Kontakt
Aktuelles bei Gautzsch

MASTER-THESIS RUND UM H. GAUTZSCH

LAURA LIPPMANN

Laura Lippmann schrieb ihre Masterarbeit im Studiengang IT-Management und fasst für uns die wichtigsten Inhalte zusammen: „ERMITTLUNG VON ERFOLGSDETERMINANTEN MITTELS MACHINE LEARNING AM BEISPIEL EINES AMAZON VENDOREN“

Der E-Commerce in Deutschland befindet sich in einem kontinuierlichen Wachstum. Ein immer größer werdender Teil der deutschen Bevölkerung kauft Waren online ein und beschert Onlinehändlern erstaunliche Wachstumsraten und Umsatzvolumina. Während der Umsatz im Jahr 2018 noch bei 53,3 Milliarden Euro allein im deutschen B2C-E-Commerce lag, stieg dieser im Jahr 2019 bereits auf 58 Milliarden. Dabei bekleidet ein Unternehmen die Stellung des Marktführers im deutschen E-Commerce: Amazon. Nahezu die Hälfte des gesamten E-Commerce-Umsatzes in Deutschland nimmt Amazon mit Amazon.de Marketplace und Amazon.de Eigenhandel ein.

Laura Lippmann

Das Ziel meiner Master-Thesis ist es, die Determinanten herauszustellen, welche maßgeblich für den Erfolg von auf Amazon angebotenen Produkten verantwortlich sind. Die Determinantenanalyse basiert auf den Datensätzen eines innerhalb unserer Firmengruppe bekannten Amazon Vendoren: SIENA GARDEN.

Um den Erfolg der SIENA GARDEN Produkte messbar zu machen und diese somit in verschiedene Erfolgslabel unterteilen zu können, entwickelte ich den sogenannten Price-Sales-Indicator. Zur Erkenntnisgewinnung generierte ich im praktischen Hauptteil der Arbeit mittels überwachter Lernverfahren verschiedene Machine Learning Modelle in RapidMiner, einer Umgebung für maschinelles Lernen.

Innerhalb des User Generated Content weist ein überwiegender Anteil der Determinanten einen signifikanten Einfluss für den Erfolg von Produkten auf. Insbesondere werden eine hohe Anzahl an Kundenrezensionen, -fragen sowie Antworten als relevante Determinanten definiert. Der Großteil des Product Owner Generated Content hingegen erweist sich gemäß den Erkenntnissen aus dem Machine Learning Modell für den Erfolg als irrelevant. Diese Ergebnisse seien jedoch unter Berücksichtigung der Einschränkungen der Thesis zu betrachten; beispielsweise wirkt sich der Product Owner Generated Content positiv auf das Ranking aus, welches den Erfolg indirekt beeinflusst.

LISA KUMM

Lisa Kumm beschäftigte sich in ihrer Masterthesis zum Abschluss des Studiengangs IT-Management mit dem Thema: „BILDANALYSE IM GROSSHANDEL – ANWENDBARKEIT CLOUDBASIERTER MACHINE LEARNING SERVICES“

Warum ist dieses Thema relevant für H. Gautzsch? Im Team-Content verwalten und pflegen wir die gesamten Artikel und zugehörigen Daten für das FiF. Bei über einer Million Artikel und mehreren Bildern pro Artikel kommt man schnell auf eine große Anzahl an Bildern. Mit diesen Bildern präsentieren wir unseren Kunden die Artikel unserer Lieferanten. Dabei enthalten diese Bilder Unmengen an Informationen, welche letztlich einen Einfluss auf die Kaufentscheidung haben. Aktuell nutzen wir diese Bilddaten weder, um unseren Kunden erweiterte Services anzubieten, noch um unsere internen Arbeitsabläufe effizienter zu gestalten. Vor diesem Hintergrund war es mein Ziel, zu evaluieren, inwiefern ein Großhandelsunternehmen wie H. Gautzsch durch den Einsatz von cMLS zur Bildanalyse profitieren kann.

Was ist denn eigentlich ein cloudbasierter Machine Learning Service? Bei einem cMLS handelt es sich um einen Service, welcher bei Bedarf über das Internet abgerufen werden kann, um aus Daten, wie zum Beispiel Bildern, Informationen abzuleiten. Dazu nutzt dieser Service maschinelle Lernmodelle, also eine Art der künstlichen Intelligenz. Die Nutzung von cMLS hat unter anderem den Vorteil, dass keine eigenen Rechenkapazitäten vorgehalten oder Algorithmen nicht selbst implementiert werden müssen. Angeboten werden cMLS von führenden IT-Unternehmen wie Google, Amazon, Microsoft oder IBM.

Welche Implikationen ergeben sich für die Zukunft? Es lässt sich festhalten, dass bereits die Nutzung von vortrainierten Modellen „Out-Of-The- Box“ zu vielversprechenden Ergebnissen führt. Über die Nutzung von vortrainierten Modellen hinaus, gibt es auch die Möglichkeit, individuelle Modelle auf Basis der eigenen Bilddaten zu trainieren, sodass Bilder noch genauer erkannt und zugeordnet werden können. Zum Beispiel zur Identifizierung der Marke oder sogar eines konkreten Artikels. Eine solche Untersuchung war nicht Teil meiner Master-Thesis, stellt aber sicherlich ein interessantes, zukünftiges Untersuchungsfeld dar.