1-2-3.tv setzt auf Multichannel Personalisierung

1-2-3.tv setzt auf Multichannel Personalisierung

Nach erfolgreicher Implementierung der prudsys Empfehlungstechnologie in die Onlineshop-Umgebung von 1-2-3.tv, bietet der Live TV Shopping Spezialist seinen Kunden nunmehr auch im Call Center intelligente und personalisierte Produktempfehlungen. Ab November 2013 erhalten zudem die Newsletter-Empfänger von 1-2-3.tv individuelle Empfehlungen.

Leipziger BNI-­Chapter „Karl Heine“ spendete für Kita Windscheidstraße

Unternehmerrunde sammelte Geld für sozialen Zweck

Seit einem Jahr treffen sich die Mitglieder des mittlerweile zum Netzwerk des „BNI Deutschland Südost“ gehörenden BNI-­‐Chapters „Karl Heine“ jeden Dienstag zum Morgenmeeting. Anlässlich ihres Jubiläums wollten sie auch anderen etwas Gutes tun. Chapter-­Mitglied Marco Fehl, der mit KIKOO Kindertagesstätten und Schulen bei der Realisierung von Gesundheitsprojekten und Beantragung von Fördermitt

Personalisierte Empfehlungen jetzt bei Conleys, Schneider, Impressionen & Co.

Personalisierte Empfehlungen jetzt bei Conleys, Schneider, Impressionen & Co.

Creatrade Holding GmbH setzt auf die Echtzeitpersonalisierungslösung der prudsys AG. Nach kurzer und unkomplizierter Integration der prudsys RDE in die Shops von Schneider (.de, .at, .ch), Impressionen (.de, .at, .ch), Discovery (.de, .at, .ch), Conleys (.de, .at, .ch) sowie Gingar (.de) erhalten Kunden ab sofort beim Online-Einkauf Produkte empfohlen, die sie wirklich interessieren.

Studenten der Universität Dortmund und der Budapester University of Technology and Economics zählen 2013 zu den weltbesten Nachwuchs-Data Minern

Studenten der Universität Dortmund und der Budapester University of Technology and Economics zählen 2013 zu den weltbesten Nachwuchs-Data Minern

Beim DATA-MINING-CUP 2013 – einem der führenden Data-Mining-Wettbewerb weltweit – setzten sich Studenten der Universität Dortmund und der University of Technology and Economics Budapest gegen 77 weitere Universitäten aus 24 Ländern durch und belegten dabei die beiden ersten Plätze. Insgesamt gingen 99 Teams an den Start, um ihr Data-Mining-Know how anhand zweier Aufgaben zum Thema Prognosen von Be