E-Commerce-Firmen setzen so genannte "Recommender-Systeme" ein, um Kunden Produkte zu empfehlen oder ihnen für ihre Kaufentscheidung Informationen zur Verfügung zu stellen. Wie gut dies funktioniert, ist stark abhängig von den zur Verfügung stehenden Kundendaten und den eingesetzten Recommendation-Methoden, schreibt das IT-Profimagazin iX [http://www.heise.de/ix/] in der aktuellen Ausgabe 1/05.
"Kunden, die dieses Buch gekauft haben, kauften auch ...": Amazon-Kunden kennen diesen Querverweis. Er soll auf Produkte aufmerksam machen, die man als Kunde zwar noch nicht kennt, aber möglicherweise interessant finden würde. Diese Recommendation oder Kaufempfehlung gilt als wohl typischste Art von Personalisierung im E-Commerce, die letztendlich einen menschlichen Berater oder Verkäufer ersetzen soll.
Dahinter stecken ausgefeilte Verfahren, unter anderem aus der Künstlichen Intelligenz. Es wird nicht nur von einem bestimmten Verhalten in der Vergangenheit auf ein ähnliches Verhalten in der Zukunft geschlossen (Fachbegriff: Collaborative Filtering), sondern das System berechnet auch die Ähnlichkeiten von Artikeln auf Basis der bewertenden Kunden. Dieses Verfahren taufte Amazon Item-to-Item Correlation.
Die einigermaßen hohe Treffsicherheit ergibt sich vornehmlich aus den immensen Datenmengen, auf die Amazon und Co. zurückgreifen können. Shops mit nur wenigen Kunden liefern aufgrund der mageren Datenbasis qualitativ fragwürdige Empfehlungen.
Das sollen Empfehlungssysteme, die mehrere Verfahren kombinieren, etwa Collaborative Filtering mit einer inhaltsbezogenen Auswahl vereinen, lösen. Um ähnliche Kunden zu finden, werden auch Informationen über die bewerteten Produkte selbst zu Rate gezogen. So lässt sich unter anderem die Ähnlichkeit zweier Benutzer feststellen, die großes Interesse an historischen Romanen erkennen lassen, jedoch nicht ein einziges gleiches Buch gelesen haben. Doch diese Systeme sind komplex und somit rechenintensiv. "Man kann aber davon ausgehen, dass die Bedeutung automatisierter Recommender-Systeme zunehmen wird", erläutert iX-Redakteur Jürgen Diercks. "Buchversender wie Amazon haben nur den Weg geebnet zum allgegenwärtigen elektronischen Verkäufer."
(jd)
Bildmaterial: Das Titelbild der aktuellen iX-Ausgabe 1/2005 steht zum Download [http://www.heise-medien.de/... bereit.
"Kunden, die dieses Buch gekauft haben, kauften auch ...": Amazon-Kunden kennen diesen Querverweis. Er soll auf Produkte aufmerksam machen, die man als Kunde zwar noch nicht kennt, aber möglicherweise interessant finden würde. Diese Recommendation oder Kaufempfehlung gilt als wohl typischste Art von Personalisierung im E-Commerce, die letztendlich einen menschlichen Berater oder Verkäufer ersetzen soll.
Dahinter stecken ausgefeilte Verfahren, unter anderem aus der Künstlichen Intelligenz. Es wird nicht nur von einem bestimmten Verhalten in der Vergangenheit auf ein ähnliches Verhalten in der Zukunft geschlossen (Fachbegriff: Collaborative Filtering), sondern das System berechnet auch die Ähnlichkeiten von Artikeln auf Basis der bewertenden Kunden. Dieses Verfahren taufte Amazon Item-to-Item Correlation.
Die einigermaßen hohe Treffsicherheit ergibt sich vornehmlich aus den immensen Datenmengen, auf die Amazon und Co. zurückgreifen können. Shops mit nur wenigen Kunden liefern aufgrund der mageren Datenbasis qualitativ fragwürdige Empfehlungen.
Das sollen Empfehlungssysteme, die mehrere Verfahren kombinieren, etwa Collaborative Filtering mit einer inhaltsbezogenen Auswahl vereinen, lösen. Um ähnliche Kunden zu finden, werden auch Informationen über die bewerteten Produkte selbst zu Rate gezogen. So lässt sich unter anderem die Ähnlichkeit zweier Benutzer feststellen, die großes Interesse an historischen Romanen erkennen lassen, jedoch nicht ein einziges gleiches Buch gelesen haben. Doch diese Systeme sind komplex und somit rechenintensiv. "Man kann aber davon ausgehen, dass die Bedeutung automatisierter Recommender-Systeme zunehmen wird", erläutert iX-Redakteur Jürgen Diercks. "Buchversender wie Amazon haben nur den Weg geebnet zum allgegenwärtigen elektronischen Verkäufer."
(jd)
Bildmaterial: Das Titelbild der aktuellen iX-Ausgabe 1/2005 steht zum Download [http://www.heise-medien.de/... bereit.
