Man kauft bei einem Onlineshop ein, und danach bekommt man Produkte vorgeschlagen, an denen man vielleicht ebenfalls interessiert sein könnte. Solche „Empfehlungsdienste“ (Recommender Systems) spielen im Onlinegeschäft eine große Rolle – vom Film-Streaming-Anbieter, der unseren Filmgeschmack analysieren soll um passende Filme vorzuschlagen bis zum sozialen Netzwerk, das weitere Personen sucht, die man möglicherweise persönlich kennt. Dahinter verbergen sich Computeralgorithmen, die sich in den letzten Jahren stark weiterentwickelt haben.

Prof. Hannes Werthner vom Institut für Softwaretechnik und interaktive Systeme der TU Wien arbeitet daran, Empfehlungsdienste zu verbessern – beispielsweise für Touristen, denen auf Basis ausgewählter Bilder passende Reiseziele vorgeschlagen werden. Vom 16. Bis 20. September 2015 findet an der TU Wien die große Internationale Konferenz „ACM Conference on Recommender Systems“ statt. Die wirtschaftliche Bedeutung dieses Forschungsgebietes erkennt man schon an der Liste der offiziellen Konferenzsponsoren: Amazon, booking.com, netflix, pandora, xing – Firmen aus ganz unterschiedlichen Bereichen haben erkannt, dass ihr geschäftlicher Erfolg davon abhängt, ihrem Zielpublikum automatisch die passenden Angebote zu machen.

Mit Statistik User und Inhalte verbinden
Grundsätzlich gibt es bei Recommender Systems zwei verschiedene Herangehensweisen: Entweder versucht man, den Nutzer anhand seiner Vorlieben zu charakterisieren und ihm Vorschläge zu machen, die ähnlichen Nutzern gefallen haben – das bezeichnet man als „kollaboratives Filtern“. Das funktioniert erst, wenn man eine ausreichende Datenmenge zur Verfügung hat. Solange das Programm noch wenig über den Nutzer weiß, kann es keine guten Vorschläge machen.

Die andere Möglichkeit ist, die Eigenschaften der Objekte zu charakterisieren, die man vorschlagen möchte. So kann man schon anhand eines einzigen Objektes, das der Nutzer interessant gefunden hat, weitere  Vorschläge zu generieren. Das funktioniert aber nur, wenn sich die Ähnlichkeit der Objekte quantifizieren lässt. Bei komplizierten Dingen wie Kinofilmen kann das schwierig werden. In der Praxis werden heute oft hybride Verfahren verwendet, die beide Herangehensweisen kombinieren.

Ob man mit der Suche nach passenden Vorschlägen Erfolg hatte, lässt sich am Ende allerdings nur schwer messen. Was war ein guter Vorschlag? Einer, der angeklickt wurde? Einer, der zu einem Online-Kauf geführt hat? „Letzten Endes ist ein Recommender-System genau dann gut, wenn der User damit zufrieden ist“, meint Hannes Werthner. „Unser Ziel ist nicht, den größtmöglichen Business Return zu generieren, sondern intelligente Lösungen zu entwickeln, die uns allen einen echten Vorteil bringen.“

Konferenz mit Wettbewerb
470 Personen werden vom 16. bis 20. September bei der Konferenz an der TU Wien erwartet – von Universitäten genauso wie von zahlreichen E-Commerce-Anbietern. Teil der Konferenz ist die „RecSys Challenge“ – dabei stellt ein Unternehmen anonymisierte Daten zur Verfügung, unterschiedliche Teams aus der ganzen Welt sollen dann mit verschiedenen Algorithmen versuchen, die richtige Information daraus zu berechnen. Gegeben sind die Mausklicks von Usern auf einer Webseite, aus dem Klickverhalten soll prognostiziert werden, ob der User etwas kaufen wird oder nicht.

<link http: recsys.acm.org recsys15>

Konferenz-Webseite: recsys.acm.org/recsys15/, öffnet eine externe URL in einem neuen Fenster

Rückfragehinweis:
Prof. Hannes Werthner
Arbeitsgruppe e-commerce / Institut für Softwaretechnik und Interaktive Systeme
TU Wien
Favoritenstraße 9-11, 1040 Wien
T: +43-1-58801-18880
<link>hannes.werthner@tuwien.ac.at