Empfehlungssysteme

ImmoScout24 kann den Nutzer:innen personalisierte Empfehlungen anzeigen, um ihnen ein relevantes und ansprechendes Nutzererlebnis zu bieten und sie beim Inserieren, Suchen und Finden von Immobilien und damit verbundenen Dienstleistungen zu unterstützen.  

Diese Empfehlungen werden den Nutzer;innenn auf allen ImmoScout24-Plattformen (z.B. Desktop, Mobile App, etc.) zur Verfügung gestellt. 

ImmoScout24 gibt den Nutzer:innen bei der Suche Empfehlungen für andere Angebote. Diese anderen Angebote werden auf Basis von zwei verschiedenen Datenarten empfohlen - ereignisbasierten Daten und anzeigenbasierten Daten. Um Nutzer:innen die relevantesten Empfehlungen zu geben, verwendet ImmoScout24 Informationen über die Ereignisse, die im Zusammenhang mit den Angeboten auf unserer Webseite stehen, sowie Informationen über die Angebote selbst. 

Detaillierte Informationen über die Kriterien, die wir bei der Erstellung einer Empfehlung verwenden, erhalten Sie im Folgenden: 

Ereignisbasierte Informationen

• Uhrzeit und Datum der Interaktion des:der Nutzers:Nutzerin mit dem Angebot. 
• Informationen über die Nutzungsoberfläche des:der Nutzers:Nutzerin, von der aus das Angebot angesteuert wurde (z. B. Desktop oder Mobile). 
• Informationen über die Aufrufe von Angeboten. 
• Informationen über die Anzahl der gespeicherten Angebote.
• Anzahl der Kontakte zum:zur Inserent:in für ein bestimmtes Angebot. 
• Anzahl der Nachrichten an den:die Inserent:in für ein bestimmtes Angebot. 

Anzeigenbasierte Informationen

• Informationen über die Wohnfläche, die Anzahl der Zimmer und deren Größe. 
• Preis für die Miete oder den Kauf einer Immobilie. 
• Quadratmeterzahl des Objekts. 
• Informationen über die Region und die Stadt, in der sich das Angebot befindet. 
• Informationen über die Postleitzahl des Objekts. 
• Geografische Koordinaten des Objekts. 
• Informationen über Ausstattungsmerkmale. 

Die genannten Kriterien haben die gleiche Gewichtung bei der Erstellung einer Empfehlung. Die konkrete Empfehlung, die dem:der Nutzer:in angezeigt wird, basiert auf einer durchschnittlichen Kombination aller oben genannten Kriterien. Dadurch können basierend auf unseren Daten und Erfahrungen die besten Ergebnisse für Nutzer:innen in Bezug auf Qualität und Passgenauigkeit der Empfehlung erzielt werden.