Empfehlungssysteme sind überall. Egal ob man bei Internethändlern nach Produkten sucht, sich auf Karriereportalen vernetzt oder bei einer Streamingplattform nach Filmen stöbert: Das Internet ist voll von „Kunden, die dieses Produkt kauften, kauften auch“, „Kennen Sie eigentlich schon“ oder „Das könnte Ihnen auch gefallen“. Die daraufhin präsentierten Vorschläge sind das Ergebnis von Empfehlungssystemen (engl. Recommender Systems), also speziell entwickelten Algorithmen, die eine personalisierte Vorhersage erlauben, woran Kunden noch interessiert sein könnten.

Von Empfehlungssystemen profitieren dabei sowohl Nutzer als auch Anbieter:  So ermöglichen sie es den Nutzern, neue Dinge zu entdecken, über welche sie sonst nie gestolpert wären, und erlauben gleichzeitig dem Anbieter, den Kunden eine breitere Auswahl aus dem Produktkatalog vorzustellen. Empfehlungssysteme machen das Leben für beide Seiten leichter. Deshalb verwundert es auch nicht, dass fast alle internetbasierten Plattformen, Dienste und Händler auf Empfehlungssysteme zurückgreifen.

Doch wie funktioniert eigentlich ein Empfehlungssystem hinter den Kulissen? 

Hier gibt es viele verschiedene Ansätze. Manche Anbieter verwenden ein produktbasiertes Empfehlungssystem, welches den Kunden ähnliche oder zusammengehörige Produkte anbietet. Sie interessieren sich für einen Laptop? Dann haben Sie vielleicht auch Interesse an einer externen Festplatte. Oder einer Schutzhülle. Oder einem anderem Modell dieser Reihe.

Ein anderer Ansatz ist ein auf Kundenbewertungen basierendes Empfehlungssystem. Hierbei werden aufgrund der Bewertungen eines Nutzers ähnliche Nutzer gesucht und dann Produkte vorgeschlagen, die diesen gefallen haben. Falls Sie also z. B. ein Fan von Kriminalfilmen aus den 80ern sind, wird das System andere Nutzer suchen, die auch eine Vorliebe für diese Art von Filmen haben. Dann ermittelt das Empfehlungssystem, welche Filme diesen Nutzern noch gefallen haben, entfernt die Filme, die Sie schon kennen, und präsentiert dann das Ergebnis. Der Vorteil dieses Ansatzes: Vielleicht schlägt Ihnen das System eine moderne romantische Komödie vor, die Ihnen gefällt – die Sie sich aber ohne diesen Vorschlag niemals angesehen hätten.

Dies sind nur zwei Beispiele, wie Empfehlungssysteme funktionieren können. Das Spektrum an verfügbaren Methoden und Algorithmen ist allerdings deutlich breiter. Wer daher zum ersten Mal ein Empfehlungssystem aufsetzen möchte, findet sich schnell vor einem Berg an Möglichkeiten wieder: Macht es Sinn, ein produktbasiertes Empfehlungssystem zu nutzen? Oder soll doch eher einer der auf Kundenempfehlungen basierenden Algorithmen benutzt werden? Und lohnt sich ein einfacher Filteransatz oder ist es doch besser, neuronale Netze aus dem Deep Learning-Bereich anzuwenden?

Die Vielzahl der verschiedenen Empfehlungssysteme gleicht einem Werkzeugkasten. Und wie bei einem Werkzeugkasten gilt, dass nicht jedes Werkzeug für jede Aufgabe gleich gut geeignet ist.  Wer sich frühzeitig auf ein Empfehlungssystem fixiert, begeht womöglich einen schwerwiegenden Fehler. Denn wie schon der US-amerikanische Psychologe Abraham Maslow sagte: "Wenn dein einziges Werkzeug ein Hammer ist, sieht jedes Problem wie ein Nagel aus." Um nicht zum stupiden Hammeranwender zu werden, lohnt es sich daher, sich einen umfassenden Überblick über den Werkzeugkasten zu verschaffen. Denn es mag sehr einfach sein, ein Empfehlungssystem aufzusetzen - aber es kann sehr schwer sein, ein wirklich gutes Empfehlungssystem aufzusetzen.

Für Interessierte bietet die Five1 deshalb einen zweitägigen Workshop zum Thema Empfehlungssysteme an, der nicht nur in die Breite, sondern auch in die Tiefe geht: Teilnehmer lernen im Detail die verschiedenen Algorithmen kennen und vertiefen ihr Wissen gleichzeitig durch deren praktische Anwendung. Optional kann sogar eine direkte Einschätzung und Analyse basierend auf den vorliegenden Geschäftsdaten dazugebucht werden.

Der Nutzen, den man aus diesem Workshop zieht, ist dabei nicht nur auf die eigene Anwendung beschränkt. Ein weiterer Vorteil, den man durch das intensive Studium von Empfehlungssystemen erhält, ist das Wissen, wie man selbst als Nutzer das Meiste aus den überall präsentierten Empfehlungsdiensten herausholen kann: Wie sorge ich dafür, dass mir noch passgenauere Vorschläge präsentiert werden? Wie kann ich eine breitere Produktauswahl erhalten? Und wie finde ich einen Film, der sowohl mir als auch meinem Partner gefällt? Finden Sie es heraus – mit dem Workshop der Five1.

Flyer Recommender Systems-Workshop herunterladen

 

Veröffentlich am 4.3.2020

Thema: AWS, Machine Learning, Recommendations, Empfehlungen, Umsatzsteigerung