Was sind Empfehlungssysteme?

Empfehlungssysteme sind Systeme, die Benutzer auf der Grundlage von Daten Empfehlungen abgeben, die die Benutzer in das System eingegeben haben. Je mehr Daten ein Benutzer bereitgestellt hat, desto genauer sind solche Systeme. Darüber hinaus helfen Daten, die von einzelnen Benutzern übermittelt wurden, das System insgesamt, indem Informationen generiert werden, mit denen Empfehlungen für andere Benutzer abgegeben werden können. Empfehlungssysteme werden häufig auf Websites wie Film- und Fernsehseiten und solchen mit großen Beständen von Einzelhandelsgegenständen zu sehen, die durch Betrachtung jedes Elements funktional unmöglich zu durchsuchen wären.

Diese Systeme können auf verschiedene Arten mit den Benutzern interagieren. Einer ist ein Service für Benutzer, die nach mehr Dingen suchen, an denen sie interessiert sein könnten, z. B. weitere Lesen, Fernsehsendungen oder Videospiele. In diesen Systemen generiert der Benutzer eine Liste von Likes und Abneigungen, und das System versucht vorherzusagen, wie der Benutzer über Dinge abstimmen wird, über die er noch nicht gestimmt hat. Wenn es denkt, dass etwas gewohnt istD hat eine hohe Bewertung, es schlägt es dem Benutzer vor.

Gut gestaltete Empfehlungssysteme lernen aus ihren Fehlern. Ein System kann den Sound von Musik empfehlen, weil ein Benutzer Willy Wonka & The Chocolate Factory mochte. Der Benutzer könnte Optionen wie "Ich mag das" oder "Ich mag das nicht" auswählen. Wenn der Benutzer den Klang von Musik nicht mochte, könnte das System den Algorithmus zur Erzeugung von Empfehlungen zur Kenntnis nehmen und weiter verfeinern. Je mehr Daten auffallen, desto hilfreicher werden die Empfehlungen.

Einzelhandelsstandorte verwenden Empfehlungssysteme, um Menschen dazu zu bringen, Impulskäufe zu tätigen. Das System zur Kenntnis von gekauften und empfohlenen Artikeln und empfohlenen und hilfreichen Artikeln. Zum Beispiel könnte jemand, der eine Kamera kauft, gefragt werden, ob er oder sie ein Ladegerät, einen Kamerafall, Filter und zusätzliche Objektive kaufen möchte. Jemand, der ein Buch über die feministische Theorie kauft, könnte erzählt werdenDiese anderen Käufer dieses Titels genießen auch einen weiteren, verwandten Titel. Diese Arten von Empfehlungssystemen ermöglichen ein personalisiertes Marketing, das die Benutzer sehr wahrscheinlich anspricht.

Diese Systeme stützen sich auf die kollaborative Filterung von Daten, bei denen Daten aus einer großen Anzahl von Benutzern auf sinnvolle Weise organisiert sind. Auf diese Weise kann die Website Verbindungen herstellen, die sonst möglicherweise nicht ersichtlich sind, wodurch die Qualität der Empfehlungen verbessert wird. Benutzer, die nicht teilnehmen möchten, können in der Regel die Optionen in ihren Benutzereinstellungen ändern, verringern jedoch die Qualität der Empfehlungen, die sie erhalten, da das System nicht aus den Vorlieben des Einzelnen lernen kann, nur die kollektive Meinung anderer Benutzer.