Advertisement

Effektive Vertriebsunterstützung durch wissensbasbasierte Beratungssysteme

  • A. Felfernig
  • G. Friedrich
  • D. Jannach
  • C. Russ
  • M. Zanker
Originalarbeiten

Zusammenfassung

Wissensbasierte Beratungssysteme unterstützen Kunden und Vertriebsmitarbeiter bei der Auswahl von geeigneten Produkten oder Services aus einem umfangreichen Sortiment. Die Anwendungsbereiche dieser Systeme sind sehr vielschichtig und reichen vom Finanzdienstleistungssektor (beispielsweise Gestaltung von kundenspezifischen Portfolios) bis hin zum Elektronikbereich (beispielsweise Beratung beim Kauf von Digitalkameras). Eine Grundvoraussetzung für den erfolgreichen Einsatz von Beratungsanwendungen ist eine intuitive grafische Umgebung, die auch Fachbereichsexperten (beispielsweise Wertpapiermanagern) die Definition von Beratungswissensbasen und Beratungsprozessen ermöglicht. Neben grundlegenden Konzepten von wissensbasierten Beratungssystemen werden in diesem Beitrag eine Modellierungsumgebung zur Konstruktion von Beratungsanwendungen und Erfahrungen aus industriellen Umsetzungsprojekten diskutiert.

Schlüsselwörter

wissensbasierte Beratung Mass Customization Wissenserwerb industrielle Anwendungen Softwarewerkzeuge 

Effective sales support using knowledge-based recommender systems

Abstract

Knowledge based recommenders provide valuable support for customers and sales employees in the process of identifying a set of products or services from a potentially large assortment. There exist various application areas for knowledge based recommenders, e.g. advisory for financial services (e.g. portfolio configuration) or advisory services for electronic equipment (e.g. digital cameras). A major precondition for a successful application of recommender applications is an intuitive graphical environment also applicable for domain experts (e.g. experts in managing and selling bonds). In this article we present concepts behind knowledge based recommender systems and a corresponding software environment which supports the graphical development of recommender applications. Additionally, experiences stemming from a set of industrial development projects are discussed.

Keywords

knowledge based recommenders mass customization knowledge acquisition industrial applications software tools 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Ardissono, L., Felfernig, A., Friedrich, G., Goy, A., Jannach, D., Petrone, G., Schäfer, R., Zanker, M. (2003): A framework for the development of personalized, distributed web-based configuration systems. Al Magazine, 24 (3) 2003: 93–108.Google Scholar
  2. Burke, R. (1999): Integrating knowledge-based and collaborative-filtering recommender systems. Workshop on Al and Electronic Commerce, Orlando, Florida, 1999: 69–72.Google Scholar
  3. Felfernig, A., Friedrich, G., Jannach, D., Stumptner, M., Zanker, M. (2003): Configuration knowledge representations for semantic web applications. AIEDAM, 17 (3): 2003: 31–49.zbMATHGoogle Scholar
  4. Felfernig, A., Friedrich, G., Jannach, D., Stumptner, M. (2004): Consistency-based diagnosis of configuration knowledge bases. Artificial Intelligence, 2 (152) 2004: 213–234.MathSciNetCrossRefzbMATHGoogle Scholar
  5. Felfernig, A., Russ., C., Wundara, M. (2004): Toolkits supporting open innovation in E-government. 6th Int. Conf. on Enterprise Information Systems, 2004: 296–302.Google Scholar
  6. Jannach, D. (2004): Advisor suite — a knowledge-based sales advisory system. Proc. of the 16th European Conf. on Artificial Intelligence (ECAI), 2004: 720–724.Google Scholar
  7. Konstan, J. A. (2004): Introduction to recommender systems: algorithms and evaluation. ACM Trans. on Information Systems, 22 (1) 2004: 1–4.CrossRefGoogle Scholar
  8. Papadias, D., Kalnis, P., Mamoulis, N. (1999): Hierarchical constraint satisfaction in spatial databases. Proc. of the 16th Nat. Conf. on Artificial Intelligence and the 11th Innovative Applications of Artificial Intelligence Conf., 1999: 142–147.Google Scholar
  9. Pazzani, M. (1999): A framework for collaborative, content-based and demographic filtering. Artificial Intelligence Review, 13 (5–6) 1999: 393–408.CrossRefGoogle Scholar
  10. Pine, B. J., Davis, S. (1999): Mass customization: the new frontier in business competition. Harvard Business School Press.Google Scholar
  11. Sarwar, B., Karypis, G., Konstan, J., Riedl, J. (2001): Item-based collaborative filtering recommendation algorithms. 10th Int. World Wide Web Conf., ACM Press, 2001: 285–295.Google Scholar
  12. Tsang, E. P. K. (1993): Foundations of constraint satisfaction. London: Academic Press.Google Scholar

Copyright information

© Springer 2005

Authors and Affiliations

  • A. Felfernig
    • 1
  • G. Friedrich
    • 1
  • D. Jannach
    • 1
  • C. Russ
    • 1
  • M. Zanker
    • 1
  1. 1.Institut für Wirtschaftsinformatik und AnwendungssystemeUniversität KlagenfurtKlagenfurtAustria

Personalised recommendations