Was sind Empfehlungssysteme?
Empfehlungssysteme sind Systeme, die auf der Grundlage von Daten, die die Benutzer in das System eingegeben haben, Empfehlungen für Benutzer abgeben. Je mehr Daten ein Benutzer angegeben hat, desto genauer können solche Systeme sein. Darüber hinaus tragen die von einzelnen Benutzern übermittelten Daten dazu bei, das System insgesamt zu verbessern, indem sie Informationen generieren, anhand derer Empfehlungen für andere Benutzer abgegeben werden können. Empfehlungssysteme werden häufig auf Websites wie Film- und Fernsehkritiken sowie auf Websites mit großen Lagerbeständen an Einzelhandelsartikeln verwendet, bei denen es funktionell unmöglich wäre, bei jedem Artikel einen Blick darauf zu werfen.
Diese Systeme können auf verschiedene Arten mit Benutzern interagieren. Einer ist ein Service für Benutzer, die nach mehr Dingen suchen, die sie interessieren könnten, wie weiterführendes Lesen, Fernsehsendungen oder Videospiele. In diesen Systemen generiert der Benutzer eine Liste von Vorlieben und Abneigungen und das System versucht vorherzusagen, wie der Benutzer über Dinge abstimmen wird, über die er noch nicht abgestimmt hat. Wenn es denkt, dass etwas eine hohe Bewertung haben würde, schlägt es es dem Benutzer vor.
Gut konzipierte Empfehlungssysteme lernen aus ihren Fehlern. Ein System kann The Sound of Music empfehlen, da einem Benutzer Willy Wonka und die Schokoladenfabrik gefallen. Der Benutzer kann Optionen wie "Gefällt mir" oder "Gefällt mir nicht" auswählen. Wenn der Benutzer The Sound of Music nicht mag, kann das System den Algorithmus zur Generierung von Empfehlungen zur Kenntnis nehmen und weiter verfeinern. Je mehr Daten gesammelt werden, desto hilfreicher sind die Empfehlungen.
Einzelhandelsstandorte verwenden Empfehlungssysteme, um Menschen zu Impulskäufen zu verleiten. Das System nimmt gekaufte Artikel zur Kenntnis und empfiehlt verwandte und hilfreiche Artikel. Zum Beispiel könnte jemand, der eine Kamera kauft, gefragt werden, ob er oder sie ein Ladegerät, eine Kameratasche, Filter und zusätzliche Objektive kaufen möchte. Jemandem, der ein Buch über feministische Theorie kauft, könnte gesagt werden, dass andere Käufer dieses Titels auch einen anderen, verwandten Titel haben. Diese Arten von Empfehlungssystemen ermöglichen personalisiertes Marketing, das mit hoher Wahrscheinlichkeit die Benutzer anspricht.
Diese Systeme basieren auf der kollaborativen Filterung von Daten, bei der Daten von einer großen Anzahl von Benutzern auf sinnvolle Weise organisiert werden. Auf diese Weise kann die Site Verbindungen herstellen, die ansonsten möglicherweise nicht erkennbar sind, und die Qualität der Empfehlungen verbessern. Benutzer, die nicht teilnehmen möchten, können in der Regel die Optionen in ihren Benutzereinstellungen ändern, sie verringern jedoch die Qualität der empfangenen Empfehlungen, da das System nicht aus den Präferenzen des Einzelnen, sondern nur aus der kollektiven Meinung anderer Benutzer lernen kann.