@phdthesis{Binder2020,
  type      = {Master Thesis},
  author    = {Andr{\´e} Binder},
  title     = {Integration eines Recommender Systems in eine E-Mail-Marketing L{\"o}sung},
  address   = {Offenburg},
  pages     = {ix, 89, lxx},
  year      = {2020},
  abstract  = {Um die Akzeptanz und Relevanz von Mailings zu steigern, ist es f{\"u}r Unternehmen wichtig, die Kundeninteressen m{\"o}glichst gezielt anzusprechen. Bereits jetzt wird die E-Mail-Marketing L{\"o}sung Inxmail Professional zusammen mit Recommender Systemen eingesetzt, was das Erstellen und Versenden von E-Mails mit personalisierten Produktempfehlungen erm{\"o}glicht. Das notwendige Wissen f{\"u}r den Aufbau und den Betrieb dieser Recommender Systeme liegt dabei jedoch bei (externen) Technologie-Partnern, wodurch h{\"o}here Kosten und zus{\"a}tzliche Abh{\"a}ngigkeiten f{\"u}r Inxmail und seine Kunden entstehen. Mit dieser Arbeit wurde erforscht, was es f{\"u}r das Unternehmen Inxmail bedeutet, mit Open-Source-Software ein eigenst{\"a}ndiges Recommender System aufzubauen und in die E-Mail-Marketing L{\"o}sung Inxmail Professional zu integrieren. Hierf{\"u}r wird Inxmail Professional in einem typischen Kontext mit einem angebundenen Onlineshop System betrachtet. Das Recommender System soll anhand der Daten, die es aus dem Onlineshop System bekommt, individuelle Produktempfehlungen berechnen, um diese automatisiert beim Versand f{\"u}r jeden Empf{\"a}nger abfragen und in die E-Mail integrieren zu k{\"o}nnen. Auf Basis des Machine Learning Servers Harness und der integrierten Universal Recommender Engine wurde ein Recommender System aufgebaut. F{\"u}r die Integration des Onlineshop Systems Shopware wurde ein Plugin entwickelt, welches das Recommender System {\"u}ber alle relevanten Benutzeraktionen benachrichtigt. Die Inxmail Professional Integration basiert auf einem Webservice, der implementiert wurde, um die individuellen Produktempfehlungen f{\"u}r einen Kunden/Empf{\"a}nger beim Recommender System abzufragen und mit den Detailinformationen zu den Produkten aus dem Onlineshop aufzubereiten. Es konnte gezeigt werden, dass auf der Grundlage von Open-Source-Technologien ein eigenst{\"a}ndiges Recommender System aufgebaut, evaluiert und in Inxmail Professional mit angebundenem Onlineshop System integriert werden kann. Der Gesamtprozess f{\"u}r die Evaluation des Systems wurde weitestgehend automatisiert, wodurch viele manuelle und zeitintensive Schritte {\"u}ber Steuerungsskripte abgehandelt werden k{\"o}nnen. Das System erlaubt die reibungslose Verarbeitung gro{\"s}er Datenmengen (> 19.000.000 Events) auf einem einzelnen Server. Die Vorhersagequalit{\"a}t wurde anhand realer Interaktionsdaten aus {\"o}ffentlichen E-Commerce-Datens{\"a}tzen mit Offline-Tests gemessen. Dadurch wurde sichergestellt, dass das System in der Lage ist, bei stetig wachsender Eventmenge zuverl{\"a}ssige aufempfehlungen zu berechnen. Die Tests haben gezeigt, dass bei mehreren Millionen Events von mehreren Tausend Benutzern f{\"u}r mehrere Tausend Produkte, 13 \% bis 15 \% aller tats{\"a}chlichen K{\"a}ufe in den Top-10 der vom System vorgeschlagenen Empfehlungen enthalten waren. Damit wurde die Grundlage f{\"u}r den selbstst{\"a}ndigen Aufbau und Betrieb eines Recommender Systems gelegt, was eine sinnvolle und kosteng{\"u}nstige Alternative zu externen Systemen sein kann.},
  language  = {de}
}