Herausforderung: Datenflut bewältigen und personalisierte Empfehlungen bieten
Täglich mussten über 65 Milliarden Signale aus globalen Quellen verarbeitet werden, um personalisierte Empfehlungen basierend auf individuellem Fahrverhalten und den Präferenzen der Kund:innen zu erstellen. Dabei mussten hohe Datenschutzstandards gewahrt bleiben. Ziel des Projekts war es, den Verkauf digitaler Services im Fahrzeug zu erhöhen und gleichzeitig die Kundenzufriedenheit zu maximieren.
Modernste Technologielösungen für effiziente Datenverarbeitung
Um diese komplexe Aufgabe zu bewältigen, entwickelte statworx ein leistungsstarkes Empfehlungssystem. Die riesigen Datenmengen wurden über einen Eventhub aufgenommen und mittels Spark Clustern parallelisiert verarbeitet, orchestriert durch Azure Data Factory (ADF). Die parallele Verarbeitung auf mehreren GPUs ermöglichte ein schnelles und skalierbares Training des Modells mit einem Trainingsdatensatz von 37 Millionen Einträgen und fast 1000 Features.
Beeindruckende Steigerung der Conversion-Rate um bis zu 70%
Das Ergebnis des Projekts spricht für sich: Der Automobilhersteller konnte zusätzliche Umsätze generieren und die Conversion-Rate um beeindruckende 70% steigern. Diese signifikante Verbesserung zeigt die Effektivität des personalisierten Empfehlungssystems und die Fähigkeit des statworx-Teams, komplexe Daten effizient zu verarbeiten und zu nutzen. Der Erfolg des Projekts führte nicht nur zu einer Umsatzsteigerung, sondern auch zu einer erhöhten Kundenzufriedenheit durch relevante und nützliche In-Car-Service-Empfehlungen.