Leseprobe
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Collaborative Filtering. Die Anwendung von Empfehlungssystemen im E-Commerce
Anh Dang
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Sozialwissenschaften, Recht, Wirtschaft / Werbung, Marketing
Beschreibung
Durch die neuen Möglichkeiten des E-Commerce hat sich für den Endkunden das Angebot an Produkten enorm vergrößert. Gerade in großen Online Shops ist es beinahe unmöglich, gezielt interessante Inhalte herauszusuchen. Verbraucher setzen deswegen verstärkt auf persönliche Empfehlungen aus dem Bekanntenkreis. Auch die Online Shops sind sich dieses Problems bewusst. In seiner Publikation erklärt Anh Dang, wie Unternehmen mit sogenannten Empfehlungssystemen gegensteuern. Vor allem das Collaborative Filtering eignet sich, um aus Bewertungen ähnlicher Nutzer geeignete Empfehlungen abzuleiten. Allerdings sind auch beim Collaborative Filtering die Skalierbarkeit sowie die Empfehlungsqualität nicht garantiert. Gleichzeitig sind sie aus der heutigen Praxis nicht mehr wegzudenken. Dang gibt deshalb einen umfassenden Überblick über das Collaborative Filterung und schlüsselt dabei auch dessen Algorithmen auf. Aus dem Inhalt: - Amazon; - Ebay; - Online Shopping; - Speicherbasierter Algorithmus; - Modellbasierter Algorithmus; - Marketing
Kundenbewertungen
speicherbasierter Algorithmus, Online Shopping, Ebay, Marketing, modellbasierter Algorithmus, Collaborative Filtering, Kollaboratives Filtern, Amazon