Die Ausgangslage
Es gibt mehr sehenswerte Orte, als jemand recherchieren kann, und die meisten Reiseportale sortieren sie nach Preis und Sternen. Über den Menschen, der davor sitzt, wissen sie nichts. Die Daten, die einen Reisenden wirklich kennen, sind das, was er schon mag und tut, und wohin Menschen wie er gereist sind.
Was ich gebaut habe
Ich habe tripl in Hamburg mitgegründet und als CTO das Empfehlungssystem gebaut. Ein Reisender meldete sich mit einem Social-Media-Profil an. tripl las seine Interessen und Aktivitäten, fand seine statistischen Zwillinge, also Menschen mit denselben Vorlieben, und empfahl die Ziele, Aktivitäten und Hotels, die diese Menschen bereist und gemocht hatten. In heutigen Worten: ein Empfehlungssystem, die Art KI, die einen großen Teil dessen bestimmt, was Sie online sehen, Jahre vor den großen Sprachmodellen. Das Handelsblatt nannte es ein „Portal für personalisierte Reisen“.
Das Ergebnis
trivago hat tripl 2017 übernommen. Ich bin zu trivago gewechselt und bis 2020 geblieben, in den Teams für Data Engineering, User Profiling und SEO. tripl war eines von drei Startups, die ich gegründet habe, und es hat mich gelehrt, dass Personalisierung vor allem eine Datenfrage ist: Das Modell ist der leichte Teil, zu wissen, welche Daten Ihre Kunden wirklich beschreiben, der schwere. Genau das vor dem Bau zu klären, legt das Paket KI Discovery auf Ihre Seite des Tisches.
Für die IT-Leitung
- Ansatz: nutzerbasierte Empfehlungen. Jeder Reisende wurde mit Menschen ähnlicher Interessen zusammengebracht (seinen „statistischen Zwillingen“), empfohlen wurde, was diese gewählt und gemocht hatten.
- Daten: Interessen und Aktivitäten aus dem Social-Media-Profil, mit dem sich ein Reisender anmeldete.
- Ergebnis: 2017 von trivago übernommen; ich war bis 2020 bei trivago.
- Prüfen Sie selbst: Das Handelsblatt berichtete über die Übernahme, „Trivago kauft Portal für personalisierte Reisen“ (2017); tripl.de beschreibt die Methode, archiviert im Dezember 2016.