Unabhängiges Magazin für Wirtschaft und Bildung

09. Dezember 2016

Search form

Search form

Wer Handtaschen sucht, braucht unbedingt auch Stilletos

Wer Handtaschen sucht, braucht unbedingt auch Stilletospiqs.de/ak_lotus

Jetzt anklicken: Dieser Artikel könnte Ihnen gefallen! Eine Konferenz an der TU Wien widmet sich den technischen Hintergründen von Empfehlungsdiensten beim Online-Shopping.

Man kauft bei einem Onlineshop ein, und danach bekommt man Produkte vorgeschlagen, an denen man vielleicht ebenfalls interessiert sein könnte. Solche „Empfehlungsdienste“ (Recommender Systems) spielen im Onlinegeschäft eine große Rolle. Dahinter verbergen sich Computeralgorithmen, die sich in den letzten Jahren stark weiterentwickelt haben.
Hannes Werthner vom Institut für Softwaretechnik und interaktive Systeme der TU Wien arbeitet daran, Empfehlungsdienste zu verbessern, etwa für Touristen, denen auf Basis ausgewählter Bilder passende Reiseziele vorgeschlagen werden. Vom 16. bis 20. September 2015 findet an der TU Wien die internationale Konferenz „ACM Conference on Recommender Systems“ statt.
Die wirtschaftliche Bedeutung dieses Forschungsgebietes erkennt man auch an den Partnern der Konferenz wie Amazon, booking.com, netflix, pandora oder xing. Firmen aus ganz unterschiedlichen Bereichen haben erkannt, dass ihr geschäftlicher Erfolg auch davon abhängt, ihrem Zielpublikum automatisch die passenden Angebote zu machen.

Mit Statistik User und Inhalte verbinden
Grundsätzlich gibt es bei Recommender Systems zwei verschiedene Herangehensweisen: Entweder „kollaboratives Filtern“, wo versucht wird den Nutzer anhand seiner Vorlieben zu charakterisieren und ihm Vorschläge zu machen, die ähnlichen Nutzern gefallen haben. Das funktioniert aber erst mit ausreichenden Datenmenge, solange das Programm noch wenig über den Nutzer weiß, kann es keine guten Vorschläge machen.
Die andere Möglichkeit ist, die Eigenschaften der Objekte zu charakterisieren, die man vorschlagen möchte. So kann man schon anhand eines einzigen Objektes, das der Nutzer interessant gefunden hat, weitere Vorschläge zu generieren. Das funktioniert wiederum aber nur, wenn sich die Ähnlichkeit der Objekte quantifizieren lässt. Bei komplizierten Dingen wie Kinofilmen kann das schwierig werden. In der Praxis werden heute oft hybride Verfahren verwendet, die beide Herangehensweisen kombinieren.
Ob man mit der Suche nach passenden Vorschlägen Erfolg hatte, lässt sich am Ende allerdings nur schwer messen. Was war ein guter Vorschlag? Einer, der angeklickt wurde? Einer, der zu einem Online-Kauf geführt hat? „Letzten Endes ist ein Recommender-System genau dann gut, wenn der User damit zufrieden ist“, meint Hannes Werthner. „Unser Ziel ist nicht, den größtmöglichen Business Return zu generieren, sondern intelligente Lösungen zu entwickeln, die uns allen einen echten Vorteil bringen.“

Konferenz mit Wettbewerb
Über 400 Personen werden vom 16. Bis 20. September bei der Konferenz an der TU Wien erwartet, von Universitäten bis zu
E-Commerce-Anbietern. Teil der Konferenz ist die „RecSys Challenge“ – dabei stellt ein Unternehmen anonymisierte Daten zur Verfügung und unterschiedliche Teams aus der ganzen Welt sollen dann mit verschiedenen Algorithmen versuchen, die richtige Information daraus zu berechnen. Gegeben sind die Mausklicks von Usern auf einer Webseite, aus dem Klickverhalten soll prognostiziert werden, ob der User etwas kaufen wird oder nicht.

Links

red/czaak, Economy Ausgabe Webartikel, 18.09.2015