Was ist kollaboratives Filtern?

Kollaboratives Filtern ist eine Methode zur Datenverarbeitung, bei der mithilfe von Daten aus zahlreichen Quellen Profile von Personen erstellt werden, die ähnliche Vorlieben und Kaufgewohnheiten aufweisen. Diese Technik wird in einer Reihe von verschiedenen Einstellungen verwendet. Einige der bekanntesten Anwendungen der kollaborativen Filterung sind im Internet zu sehen, wo sie für Marketingzwecke, zur Vorhersage des Benutzergeschmacks und zur Kuratierung von Websites verwendet werden, deren Funktion von Eingaben der Benutzer abhängt.

In einem einfachen Beispiel für die Funktionsweise der kollaborativen Filterung möchte eine Website möglicherweise ein Empfehlungssystem für Fernsehsendungen einrichten. Benutzer der Site geben Daten an, wenn sie sich anmelden und die Shows auflisten, die ihnen gefallen. Diese Daten werden wiederum verwendet, um Benutzer mit ähnlichen Vorlieben zu identifizieren. Wenn 75% der Leute, die Show A mögen, Show B mögen, kann das System daraus schließen, dass Leute, die eine Show mögen, die andere wahrscheinlich mögen. Wenn sich ein Benutzer anmeldet und sich als Fan von Show A identifiziert und nach Vorschlägen sucht, kann das System Show B empfehlen.

Damit die kollaborative Filterung funktioniert, sind viele Daten erforderlich. Je größer die Grundgesamtheit, aus der die Daten stammen, desto nützlicher und effektiver sind die Daten. Bei kleinen Datenmengen ist es wahrscheinlicher, dass sie mit nicht aussagekräftigen Ergebnissen enden, z. B. falschen Verbindungen, die zu schlechten Geschmacksvorhersagen führen. Solche Systeme leiden häufig unter einem Kaltstartproblem, bei dem sie sich nur langsam entwickeln, weil die Datenbank zuerst gefüllt werden muss. Frühanwender sind möglicherweise frustriert über das System, da es schlechte Empfehlungen abgibt, da es nicht über genügend Daten verfügt.

Kollaboratives Filtern wird auch in großem Umfang auf Websites für soziale Netzwerke und auf Websites verwendet, die Tools wie das Lesezeichen für Unternehmen bereitstellen, mit denen Benutzer Links zu für sie interessanten Websites freigeben und fördern. Wenn Benutzer den Datenbestand im System erweitern, kann das System Empfehlungen aussprechen, die den Geschmack jedes Benutzers ansprechen. Zum Beispiel kann eine Social-Bookmarking-Site zufällige Links auf der Basis von Links und Benutzern generieren, die jemand in der Vergangenheit gemocht hat.

Marketingfachleute können mithilfe der kollaborativen Filterung den Nutzern ein sehr genaues und zielgerichtetes Marketing bieten. Dieses personalisierte Marketing kann sehr effektiv sein, da Benutzer das Gefühl haben, persönlich angesprochen zu werden, und sie infolgedessen eher Empfehlungen akzeptieren. Die enormen Datenmengen, die freiwillig auf Websites wie Social-Networking-Sites bereitgestellt werden, sind unter Marketingfachleuten, die Daten von solchen Sites kaufen, um maßgeschneiderte Kampagnen zu entwickeln, ein heißes Gut.