Carl von Ossietzky Universität Oldenburg Hausarbeit ... - DIKO :: Index
Carl von Ossietzky Universität Oldenburg Hausarbeit ... - DIKO :: Index
Carl von Ossietzky Universität Oldenburg Hausarbeit ... - DIKO :: Index
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Filterung könnte mit einer Art Mund - zu -Mund - Propaganda verglichen werden.<br />
Abbildung 9 zeigt, dass jeder der nach einem roten Hut fragt, bzw. einen<br />
roten Hut kauft - modelliert durch das Männchen auf der linken Seite - auch<br />
eine grüne Tasche kauft. Auf Grund des Kaufverhalten der anderen Kunden,<br />
wird der Kauf eine grünen Tasche empfohlen. Andere Kunden empfehlen die<br />
grüne Tasche zu dem roten Hut.<br />
Abbildung 9: Schaubild zu kollaborativen Filterung[Buc01]<br />
Recommender Systeme sind eng mit dem Erfolg der Personalisierung verknüpft,<br />
denn ist die Empfehlung gut und treffend kann es sein, dass aus einem potentiellen<br />
Kunden ein Kunde wird. Es kann auch aus einem Kunden ein zufriedener<br />
Kunde werden, da sich dieser gut beraten und individuell betreut fühlt und<br />
deshalb häufiger und mehr kauft.<br />
4.3 Assoziationsund Sequenzanalyse<br />
Die Assoziations- und Sequenzanalyse ist hauptsächlich die Analyse typischer<br />
Bewegungspfade, auch ” Click-Stream“- Analyse genannt. Die Datenbasis für<br />
diese Analyse sind die in Abschnitt 3.3 beschriebenen Logfiles. Es gibt auch<br />
hier einige unterschiedliche Verfahren wie z.B. den Apriori - Algorithmus, hierarchische,<br />
quantitative Assoziationsregel und die Fuzzy Assoziationsregel. Sie<br />
sind für die Aussage über zeitliche Entwicklungen des Konsumverhaltens wichtig.<br />
Beispiele hierfür sind die Auswertungen, nach wie vielen ” Clicks“ es zum<br />
Kauf kommt, oder nach welchem zeitlichen Abstand der nächste Kauf getätigt<br />
wird.<br />
4.4 Klassifikationsanalyse<br />
In dem Klassifikationsverfahren werden Kunden in bestimmte Klassen eingeordnet,<br />
z.B. in ” Käufer und Nichtkäufer“. Hierbei teilt ein Klassenattribut ein<br />
unbekanntes Objekt in eine vorher bekannte Klasse ein. Die meist verwendeten<br />
Werkzeuge hierfür sind Entscheidungsbäume und Neuronale Netze. Die Vorteile<br />
<strong>von</strong> Entscheidungsbäumen sind die leicht verständlichen Ergebnisse.<br />
19