Personalisierung im Internet

Ohne Kenntnis der Präferenzen von Nachfragern ist die Planung von Neuprodukten und Innovationen nicht denkbar. Dabei geht man in der Regel von der Grundannahme aus, daß ein Käufer dasjenige Produkt erwirbt, für das er die im Kaufzeitpunkt höchste Präferenz empfindet (Brockhoff 1993, S. 31). Unter dieser Prämisse ist der Ermittlung und Analyse der Präferenzen von Nachfragern eine hohe Bedeutung innerhalb des Innovationsmanagements beizumessen, da sich direkte Auswirkungen auf Umsatz und Gewinn ergeben.

Wie in Abschnitt 2.5 ff. beschrieben, basieren Collaborative-Filtering-Verfahren auf dem Gedanken, daß man über eine Gruppe von Personen verfügt, die in einen automatischen Erfahrungsaustausch einbezogen werden soll. Die Benutzer geben ihre individuellen Präferenzen für eine Anzahl von Objekten ab. Möchte sich nun eine bestimmter Benutzer, bezeichnet als „aktiver Benutzer“, eine individuelle Empfehlung über für ihn interessante oder präferierte Objekte geben lassen, wird zunächst aus der hohen Anzahl unterschiedlicher Benutzer eine Reihe ähnlicher Benutzer identifiziert. Die Bewertungen dieser Benutzer werden dann verwendet, um dem aktiven Benutzer eine individuell für ihn passende Empfehlung auszugeben. Einrichtungen oder Systeme, die solche Empfehlungen liefern können, werden als Recommender-Systeme bezeichnet (vgl. Abschnitt 2.4.2).

Im Rahmen einer empirischen Untersuchung wurde ein Online-Experiment durchgeführt. Hierzu wurde ein Recommender-System entwickelt. Das System trägt den Namen „Linxx“ und ist in der Lage, individuelle Website-Empfehlungen („persönliche Top-Linxx“) zu generieren. Die Benutzeroberfläche des Systems ist in deutscher Sprache verfaßt.

Das wesentliche Ziel des im vorangegangenen Abschnitt dargestellten Linxx-Experiments ist die Untersuchung unterschiedlicher Collaborative-Filtering-Verfahren im Hinblick auf ihre Prognosegüte. Die Ergebnisse werden in den folgenden Abschnitten diskutiert.

In Abschnitt 3.4.5 wurden zwei prinzipiell unterschiedliche Vorgehensweisen zur Messung der Prognosegüte von Collaborative-Filtering-Verfahren vorgestellt. Diese Methoden wurden als experimentelle und simulative Messung der Prognosegüte bezeichnet.

Diese Arbeit beschäftigt sich mit Collaborative Filtering. Es handelt es sich hierbei um ein Prognoseverfahren, welches sich insbesondere für die Verwendung in Interaktiven Medien wie dem Internet eignet.