Prognose des Kaufverhaltens in einem Webshop

In der Data Mining Challenge 2017/18 mussten Studierende das Kaufverhalten potentieller Kunden mit Hilfe von Daten eines Webshops prognostizieren. Eine gute Prognose ist in der Praxis wichtig, da Online-Anzeigen teuer sind und viele neu gewonnenen Interessenten ohne Kauf die Webseite verlassen. Wenn man diese Kunden identifizieren kann, können gezielt spezielle Angebote über Gutscheine angeboten werden. Die Studierenden lernen im Rahmen der Veranstaltung „Data Mining“ von Prof. Dr. Klingert an praxisorientierten Beispielen verschiedene Verfahren kennen mit denen eine solche datenbasierte Prognose erstellt werden kann.

Die diesjährigen Gewinner der Data Mining Challenge sind Michael Iglhaut und Hakan Kirik. Ihr Prognosemodell konnte den Abbruch des Kaufs in mehr als 89 % der Fälle richtig vorhersagen. Das ist eine deutliche Steigerung zu 53 % ohne das Modell. Den beiden Studierenden der Angewandten Informatik mit Schwerpunkt Wirtschaftsinformatik gelang es dabei nicht nur den bestmöglichen Algorithmus auszuwählen, sondern ihn auch so zu konfigurieren, dass Sie die Prognosequalität weiter steigern konnten und damit besser als die anderen Teilnehmer abschnitten.