 

K1010: Ausblick Weiterer geplanter Ausbau mit OP: Personalisierung des Auftritts: MyK1010 Gerne gespielte Formate an ausgewählten Positionen Personalisierung der E-mercial Werbespots Personalisierte Banner auf der Exit-Seite Personalisierung von weiteren Spieleformaten

Slide17: 

Oracle 9iAS Personalization Oracle Personalization Personalisierungs Engine Integrate Personalize

Slide18: 

Historische Daten Web Application Mobile Application Call Center Application Campaign Management Empfehlungs-Anfragen Modellierung Oracle Personalization: Architektur

Anpassung der System-Architektur: 

Anpassung der System-Architektur DB Data

Anpassung der System-Architektur: 

DB Data Anpassung der System-Architektur

Anpassung der System-Architektur: 

DB Data lediglich kleine Änderungen an der Applikation Personalisierung konfigurierbar an/aus Keine Änder-ungen der Produktions-Datenbank notwenig ! OP gibt Content-Empfehlungen, sammelt Daten, und baut Data Mining Modelle Anpassung der System-Architektur

Slide22: 

Oracle Personalization: Komponenten Mining Table Repository (MTR) Schema, das alle Informationen enthält, die benötigt werden um die Modelle zu berechnen Recommendation Engine Schema (RE) Schema, das die Empfehlungen und die Session –Informationen enthält Mining Object Repository (MOR) Schema mit Informationen über die OP Konfiguration und Modell- bzw. Report-Administration Recommendation Engine API (REAPI) Java Classes, die in die Web-Applikation integriert werden um Daten zu sammeln und Empfehlungen einzuholen

Populating the MTR:MTR_ITEM: 

Populating the MTR: MTR_ITEM Tabelle: SMILIEFRAGEN Tabelle: MTR_ITEM „QUESTION“

Populating the MTR:MTR_CATEGORY: 

Populating the MTR: MTR_CATEGORY Tabelle: SMILIECATEGORY Tabelle: MTR_CATEGORY

Populating the MTR:MTR_TAX.._CAT.._ITEM: 

Populating the MTR: MTR_TAX.._CAT.._ITEM Tabelle: SMILIE_CAT_FRAGEN Tabelle: MTR_TAXONOMY_CATEGORY_ITEM Zusätzlich: MTR_TAXONOMY, MTR_TAXONOMY_CATEGORY

Taxonomie Smiley Show: 

Taxonomie Smiley Show Category 1 Category 2 Category 3 ... z.B. Sport z.B. Geographie z.B. Film Smiley Taxonomy Frage 3401 Frage 3402 Frage 3403 Frage 3404 Frage 3405 ... Taxonomy 1

Populating the MTR:MTR_CUSTOMER: 

DB Populating the MTR: MTR_CUSTOMER Neuanmeldung

Populating the MTR:MTR_CUSTOMER: 

DB Populating the MTR: MTR_CUSTOMER Neuanmeldung Tabelle: MTR_CUSTOMER

Anpassung Applikation: 

DB Fragen Anpassung Applikation vorher: Set von 10 zufälligen Fragen davon 1 tagesaktuelle Frage Prüfung ob Frage bereits gestellt

Anpassung Applikation: 

DB Fragen Empfehlung Feedback Anpassung Applikation nachher: 1 tagesaktuelle Frage Empfehlungen für 9 Fragen Feedback: Frage richtig/falsch Prüfung ob Frage bereits gestellt

Anpassung Applikation: 

Empfehlung Feedback Anpassung Applikation Create Proxy: proxy=REProxyManager.createProxy (proxyName, dbURL, user, passwd, cacheSize, interval) Create Session: proxy.createCustomerSession (SpielerId, SessionId) Create Settings Data: idData=IdentificationData. createSessionful (SessionId, Enum.User.CUSTOMER)

Anpassung Applikation: 

Anpassung Applikation Feedback: items = DataItem("QUESTION", FragenId, Enum.DataSource. NAVIGATION, value); proxy.addItems(idData, items); Empfehlungen: frage = proxy.recommendTopItems (idData, noOfRecommendations, tunings, filters, recContent)

Die Technik hinter OP:Assoziations Regeln: 

Die Technik hinter OP: Assoziations Regeln Ursprung: Warenkorbanalyse Welche Waren werden zusammen gekauft? wer Bier und eine Fernsehzeitung kauft, der kauft auch Chips!

Die Technik hinter OP:Assoziations Regeln: 

Die Technik hinter OP: Assoziations Regeln Gegenstand der Analyse: Zusammengehörige Mengen von Ereignissen 1. A,B,D,F 2. B,E,F 3. A,C 4. A,B,F 5. B,C,D,E,F Zusätzliche Informationen/Filterung durch Taxonomie Wichtig: Statistische Signifikanz der Resultate! Regeln: Support Confidence A => F 40% 66% B => F 80% 100% B,D => F 40% 100% ... ... ...

GIP Fractal Miner:Testen der Regeln: 

GIP Fractal Miner: Testen der Regeln Voranalyse der Datenbasis: mit Hilfe von GIP Fractal Miner schnelle Evaluierung aller für Oracle Personalization benötigten Daten

Rapid ProtoMining:Ein Service der GIP AG: 

Rapid ProtoMining: Ein Service der GIP AG Voranalyse als erster Schritt zum eigentlichen Data Mining- oder Personalisierungs-Projekt Zeigt die Leistungsfähigkeit von Data Mining auf konkreten Unternehmensdaten Geringer Einstiegspreis Erste Resultate und Entscheidungsgrundlagen sind schnell verfügbar Definiert den Ist- und Soll-Zustand Setzt realistische Erwartungen Läßt Anforderungen an die Hardware abschätzen

Rapid ProtoMining:Ein Service der GIP AG: 

Rapid ProtoMining: Ein Service der GIP AG Rapid ProtoMining Daten ok? ja nein Eigentliches Data Mining Projekt Empfehlungen Vorgehensweise: Phase I Phase II Web Logs

Rapid ProtoMining:Ein Service der GIP AG: 

Rapid ProtoMining: Ein Service der GIP AG Download Rapid ProtoMining Beschreibung: http://www.gip.com/downloads/Rapid_ProtoMining.pdf Download Data Mining & Personalisierung GIP AG: http://www.gip.com/downloads/Xyna-Deutsch.pdf

Slide39: 

Vielen Dank für Ihre Aufmerksamkeit! Kontakt: GIP AG Dr. Alexander Ebbes Göttelmannstr. 17 D-55130 Mainz Germany Tel. +49.6131.80124.25 Fax  +49.6131.80124.20 email: alexander.ebbes@gip.com