„Machine Learning“ – ein Quantensprung für das Direktmarketing?

Zusammenfassung

Dieser Beitrag untersucht den Wert von „Machine Learning“-Algorithmen für die Optimierung von Kundenselektionen im Direktmarketing. Diese „Machine Learning“-Algorithmen haben in der jüngsten Zeit durch ihre oftmals den herkömmlichen statistisch-analytischen Verfahren überlegene Prognosekraft (wie etwa gegenüber der traditionellen Regressionsanalyse) besondere Aufmerksamkeit in verschiedenen Wissenschaftsdisziplinen erfahren, sodass ihre Eignung nun auch verstärkt im Direktmarketing diskutiert wird.

Der Beitrag stellt drei „Machine Learning“-Verfahren vor; Entscheidungsbäume, Random Forests und Gradient Boosting und diskutiert deren Wert für die Verbesserung der Prognosegüte; diese wird dargestellt anhand eines konkreten Datensatzes zur Prognose von Kündigungen. Dabei wird deutlich, dass diese innovativen Algorithmen eine zum Teil substanziell höhere Prognosekraft enthalten können als die etablierten Modelle, sodass „Machine Learning“-Algorithmen ganz offenkundig eine wertvolle Bereicherung des Methodenrepertoires im Direktmarketing sein können.