Marktüberblick Empfehlungssysteme

Mit Empfehlungssystemen ist eine ganz andere Art und Weise der Personalisierung im Internet möglich. Die eventuellen Wünsche eines Nutzers werden durch Empfehlungssysteme wie Certona und RichRelevance, die zwei größten, Strands und PredictiveIntent, zwei weitere Internationale, prudsys, eine große deutsche Firma, FACT-Finder, ein Suchmaschinenanbieter mit einer Empfehlungsoption, sowie Open Source Alternativen wie easyrec und Apache Mahout sozusagen „vorausgeahnt“.

Bei personalisierten Empfehlungssystemen werden die Präferenzen des Nutzers in die auf Algorithmen basierte Berechnung und darauf folgende Auswertung des jeweiligen Datensatzes einbezogen, sodass eine auf den Nutzer individuell abgestimmte Auswahl bereitgestellt werden kann. Die Nutzungsdaten, welche in eine solche Berechnung einbezogen werden, werden nicht zwangsläufig aktiv angegeben.

Ein Beispiel zeigt Certona: Zu diesen unbeabsichtigten Angaben zählen unter anderem das aktuelle Verhalten der User, die Tageszeit und der Ort an dem sich der User aufhält, der Verlauf des Browsers, die vorherigen Einkäufe, Alter und Geschlecht, etc.

Certona
Certona

Durch ihre Algorithmen und kaufmännische Regeln werden die persönlichen Empfehlungen und andere Features erstellt. Dazu zählen unter anderem: Persönliche Home und Landing Pages, Cross Sell Optimierung, Suchoptimierung,etc, wie die nachfolgende Grafik zeigt.

Vergleich von Empfehlungssystem-Anbietern
Vergleich verschiedener Empfehlungssystem-Anbieter

Die grundlegenden Eigenschaften, also Empfehlungen wie „haben auch gekauft“, „das könnte Ihnen auch gefallen“ sowie Einstellungen jeglicher Art und eine Möglichkeit zur Analyse bieten alle Anbieter an. Die restlichen angebotenen Leistungen der einzelnen Anbieter variieren jedoch stark. Certona, RichRelevance und prudsys haben das größte Angebot, die Open Source Alternativen und PredictiveIntent das geringste.

Der Anbieter Strands bietet auf seiner Homepage eine Vorstellung seines Produktes an. Der Kunde wählt die Kriterien aus, nach denen der Algorithmus arbeiten soll, z.B. „besucht“, „gekauft“, „in der Wunschliste“ und viele mehr, ebenso wie die Gewichtung der einzelnen Punkte. Auch die Templates lassen sich individuell gestalten, nach Anzahl der Empfehlungen, horizontal oder vertikal, Farbe, Schrift, und Größe. Dies ermöglicht die optimale Einbindung in die Website des Kunden. Über die Analysefunktion lässt sich genau ableiten, welche Empfehlungen die meisten Verkäufe erzielen, dadurch kann man die Einstellungen auf jede erdenkliche Art testen und verfeinern.

Im Vergleich zu den Anbietern gilt Amazon als der Vorreiter von Empfehlungen und benutzt alle genannten Features. Sie lassen ihr Empfehlungssystem auf dem eigenen Server laufen, was die Geschwindigkeit, in der Empfehlungen generiert werden, stark erhöht. Als Kunde von einem der Anbieter muss man auf dessen externen Server zugreifen.

Die Preise werden von den Firmen individuell für jeden Kunde berechnet, nur PredictiveIntent und Strands veröffentlichen diese hier und hier auf ihren Websites. Die Anbieter stellen je nach Bedarf unterschiedliche Pakete zur Verfügung. Bei Strands variiert der Mietpreis von 150 bis 2.000 Euro monatlich. Man kann die Services auch 30 Tage lang in einer Demo testen, um sich von den Qualitäten zu überzeugen.

Es wird deutlich, dass sich durch Empfehlungssysteme das Suchen und die Produktauswahl für die Nutzer erleichtern lässt. Jedoch darf auch der Marketing-Nutzen für die jeweiligen Anbieter nicht außer Acht gelassen werden, da die Nutzer oft auf Produkte, die sie zunächst gar nicht in Betracht gezogen haben, aufmerksam gemacht werden. Es lässt sich also sagen, dass Empfehlungssysteme sehr wichtig für den heutigen Markt sind – sowohl für den einzelnen Nutzer als auch für die jeweiligen Hersteller oder Anbieter im Internet.

Quellen:
http://certona.com
http://richrelevance.com
http://recommender.strands.com
http://prudsys.de
http://predictiveIntet.com
http://Fact-Finder.de
http://Easyrec.org
http://mahout.apache.org
http://amazon.de

Dieser Blogartikel wurde im Rahmen der Vorlesung E-Commerce-Systeme im Sommersemester 2012 erstellt. Unter Anleitung von Prof. Dr. Holger Schneider haben die Studierenden sich mit einem ausgewählten Thema näher befasst, eine kurze Präsentation im Rahmen der Vorlesung gehalten und einen Blogbeitrag für WebZapper geschrieben. Inhaltlicher Stand ist jeweils Juni 2012.
Weitere Informationen zur Beitragsreihe „E-Commerce-Systeme“ findest Du hier.

3 Replies to “Marktüberblick Empfehlungssysteme

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert