Im Telekommunikationsmarkt kommt es aufgrund der vielen Wettbewerber und
des starken Preisdruckes immer mehr darauf an, Produkte und Services
individuell auf Kundenebene zu vermarkten. Dazu muss jederzeit vorausgesagt
werden können, wie affin jede Person gegenüber jedem Produkt ist. Das Ziel
dieses Projektes ist es, durch die innovative Kombination verschiedener
Datenquellen und Verfahren die Genauigkeit dieser Vorhersagen zu steigern
und somit passendere Angebote an die Kundschaft eines global agierenden
deutschen Telekommunikationsanbieters auszuspielen. Dazu werden u.a.
Klassifikationsmethoden, Frequent Pattern Mining sowie Algorithmen aus dem
Bereich der Recommendersysteme verwendet und die optimalen
Kombinationsgewichte gesucht, um die Prädiktionen der einzelnen Verfahren zu
aggregieren. Weiterhin wird untersucht, wie sich verändernde Interessen
berücksichtigt und langfristiges mit kurzfristigem sowie implizites mit
explizitem Feedback verbunden werden kann.