Testen ihren Cluster-Algorithmus auch in anderen Branchen: die Tripl-Gründer Christian Heimerl (links) und Hendrik Kleinwächter
Big Data ist überall. In der Werbung, im Finanzbereich, im Supermarkt-Regal. Fast alle Branchen machen sich die Datenmassen inzwischen zunutze: Ihre Auswertung ermöglicht etwa Rückschlüsse auf das zukünftige Kaufverhalten eines Kunden – und damit personalisierte Angebote.
Mithilfe von Daten, genauer: Facebook-Daten, will auch das Hamburger Reise-Startup Tripl Vorhersagen machen. Seinen Nutzern spielt die Web-Anwendung seit Ende 2015 Empfehlungen für Reiseziele und Urlaubsarten aus, die indirekt auf Gefällt-mir-Angaben, Check-ins oder dem Schreibstil basieren. Denn anhand dieser Informationen wird der Nutzer einem Cluster zugeordnet, in dem sich Personen befinden, die laut Facebook-Profil bereits an ähnlichen Orten waren, ähnliche Dinge mögen, in etwa gleich alt sind.
Damit das wirklich funktioniert, wird eine kritische Masse benötigt. Um neue Kunden zu gewinnen braucht es aber stimmige Ergebnisse. „Momentan kennen wir die Angaben von 14.000 Nutzern“, meint Christian Heimerl, einer der beiden Tripl-Gründer. Um allen neuen Nutzern valide Empfehlungen geben zu können, reiche diese Zahl noch nicht: „Teilweise liegen wir mit unseren Vorschlägen noch komplett daneben, teilweise sind wir schon sehr gut“, sagt Heimerl. Dürftig fielen die Ergebnisse insbesondere bei Anfragen von Personen aus, die noch keinem Cluster zugeordnet werden können.
Fehler passieren zum Beispiel, wenn der Facebook-Account, über den man sich anmeldet, nicht genügend Informationen hergibt. „In solchen Fällen fragen wir nach: Wie alt bist du? Machst du gerne Sport?.“ Tatsächlich kann man Tripl auch ohne Facebook-Login nutzen. Dann muss der User einen ausführlicheren Fragen-Katalog durcharbeiten. Die Plattform finanziert sich über Provisionen von Partnern wie Expedia oder Booking.com, bei denen der empfohlene Urlaub gebucht wird.
Den Ansatz, sich bei Kaufentscheidungen nicht auf die Meinung fremder oder unechter Rezensenten verlassen zu müssen, wollen Heimerl und sein Mitgründer Hendrik Kleinwächter auch auf andere Bereiche übertragen. Ihren Algorithmus haben sie zu Testzwecken unter anderem einem Elektronik-Anbieter zur Verfügung gestellt. Die Idee: Kunden sollen Produkte vorgeschlagen bekommen, die Personen mit ähnlichen Eigenschaften vor ihnen bereits gekauft haben. Auch hier lautet das Ziel also, das Überangebot sinnvoll zu schrumpfen.
„Im B2B-Bereich sehen unsere Investoren bei uns noch viel Potenzial. Allerdings liegt unser Fokus ganz klar auf dem Reisegeschäft“, erklärt Heimerl. Im Sommer gab es für Tripl in der Seed-Runde insgesamt 230.000 Euro von HR Ventures und einem Privatinvestor für je acht Prozent der Anteile an dem Jungunternehmen. Auf deren Rat, sich voll und ganz dem B2B-Geschäft zu verschreiben, wollen Heimerl und Kleinwächter erstmal nicht hören: „Der Reisemarkt ist ja bekanntlich ein Haifischbecken, aber wir glauben, dass es mit Machine Learning allein einfach nicht getan ist.“
Einen Big-Data-Ansatz verfolgt auch das 2015 gestartete Nekst, das jedoch ausschließlich Hotels findet. Auf Anbieter-Seite arbeitet in diesem Bereich etwa Bd4travel, das für Reiseunternehmen individuelle Kundenprofile auf Basis ihres Verhaltens erstellt. Relevante Dienstleistungen und Produkte mit der höchsten Buchungswahrscheinlichkeit sollen so in Echtzeit angezeigt werden.