# Optimierung der Werbe-Performance mit modernstem Machine Learning und Vektordatenbank-Technologie

Freuen wir uns, euch heute DeepKNN vorzustellen, unsere neueste Ergänzung zu Criteos Recommendation Engine für das Retargeting. DeepKNN ist Criteos leistungsstarke ...

Aktualisiert am 30. November 2023

## Inhaltsverzeichnis
1. [Was ist DeepKNN?](/content/de/blog/optimizing-advertising-performance-with-advanced-machine-learning-and-vector-database-technology/#was-ist-deepknn/index.html)
2. [Die Macht vektorieller Darstellungen](/content/de/blog/optimizing-advertising-performance-with-advanced-machine-learning-and-vector-database-technology/#die-macht-vektorieller-darstellungen/index.html)
3. [Wie wirkt sich DeepKNN auf die Kampagnen von Marketern aus?](/content/de/blog/optimizing-advertising-performance-with-advanced-machine-learning-and-vector-database-technology/#wie-wirkt-sich-deepknn-auf-die-kampagnen-von-marketern-aus/index.html)
4. [Verbesserte Retargeting-Produktempfehlungen mit DeepKNN](/content/de/blog/optimizing-advertising-performance-with-advanced-machine-learning-and-vector-database-technology/#verbesserte-retargeting-produktempfehlungen-mit-deepknn/index.html)
5. [Performance-Prognose mit Vektordatenbanken und Deep Learning](/content/de/blog/optimizing-advertising-performance-with-advanced-machine-learning-and-vector-database-technology/#performance-prognose-mit-vektordatenbanken-und-deep-learning/index.html)

Aktuell stehen Marketer unter einem noch nie dagewesenen Druck. Eine sich stetig wandelnde und immer kostenintensivere Werbelandschaft, neue Vorschriften und die allgemeine volkswirtschaftliche Unsicherheit machen sie zunehmend abhängig von Performance-orientiertem digitalem Marketing. Da Konsumenten weiterhin jede Kaufentscheidung gründlich abwägen, spielen leistungsstarke Lower Funnel-Strategien eine entscheidende Rolle für Conversions und Umsatz.

Bei Criteo stehen Technologie und Innovation im Mittelpunkt unserer Arbeit. Das war schon in unseren Anfangstagen als Filmempfehlungsdienst so – vor mehr als 15 Jahren. KI (Künstliche Intelligenz) ist Teil unserer DNA, und wir arbeiten jeden Tag daran, unsere KI-gestützten Lösungen zu verbessern und unseren Kunden Werbekampagnen zu ermöglichen, die mess- und verwertbare Ergebnisse liefern. Daher freuen wir uns, euch heute DeepKNN vorzustellen, unsere neueste Ergänzung zu Criteos [Recommendation Engine](/content/de/technology/ai-engine/index.html) für das Retargeting. **DeepKNN ist Criteos leistungsstarke Vektordatenbank und Deep Learning Engine, die bereits den zentralen Motor wichtiger Bereiche unserer Produktlinie darstellt.**

Und das sind nicht nur Buzzwords: Bereits während des Beta-Tests von DeepKNN in unserem Retargeting-Empfehlungssystem konnten wir bei allen Engagement-Metriken signifikante Steigerungen beobachten. Auch wenn die Performance-Steigerungen von Kunde zu Kunde variieren, erzielen wir Verbesserungen sowohl bei den Klickraten als auch bei den attribuierten Umsatzsteigerungen, die oft mehr als zehn Prozent betragen! Einfach ausgedrückt: Unsere leistungsstarke KI bietet Marketern eine bessere Performance – und zwar in großem Maßstab.

## Was ist DeepKNN?

DeepKNN steht für „Deep Learning Representation for K-Nearest Neighbors Search“ – Deep Learning-Darstellung für die Suche der nächsten Nachbarn von K. Diese Technologie kombiniert eine hochmoderne Vektordatenbank mit Deep Learning-Technologie. Dieses Framework bildet den Motor der meisten Werbekampagnen von Criteo, versorgt die Konsumenten mit besseren Produktempfehlungen und verbessert die Kundenbindungskennzahlen für die Advertiser.

DeepKNN kombiniert dabei zwei leistungsstarke Technologien:
- **Ein tiefes neurales Netzwerk, das** alle unsere Produkt- und Konsumentenaktivitäts-Informationen in eine Reihe von Vektoren verarbeitet.
- **Eine Vektordatenbank (VectorDB)**, welche die Produkt- und Konsumentenvektoren speichert und es uns ermöglicht, in Echtzeit die ähnlichsten Produkte und Konsumenten zu einer Anfrage zu finden.

**Der Prozess der Indizierung von Produkten in einer VectorDB:** Schritt 1) Einlesen aller verfügbaren unstrukturierten Produktinformationen (Bilder, Text, Nutzeraktivitäten). Schritt 2) Umwandlung in vektorielle Repräsentationen mittels Deep Learning. Schritt 3) Speicherung in der VectorDB.

## Die Macht vektorieller Darstellungen

Warum ist es sinnvoll, Vektoren mit all unseren Produkten und Konsumenten zu assoziieren? Vektoren helfen uns, die für ein bestimmtes Produkt oder eine bestimmte Dienstleistung am besten geeigneten Konsumenten zu finden. Indem wir Konsumenten und Produkte als Vektoren darstellen, können wir unsere Vorstellungen von Konsument-zu-Produkt-Affinitäten wie die Entfernung zwischen verschiedenen Punkten betrachten und einbeziehen.

## Wie wirkt sich DeepKNN auf die Kampagnen von Marketern aus?

DeepKNN unterstützt Advertiser auf verschiedene Weise dabei, ihre Kampagnen zu optimieren:
- **Personalisierte Empfehlungen**: DeepKNN kann Konsumenten auf der Grundlage ihres bisherigen Verhaltens und ihrer Vorlieben personalisierte Empfehlungen geben. Dies ist ein Weg zu höheren Conversion-Raten sowie zu einer besseren Gesamtperformance der Kampagne.
- **Optimierte Zielgruppen**: DeepKNN kann helfen, Muster und Ähnlichkeiten im Konsumentenverhalten zu erkennen, die vielleicht nicht sofort ersichtlich sind.
- **Schnellerer Datenabruf**: Mit DeepKNN können wir schnell große Datensätze durchsuchen, um die relevantesten Ergebnisse zu finden.
- **Verbesserte Ad Creatives**: Durch die Analyse des Inhalts unserer Ads mit DeepKNN können wir Muster und Ähnlichkeiten erkennen, die bei unserer Zielgruppe Anklang finden.

## Verbesserte Retargeting-Produktempfehlungen mit DeepKNN

Optimale Produktempfehlungen sind der Schlüssel zum Erfolg einer Retargeting-Kampagne. Unsere bestehende, leistungsstarke Produktempfehlungslösung für das Retargeting verwendet eine zweistufige Architektur, um zu gewährleisten, dass wir in jeder Sekunde viele tausend Anfragen verarbeiten können. 
Durch die Integration von DeepKNN in unsere Produktempfehlungen können wir nun Ähnlichkeiten zwischen verschiedenen Artikeln noch präziser und ausgefeilter berechnen.

## Performance-Prognose mit Vektordatenbanken und Deep Learning

Durch den Einsatz von Deep Learning-Algorithmen und effizienten Ähnlichkeitssuch- und Clustertechniken helfen Vektordatenbanken wie DeepKNN den Advertisern, Cluster von Konsumenten mit ähnlichen Einkaufspräferenzen zu identifizieren.

Wir sind stolz darauf, an der Spitze dieses Trends zu stehen, und wir glauben, dass unsere neue Online Decision Engine für das Performance Marketing einen bedeutenden Schritt nach vorne darstellt.

Euer wollt mehr darüber erfahren, wie DEEPKNN und Machine Learning die Performance eurer Kampagnen verbessern können? [Dann sprecht jetzt mit einem unserer Experten.](/content/de/talk-to-an-expert/index.html)