Zwei Wochen Schülerpraktikum bei Akanoo – Der Insiderbericht

Praktikant Benjamin Kunze bei Akanoo

Warum hast du dich entschieden bei uns dein Schülerpraktikum zu absolvieren?

Weil ich mich für Online Marketing und IT interessiere und bei einem Unternehmen Praktikum machen wollte, dass nicht so viele Mitarbeiter hat. Außerdem wollte ich auch etwas bewegen und nicht nur den Kaffee holen. Deswegen habe ich im Internet nach solchen Unternehmen recherchiert und bin dann auf Akanoo aufmerksam geworden. Als ich dann auch den ersten Kontakt mit dem Unternehmen hatte, hat es auf mich einen positiven Eindruck gemacht.

Was waren Deine Aufgaben?

Ein guter Plan hilft bei jedem Praktikum

Ich hatte unterschiedliche Aufgaben, aber hauptsächlich coden für die Webseite von Akanoo. Ich sollte einen Rechner programmieren, der den Kunden zeigt, wie viel mehr Umsatz sie mit Akanoo machen können und die Website verschönern im Karriere-Bereich. Aber ich hatte auch andere Aufgaben zum Beispiel ein paar Webseiten zu analysieren und nach Tag Managern Ausschau halten.

Wie hat Dir das Praktikum gefallen? Was war besonders gut oder interessant?

Mir hat das Praktikum sehr viel Spaß gemacht, weil hier so eine positive Arbeitsathmosphäre herrscht und jeder sich mit jedem gut versteht. Wenn ich Hilfe brauchte, dann konnte ich jeden fragen und jeder hat mir dann geholfen. Ich habe sehr viel gelernt. Es gab auch gewisse Hürden, aber die habe ich mit Hilfe des Akanoo Teams sehr gut meistern können.
Sehr gut hat mir auch gefallen, dass niemand abweisend war und alle mich als ,,Kollegen“ akzeptiert haben. Ich habe einen sehr guten Blick in die Arbeitswelt bekommen und freue mich, dass ich für zwei Wochen ein Teil der Akanoo-Familie sein durfte.

Successful, happy & healthy 2017!

Dear clients, contacts, partners and everyone else around: we wish you a terrific start for 2017! All the best from the team at Akanoo!

Akanoo Christmas Party 2016
Akanoo Christmas Party 2016

Data Science Thesis at Akanoo

uplift
Hallo!
Ich bin Tillmann Radmer (26), studiere an der Humboldt Universität Berlin Wirtschaftsinformatik und habe zuvor meinen Bachelor als Wirtschaftsingenieur in Hamburg gemacht. In meiner Masterarbeit erforsche und vergleiche ich neuartige Ansätze zur Optimierung von Uplift-Modellen zur interaktiven Besucheransprache.
Durch ausgeklügeltere Modelle kann Akanoo Kunden gezielter ansprechen und die Conversion Rate für seine Kunden verbessern. Ich möchte hier einen kleine Einführung in das Uplift Modelling zur gezielten Besucheransprache geben.

Uplift Modeling

Often times an important question in direct marketing is which customers to target. This is because some customers will not react to the campaign, while still incurring the variable costs of marketing. Worse, some customers might react negatively to receiving an ad. Generally, there are four types of customers in direct marketing:

  1. Customers who will respond without treatment,
  2. customers who will only respond after receiving a treatment,
  3. customers who will not respond because of a treatment, and
  4. customers who will not respond regardless.

The goal of uplift modeling is to differentiate customers in group 2 from those in the other groups.

Start with A/B-testing

To build an uplift model one needs the result from an A/B-testing experiment. Using two groups and a binary outcome will give four possible combinations as shown below.

Figure 1: Four possibilities in an A/B-test experiment. (Shaar2016)

Given the result one can calculate the uplift as

P(return|treatment)-P(return|control).

Unfortunately, this term is not defined for a single customer, so we cannot simply build a model that maximizes it. Instead there are serveral approaches to maximize it indirectly.

Building a model

The simplest one neglects the control group and models the probability that a customer will return given that she received treatment and given some customer specific information.

P(return|treatment,information)

Throwing away half the data isn’t optimal. For instance this model doesn’t predict which customers will only return when given some treatment, as we required above. Instead it will give all customers that will return regardless of treatment.

A simple extension is to build two models, one for each term in the uplift equation. Formally,

P(return|treatment,information)-P(return|control,information).

While this approach directly models the uplift effect, research suggests that it doesn’t always perform well in practice. One reason for that is that the treatment effect is usually much smaller than the main effect, e.g. if the main effect is 1.0% in the control group and the combined effect is 1.1% in the treatment group, then the uplift effect is only 0.1% (=1.1%-1.0%). Consequently the individual model will mostly focus on the main effect within each group. (Radcliffe, 2011)

An easy way to a single model approach is to apply a class variable transformation to the result from the A/B-test. Both the TR and the CNR groups will be assigned to the positive group (e.g. treatment) and TNR and CR will be assigned to the negative group (no treatment).

Table 1:  Example of the class variable transformation.

Customer

Group

1=Treatment

0=Control

Returned

1=Returned

0=Not Returned

Transformed
1 0 1 0
2 1 0 0
3 0 0 1
4 1 0 0
5 1 1 1
6 0 0 1

The idea is that from the four fields, we would definitely like to treat the customers in the group with the TR outcome. And because we don’t know whether the customers in the CNR would have responded if they had received a treatment, we would also like to treat them. It can be shown that under some assumptions modeling the conditional probability of the transformed class variable is equivalent to modeling the conditional probabilities of the two original variables from uplift equation above.

There are more elaborate techniques that incorporate the maximization of the uplift equation into the training algorithm. However, the straightforward implementation and applicability to any standard machine-learning algorithm make the two models approach and the class variable transformation approach very attractive first choices.

Good Monday Morning Akanoo

Welcome to our weekly update :-)!

PrefixSpan with Spark

Meetup-Event bei Akanoo

Am 13. August 2015 trafen sich 20 Technologie-Interessierte im Rahmen des “Big Data & NoSQL Hamburg Meetup” im Office bei Akanoo. In entspannter Atmosphäre hielten Frank Wolf und Dr. Gundula Meckenhäuser dort einen Vortrag zum Thema “PrefixSpan with Spark”.

Während Dr. Gundula Meckenhäuser den Teilnehmern einen Einblick in “PrefixSpan for Sequential Pattern Mining” gab, zeigte Frank Wolf die darauffolgende Prefix-Implementierung mit Spark. Die Veranstaltung endete mit einer Diskussion und anschließendem Networking in angenehmer Runde.

Informationen zur Meetup-Veranstaltung von Akanoo finden Sie hier.

Meetup 13.08.2015

Meetup 13.08.2015

Akanoo unter den fünf Nominierten für “Das Start-Up mit Zukunft”

Wir freuen uns sehr unter den fünf Finalisten beim Wettbewerb “Das Start-up mit Zukunft” im Rahmen der Internet World Messe vom 24.3 bis 25.3.2015 in München zu sein.

Besuchen Sie uns auch an unserem Stand in der Start-Up Street // Halle B1

Akanoo auf der Internet World Messe 2015

Welcome to our new office!

We are excited: New Office! Here are some first impressions. Come visit us @Mittelweg 121, 20148 Hamburg

Akanoo Office Impressions - 1

Akanoo Office Impressions - 2

Akanoo Office Impressions - 3

Akanoo Office Impressions - 4

Akanoo Office Impressions - 5

Akanoo takes 3rd place at NEOCOM E-Commerce Startup Award

We look back to exciting two days at NEOCOM 2014 in Düsseldorf. NEOCOM is one of the leading conferences for the German e-commerce and mail-order industry. Akanoo was one of few startups that were selected among over 35 applicants to pitch live on stage for the NEOCOM E-COMMERCE STARTUP AWARD. After a great pitch session, Akanoo finished third after Stickvogel and Glossybox of Berlin.

We are very proud of the result, having finished ahead of other great software-as-a-service companies such as channelpilot and our competitors. We recommend any other young company with a focus on services to e-commerce players to join the NEOCOM fair and startup award. Use the opportunity to meet great partners and prospects and see you next year at NEOCOM!

The E-COMMERCE STARTUP AWARD finalists
The NEOCOM 2014 E-COMMERCE STARTUP AWARD finalists

Update: Akanoo in der Presse

Wir bedanken uns sehr bei Frank Puscher für das spannende Interview über Akanoo, unseren konzeptionellen Ansatz, seinen technologischen Hintergrund und den Herausforderungen als innovativer Technologieanbieter im E-Commerce. Hier gibt es das ganze Interview zum nachlesen: Akanoo: “Richtiger Reiz zur richtigen Zeit”

Der persönliche Draht zum Kunden: Personalisierung im E-Commerce

In vielen Online-Shops ist das Versprechen nach einem persönlichen Einkaufserlebnis tatsächlich nicht mehr als: Ein Versprechen. Dabei zeigen Statistiken, dass Besucher sehr positiv auf ein personalisiertes Einkaufserlebnis reagieren. So kommen über 70 Prozent der Besucher deutlich lieber zu Shops zurück, die eine personalisierte Produktauswahl dargestellen. Die Besucher sind fest überzeugt, dass Online-Händler mit personalisierten Angeboten einen besseren Service bieten.

Verständlicherweise gehen viele Internetnutzer vorsichtig mit ihren Daten um. Es ist hier an den Online-Händlern, verantwortungsvoll zu agieren und Transparenz zu schaffen, denn:

  • 57% aller Online-Konsumenten sind bereit, persönliche Daten zu hinterlegen, wenn es ihr Einkaufserlebnis deutlich verbessert
  • 77% vertrauen Online-Händlern mehr, wenn diese erläutern, wie sie die personenbezogenen Daten einsetzen.

(Quelle: Marketingcharts.com)

Ein personalisiertes digitales Einkaufserlebnis ist auch der Leitgedanke für Akanoo. Mit persönlichen Angeboten, die wir durch unseren selbstlernenden Algorithmus zielgerecht den Besuchern eines Onlineshops offerieren, schaffen wir ein individuelles und auf die Kundenwünsche abzielendes Kauferlebnis und können so nachhaltig Umsätze und Gewinne steigern.

Online-Händler aber auch selbst kleine Schritte tätigen und ihren Kunden einen persönlicheren Shopbesuch ermöglichen. Im Lifestyle- und Fashion-Segment ist der amerikanische Anbieter Zappos.com, der schon mit dem Claim „Powered by Service“ große Kundenorientierung demonstriert, ein hervorragendes Beispiel. Unsere Top 3 Ideen von Zappos zur Personalisierung in der Kundenbindung sind: