Diese Website ist seit dem Ende des Studiengangs Informationswissenschaft
im Juni 2014 archiviert und wird nicht mehr aktualisiert.
Bei technischen Fragen: Sascha Beck - s AT saschabeck PUNKT ch
Drucken

Peer Recommendations

Gliederung 1. Recommendations / Recommernder Systeme 2. Arten von Recommender Systemen 3. Beispiele für Recommender Systeme 3.1 Amazon-Recommendations 3.2 geizhals.at 3.3 ciao.de 4. Quellen 1. Recommendations / Recommernder Systeme Steht eine Person vor einer Kaufentscheidung, so wird es sich eine Empfehlung wünschen, welche ihr das Objekt liefert, das für sie den größten oder zumindest einen möglichst großen Nutzen hat. Peer Recommendations Bei „Peer Recommendations“ (Peer, engl. = Gleichgestellter, Ebenbürtiger) ist der Name das Prinzip. Der Empfehlungsgeber, der „Peer“, befindet sich also auf Augenhöhe mit den Kunden, wird als „Gleichgesinnter“ oder „Freund“ wahrgenommen (Anders als in den klassischen Verkaufssituationen „Unternehmen-Kunde“ oder „Verkäufer-Kunde“). Ein Beispiel außerhalb des World Wide Web: Es ist nicht neu, dass Freundinnen gerne zusammen einkaufen gehen und sich bei der Auswahl der Kleidung beraten. Eine Studie Agentur MarketingPartner „Sales Results in Marketing und Vertrieb – Peer-to-Peer-Programme“ ergab, dass Freunde und Bekannte großen Einfluss auf Kaufentscheidungen haben. Auf die Frage, wie oft Interessenten Freunde und Bekannte um Rat fragen, bevor sie Anschaffungen tätigen, antworteten insgesamt über 90 % der Befragten mit „ja, immer“, „oft“ oder „manchmal“. Auch zeigt sich, dass Frauen mehr Wert auf die Meinung von Vertrauten legen als Männer. Die Empfehlung von Freunden ist immer dann besonders wichtig, wenn sich die Interessenten selbst mit dem Produkt nicht so gut auskennen (68,3 %), der Freund aber Erfahrungen auf diesem Gebiet hat (63 %) oder die geplanten Anschaffungen überdurchschnittlich teuer sind (57,4 %). Recommender Systeme „Recommender Systeme“ sind Empfehlungssysteme im Internet. Die Ziele dieser Systeme sind bessere und effizientere Nutzung der immer weiter wachsenden Informationsmenge des WWW. Eine eigene Recherche nach benötigten Informationen ohne fremde Hilfe wird immer schwieriger. Suchmaschinen sind (noch) nicht personalisiert genug in der Darstellung und in der Suche nach den gewünschten Informationen. Einsatzgebiete von Recommender Systemen sind: E-Commerce, E-Learning oder in Informations- und Nachrichtenportalen. Erste Studien zeigen, dass sich durch Recommender Systeme Umsätze im E-Commerce um 10-15% steigern lassen. 2. Arten von Recommender Systemen 2.1 Inhaltsbasierte Systeme (content-based filtering) Inhaltsbasierte Systeme ermitteln die Ähnlichkeit von Objekten über deren Eigenschaften. Ein Objekt wird abhängig von dessen Inhalt beschrieben und bekommt bestimmte Attribute zugewiesen. Fordert ein Nutzer eine Empfehlung an, so prüft das System dessen Präferenzprofil und sucht aus allen vorhandenen Objekten diese heraus, die gleiche oder ähnliche Attribute wie die bisher vom Nutzer positiv bewerteten haben. Ein Beispiel: Ein Kunde interessiert sich für einen Geländewagen der Marke Mercedes. Dieses Auto hat bestimmte Eigenschaften, wie z.B. die Eigenschaft „Geländewagen“, „Allradantrieb“ oder „Premium-Marke“. Das Recommender System vergleicht nun diese Eigenschaften mit den Eigenschaften anderer Produkte, um eine alternative Empfehlung zu geben. Die Eigenschaften des Geländewagen von Mercedes besitzt auch ein Geländewagen der Marke BMW. Das Recommender System wird den Geländewagen der Marke BMW als Empfehlung anbieten. Gemeinschaftsbasierte Systeme (Collaborative Filtering) Gemeinschaftsbasierte Systeme vernachlässigen alle Informationen über vorhandene Objekte. Sie ermitteln die Präferenzprofile anderer Nutzer, die dem des aktiven Nutzers ähnlich sind. Die Ähnlichkeit der Nutzer, also gemeinsame Interessen und Vorlieben, steht bei diesen Systemen im Vordergrund (nicht Ähnlichkeit von Objekten). Gemeinschaftsbasierte Systeme untersuchen die erhaltenen Präferenzprofile und schlagen auf Basis dieser dem aktiven Nutzer Objekte vor, die in den Präferenzprofilen der ähnlichen Nutzer enthalten sind und die ihm auf Grund dieser Ähnlichkeit gefallen müssten. Ein Beispiel für Gemeinschaftsbasierte Systeme: Ein Kunde A kauft eine CD der Band „Metallica“ und kauft des weiteren eine CD der Band „Megadeth“. Ein anderer Kunde B interessiert sich für eine CD von „Metallica“. Das Gemeinschaftsbasierte System empfiehlt daher auch „Megadeth“. Vorteile Inhaltsbasierte Systeme (content-based filtering) • Es gibt keine Kaltstartprobleme: Es sind keine Empfehlungen anderer Benutzer erforderlich bevor das System Empfehlungen aussprechen kann • Es sind Empfehlung für Benutzer mit besonderen Vorlieben möglich • Auch unpopuläre Produkte können empfohlen werden (kein First-Rater-Problem) Nachteile Inhaltsbasierte Systeme (content-based filtering) • Sinnvolle Produktmerkmale müssen konstruiert werden • Kauf-/Ratingverhalten anderer Benutzer wird nicht berücksichtigt Vorteile Gemeinschaftsbasierte Systeme (Collaborative Filtering) • Produkte müssen nicht durch Merkmale beschrieben werden • Benutzer, die das Produkt mögen sind die Merkmale • Zusammenhänge zwischen Produkteigenschaften und Benutzereigenschaften müssen nicht bekannt sein • Es geht nur um Zusammenhänge zwischen Kauf- / Ratingverhalten verschiedener Benutzer Vorteile Gemeinschaftsbasierte Systeme (Collaborative Filtering) • Kaltstart: Es müssen viele Bewertungen im System sein bevor es anfängt zu funktionieren • Sparse Matrix: Bei vielen Produkten gibt es wenige Benutzer, die die gleichen Produkte gekauft haben • First Rater-Problem: Produkte die noch nie gekauft / gerated wurden, werden nie empfohlen • Läden möchten, dass jedes Produkt mal empfohlen wird • Popularitäts-Bias: nur populäre Produkte werden empfohlen, keine Produkte, die einem spezialisierten Publikum gefallen. Hybride Systeme Hybride Systeme sind Empfehlungssysteme, die aus einer Kombination von Content-based Filtering und Collaborative Filtering entstehen. Ziel dieser Systeme: Individuelle Nachteile der Systeme eliminieren, die Zeitdauer für den Empfehlungsprozess senken und die Empfehlungsgüte verbessern. 3. Beispiele für Recommender Systeme 3.1 Amazon.de Amazon.de ist ein Online-Versandhaus, das Bücher, CDs, DVDs, Musik, Video, Elektronik und Foto-Artikel, Software, Computer- und Videospiele, Küchen- und Haushaltsgeräte, Sport und Freizeitartikel, Spielwaren und Zeitschriften anbietet. Das Recommender System von Amazon.de ist eine Weiterentwicklung eines gemeinschaftsbasierten Systems. Es wird bezeichnet als „Item-to-Item Collaborative Filtering“. Bei Amazon werden Ähnlichkeiten zwischen den bereits konsumierten und bewerteten Produkten gesucht. Zwei Objekte gelten als desto ähnlicher, je mehr Nutzer beide Objekte zusammen erworben haben. Ein Vorteil dieses Systems ist die Zeitersparnis durch Offlinearbeit. Viele Berechnungen können offline durchgeführt werden. Arten von Empfehlungen bei Amazon.de: • “Persönliche Empfehlungen“: Jedes Mitglied von Amazon.de hat einen persönlichen „Shop“, mittels dem das System Produkte empfiehlt, die den bereits erworbenen ähnlich sind. • „Topseller“: Ebenfalls im persönlichen Shop befindet sich der Punkt „Topseller“. Unter diesem werden Artikel aufgelistet, die einen der vorderen Amazon-Verkaufsränge belegen, also die am besten verkauften Artikel in ihrer Gattung darstellen. Allerdings bleibt unberücksichtigt, wie die Mitglieder diesen Artikel bewertet haben. • „Kaufen sie x und y für zusammen…“: Bei Anwahl eines beliebigen Artikels x wird dieser Hinweis automatisch angezeigt. Auswählen lässt sich diese Option durch den separaten Schalter „Beide jetzt kaufen“. Artikel y ist dabei inhaltlich nahezu identisch mit Artikel x und stammt immer aus der gleichen Produktart (wenn Artikel x ein Buch ist, so ist y auch ein Buch). Diese Beziehungen sind so gestaltet, dass Artikel x zwar auf Artikel y verweist, aber Artikel y nicht immer auf Artikel x. • „Kunden, die Artikel x gekauft haben, haben auch Artikel y gekauft“: Dieser Hinweis wird jedes Mal bei der Detailanzeige eines Artikels gegeben. Empfohlen werden wiederum Artikel der gleichen Produktart und des gleichen Sachgebietes wie der betrachtete Artikel x. • „Kunden kauften auch diese Produkte“: Diese Option erscheint bei der Detailansicht eines Produktes als Auswahlmöglichkeit. Dem Nutzer wird eine erweiterte Empfehlung auf der Basis „Kunden, die diesen Artikel gekauft haben, haben auch jene gekauft“ gegeben. Die Empfehlungen beschränken sich jetzt nicht mehr nur auf Produkte der gleichen Art und des gleichen Inhalts, sondern werden auf andere Produktarten erweitert. Dies bedeutet, dass bei Ansicht einer Digitalkamera auch Empfehlungen über Abenteuerromane oder Lernsoftware ergehen. 3.2 www.geizhals.at www.geizhals.at ist ein 1997 gegründeter unabhängiger Dienst, der sich auf Preisvergleiche von Produkten im Internet – hauptsächlich Elektronikartikel – spezialisiert hat. Seit 1999 werden auch Preisvergleiche für den deutschen und europäischen Markt angeboten. Arten von Empfehlungen bei geizhals.at: • Auf der Startseite Überblick über die Top-10-Produkte und die Top-10 Kategorien geizhals.at Auf den Seiten der konkreten Produkte: • Übersicht über Produkte mit unterschiedlichen Eigenschaften in derselben Produktkategorie • Übersicht über die Shops, welche das aktuelle Produkt am günstigsten anbieten (inkl. Angabe von Versandgebühren od. Nachnahmegebühren etc.) • „Siehe auch“: Auflistung verwandter Artikel, Zubehör u.ä. • „Preisentwicklung“: Übersicht über die Preisentwicklung des aktuellen Produkts über die letzten Tage, Wochen, Monate • „Bewertungen“: Bewertungen des aktuellen Produktes durch angemeldete Mitglieder bei geizhals.at • Auflistung „Besucher, die diesen Artikel angesehen haben, haben auch die folgenden Artikel angesehen“ 3.3 ciao.de Kaufberatung und Testberichte zu einer unbegrenzten Palette an Produkten. Arten von Empfehlungen bei ciao.de: • Erfahrungsberichte von registrierten Usern über das aktuelle Produkt • Produktvideos über das aktuelle Produkt • Übersicht über die momentanen Marktpreise/Gebrauchtmarktpreise bei ebay • „Webtipps“: Websites mit Informationen und Tipps zum aktuellen Produkt durch Sponsoren • „Vergleichen Sie ähnliche Produkte mit BMW Mini Cooper S“ Vergleich des aktuellen Produktes mit Produkten mit ähnlichen Eigenschaften • „Verwandte Produkte und Suchanfragen anderer User“
Posted by

One Response

  1. Laura sagt:

    Ich bin wirklich hin und weg. Habe verzweifelt nach diesem Thema gesucht. Mist haette ich das frueher gewusst. Werde mal haeufiger bei dir vorbei schauen. Vielen Dank.