Durch die neuen Möglichkeiten des E-Commerce hat sich für den Endkunden das Angebot an Produkten enorm vergrößert. Gerade in großen Online Shops ist es beinahe unmöglich, gezielt interessante Inhalte herauszusuchen. Verbraucher setzen deswegen verstärkt auf persönliche Empfehlungen aus dem Bekanntenkreis.
Auch die Online Shops sind sich dieses Problems bewusst. In seiner Publikation erklärt Anh Dang, wie Unternehmen mit sogenannten Empfehlungssystemen gegensteuern. Vor allem das Collaborative Filtering eignet sich, um aus Bewertungen ähnlicher Nutzer geeignete Empfehlungen abzuleiten.
Allerdings sind auch beim Collaborative Filtering die Skalierbarkeit sowie die Empfehlungsqualität nicht garantiert. Gleichzeitig sind sie aus der heutigen Praxis nicht mehr wegzudenken. Dang gibt deshalb einen umfassenden Überblick über das Collaborative Filterung und schlüsselt dabei auch dessen Algorithmen auf.
Aus dem Inhalt:
- Amazon;
- Ebay;
- Online Shopping;
- Speicherbasierter Algorithmus;
- Modellbasierter Algorithmus;
- Marketing
Inhaltsverzeichnis
- Einleitung
- Begriffliche und konzeptionelle Grundlagen von Empfehlungssystemen
- Definition E-Commerce
- Definition Bewertung
- Definition Empfehlungssystem
- Definition Collaborative Filtering
- Hauptkategorien des Collaborative Filtering
- Evaluationsmetriken
- Probleme des Collaborative Filtering
- Beschreibung der Literatur
- Literaturüberblick zu speicherbasierten Collaborative Filtering Algorithmen
- Literaturüberblick zu modellbasiertem Collaborative Filtering Algorithmen
- Gemeinsamkeiten und Abweichungen
- speicherbasierte CF Algorithmen
- modellbasierte CF Algorithmen
- Fazit
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Die Arbeit befasst sich mit der Anwendung von Empfehlungssystemen im E-Commerce, insbesondere mit der Methode des Collaborative Filtering. Ziel ist es, die Funktionsweise und die verschiedenen Kategorien von Collaborative Filtering-Algorithmen zu erklären und zu analysieren. Dabei werden sowohl speicherbasierte als auch modellbasierte Ansätze betrachtet.
- Definition und Funktionsweise von Empfehlungssystemen
- Verschiedene Kategorien von Collaborative Filtering-Algorithmen
- Evaluationsmetriken für Empfehlungssysteme
- Probleme und Herausforderungen im Zusammenhang mit Collaborative Filtering
- Literaturüberblick zu speicherbasierten und modellbasierten CF-Algorithmen
Zusammenfassung der Kapitel
Kapitel 1 führt in die Thematik der Empfehlungssysteme im E-Commerce ein. Kapitel 2 definiert die zentralen Begriffe und Konzepte wie E-Commerce, Bewertung, Empfehlungssysteme und Collaborative Filtering. Es werden die verschiedenen Hauptkategorien des Collaborative Filtering sowie die gängigen Evaluationsmetriken vorgestellt. Außerdem werden die Herausforderungen und Probleme im Zusammenhang mit dieser Methode beleuchtet.
Kapitel 3 bietet einen Überblick über die einschlägige Literatur zu speicherbasierten und modellbasierten Collaborative Filtering-Algorithmen. Kapitel 4 analysiert die Gemeinsamkeiten und Unterschiede zwischen den verschiedenen Algorithmen. Kapitel 5 zieht ein Fazit und fasst die wichtigsten Ergebnisse der Arbeit zusammen.
Schlüsselwörter
Empfehlungssysteme, E-Commerce, Collaborative Filtering, speicherbasierte Algorithmen, modellbasierte Algorithmen, Evaluationsmetriken, Literaturüberblick.
- Arbeit zitieren
- Anh Dang (Autor:in), 2019, Collaborative Filtering. Die Anwendung von Empfehlungssystemen im E-Commerce, München, GRIN Verlag, https://www.grin.com/document/459343
